Source: https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/ Canonical: https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/ Language: es # Perplexity: Embed V1 0.6B [Markdown](https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/index.md) · [JSON](https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/facts.json) ## [Perplexity: Embed V1 0.6B](https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/) Perplexity pplx-embed-v1-0.6B produce embeddings de 1024 dimensiones para recuperación independiente de texto multilingüe. Su contexto de 32K, preparación directa del texto y representaciones nativas INT8 o binarias definen un perfil de índice más pequeño de la familia v1. - [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/es/perplexity-pplx-embed-v1-0-6b/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. pplx-embed-v1-0.6B es el modelo más pequeño de embeddings independientes de Perplexity en la familia v1. Convierte el texto de consulta o documento en una representación de 1024 dimensiones para recuperación y búsqueda semántica. El fabricante describe una familia basada en Qwen3 adaptada mediante preentrenamiento continuo por difusión, con mean pooling y un contexto de 32K. El modelo codifica directamente el texto proporcionado, sin un prefijo de instrucciones obligatorio. #### Prepara un registro independiente Una colección útil puede contener explicaciones de productos, secciones de una base de conocimiento o notas cortas de investigación. Da a cada texto suficiente contexto de origen para entenderlo cuando lo devuelva la búsqueda: un encabezado, la afirmación que se busca y la condición que cambia su significado. Mantén el texto original y el identificador del registro junto con el embedding resultante. Para una tarea de búsqueda de notas, una pregunta sobre qué cambió en un proceso debe recuperar la nota que describe ese cambio. Genera el embedding de la pregunta real y compáralo con los registros preparados del corpus. No añadas por defecto la instrucción de consulta/pasaje de otra familia de modelos; el texto directo es la preparación documentada por el fabricante para este modelo. #### Vectores cuantizados y comparación por coseno La representación nativa es un embedding INT8 sin normalizar. Perplexity recomienda expresamente la similaridad del coseno para la comparación. Una puntuación de producto escalar en bruto sobre la salida sin normalizar cambia la comparación porque contribuye la magnitud del vector. Selecciona un índice de búsqueda y una vía de puntuación que puedan interpretar conjuntamente la representación y la métrica elegidas. La representación binaria también está documentada y la tabla del modelo identifica compatibilidad con Matryoshka. Esas opciones de representación pueden ser pertinentes para el almacenamiento del índice, pero sus componentes y bytes empaquetados deben interpretarse correctamente. La salida completa de 1024 dimensiones es distinta de la del modelo 4B de 2560 dimensiones. Un cambio de tamaño de modelo o representación de salida debe comprobarse en los lados de consulta y corpus, en lugar de tratarse automáticamente como un espacio común. #### Utiliza el contexto de forma deliberada La especificación de contexto del fabricante es de 32K. Una nota larga o una sección documental puede incluir más explicación circundante que un codificador de ventana corta, mientras que la unidad de recuperación sigue necesitando un propósito claro. Elige si un resultado debe devolver una sección completa o un pasaje específico que contenga la respuesta. Conserva las definiciones y excepciones junto a la afirmación que matizan. Para material de origen más grande, mantén el identificador del documento principal y la versión fuera del vector. Esto permite que el resultado de búsqueda conduzca de vuelta a la fuente y que el texto modificado sustituya su representación correspondiente. Examina los resultados candidatos para preguntas reales de la combinación lingüística prevista y verifica que el pasaje aporte la información solicitada, en lugar de limitarse a hablar de un tema parecido. #### Separa el procesamiento independiente del contextual La ficha del modelo distingue este codificador independiente de pplx-embed-context-v1-0.6B. El modelo contextual utiliza el entorno documental para las representaciones de fragmentos; el modelo v1 ordinario representa cada texto proporcionado por separado. Una lista de cadenas independientes no establece que haya ocurrido procesamiento contextual de fragmentos. La salida útil es una representación del corpus o un vector de consulta conectado con el texto de origen real, con el formato INT8 o binario seleccionado y la comparación por coseno registrados. Una etapa posterior de ordenación o respuesta RAG utiliza el texto recuperado como un artefacto separado. Este perfil pertenece a la edición independiente exacta 0.6B, no a los modelos 4B ni context-v1. **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b` [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/es/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-0.6b` ### Primeros pasos Perplexity pplx-embed-v1-0.6B produce embeddings de 1024 dimensiones para recuperación independiente de texto multilingüe. Su contexto de 32K, preparación directa del texto y representaciones nativas INT8 o binarias definen un perfil de índice más pequeño de la familia v1. Entradas aceptadas Texto · token\_ids Resultados embedding ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` Tipos de entrada `text`, `token_ids` Tipos de salida `embedding` Contexto 32.000 tokens Formato de salida json | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites perplexity/pplx-embed-v1-0.6b | Predeterminado— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 32.000 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un array de tokens | Predeterminado— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Source permite este campo de metadatos JSON; su semántica exacta en el proveedor depende de cada modelo. | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza | Predeterminado— | Combinaciones de materiales de entrada **text\_to\_embedding** Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input | | Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parámetro`encoding_format` | Contratofloat | | Parámetro`dimensions_override` | Contratofalse | | Parámetro`max_input_budget_units` | Contrato32000 | | Parámetro`multimodal_objects` | Contratofalse | | Parámetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Conserva todos los índices y dimensiones de los vectores. Que el modelo tenga un nombre multimodal no permite enviar objetos de imagen por esta ruta concreta. ### Planes Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Tarifa estándar Cuando se selecciona el modo rápido Modo flex Tarifa estándar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Tarifa estándar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (default) #### Tarifas de Ailoot #### Precios por configuración | Configuración | Tabla de tarifas | Cargo | | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.000008** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Representaciones vectoriales curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "perplexity/pplx-embed-v1-0.6b", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='perplexity/pplx-embed-v1-0.6b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Recibir y guardar resultados #### Ailoot Ultra · Representaciones vectoriales json ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva cada vector con su índice. El número de vectores debe coincidir con el número de entradas; las dimensiones deben ser coherentes. ##### Si es necesario revisar la respuesta original No se introduce ningún endpoint de trabajos de embeddings. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errores y siguientes pasos | Respuesta | Condición | Siguiente paso | | --- | --- | --- | | Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. | ### Alias #### Alias del modelo **Ailoot Ultra** [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/es/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/es/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) FAQ · Perplexity: Embed V1 0.6B ¿Qué entradas y resultados están disponibles? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `text`, `token_ids` → `embedding` ¿Qué campos utiliza la solicitud? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `model`, `input`, `encoding_format`, `provider` ¿Qué límites se aplican? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `ctx`: `32000`; `input.budget.maximum`: `32000` (bytes UTF8); `input.min_items`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.