{
  "aboutHtml": "<p>Voyage 3 Large on tekstin vektorointimalli, jolla etsitään olennaista tietoa asiakirjakokoelmasta. Se esittää kunkin annetun tekstin numeerisena vektorina, jolloin sovellus voi verrata hakupyyntöä katkelmiin, joiden sanamuoto voi olla erilainen mutta merkitys samankaltainen. Voyage AI suuntaa tämän version yleiskäyttöiseen ja monikieliseen hakuun esimerkiksi teknisistä ohjeista, keskusteluista ja pitkistä asiakirjoista.</p><p>Rakenna haettava kokoelma tiedosta, jonka käyttäjät todella tarvitsevat löytää. Pidä tuotteen tietopankissa ominaisuuden selitys yhdessä sen edellytysten ja olennaisten poikkeusten kanssa. Säilytä kokousmuistiinpanoissa puhujatunnisteet ja riittävästi ympäröivää keskustelua, jotta aihe on ymmärrettävä. Jaa laaja lähde tarkoituksenmukaisista kohdista ja säilytä lähteen otsikko, asiakirjan tunniste ja katkelman sijainti kunkin vektorin rinnalla.</p><p>Valmistele hakukysymys kyselynä ja indeksoitava aineisto asiakirjoina. Valmistajan tekstin vektorointiin tarkoitetussa työnkulussa syötteen tyyppi kertoo mallille tekstin tehtävän haussa. Kyselyä, kuten ”Miten jäsen voi palauttaa pääsyn menetettyään turva-avaimen?”, voidaan näin verrata palautusmenettelyä kuvaaviin tukiohjeiden katkelmiin, vaikka niiden sanamuoto poikkeaisi kyselystä. Pidä alkuperäinen katkelma saatavilla, jotta hakutulos voi näyttää osuman perusteena olevan tiedon.</p><p>Mallin konteksti-ikkuna on 32000 tokenia. Pitkä syöte voi säilyttää kokonaisen osion, mutta koko asiakirja ei aina ole hyödyllisin hakuyksikkö. Laajan tekstin vektori voi osoittaa oikeaan tiedostoon mutta jättää täsmällisen vastauksen etsimisen lukijalle. Valitse katkelmien rajat sen tuloksen mukaan, jonka haluat näyttää, ja pidä otsikot, täsmennykset ja määritelmät yhdessä niiden selittämän sisällön kanssa.</p><p>Voyage 3 Large tukee vektoreita, joissa on 2048, 1024, 512 tai 256 ulottuvuutta. Valmistaja dokumentoi myös liukulukuesityksen, etumerkilliset tai etumerkittömät kahdeksan bitin esitykset sekä binääriesitykset. Näiden vaihtoehtojen avulla hakujärjestelmä voi vertailla vektorin yksityiskohtaisuutta, indeksin kokoa ja haun toimintaa. Valitse aiotun vektoritietokannan tukema muoto ja arvioi sitä todellisella aineistolla ja edustavilla kysymyksillä ennen tuotantoindeksin asetusten valintaa.</p><p>Sisällytä monikielisen haun testeihin kysymyksiä käyttäjien käyttämillä kielillä ja tarkista löytyneet lähdekatkelmat niiden alkuperäisellä kielellä. Yhteinen hakukäyttöliittymä voi palvella useita kielikokoelmia, ja asiakirjan metatiedot kertovat edelleen lähteen kieliversion ja version. Säilytä merkitykselliset nimet, lyhenteet ja alan termit tekstin poiminnassa sen sijaan, että korvaisit ne yleisluontoisella tiivistelmällä ennen vektorointia.</p><p>Käytä vektoreita hakusivun, tietoavustajan tai asiakirjojen valintavaiheen ehdokaskatkelmien löytämiseen. Käytä indeksoidussa kokoelmassa ja sen kyselyissä samaa mallia ja samoja vektoriasetuksia. Kun vaihdat vektorointimallia tai vektorien ulottuvuuksia, rakenna asianomainen indeksi uudelleen ja vertaile sitä suunnitelmallisesti; vektorin pituus yksin ei kerro, miten se on tuotettu.</p><p>Arvioi tulosta haun hyödyllisyyden perusteella: löytyykö oikea katkelma, sijoittuvatko samankaltaiset mutta harhaanjohtavat katkelmat sen edelle ja sisältääkö näytettävä ote vastauksen. Säilytä pieni joukko todellisia kysymyksiä odotettuine lähteineen, mukaan lukien monitulkintainen sanamuoto ja lähes päällekkäiset asiakirjat. Vektoriesitys tekee sisällöstä haettavaa; sovellus säilyttää lähdetekstin, käyttöoikeudet ja linkit, joiden avulla osumasta tulee käyttökelpoinen tulos.</p>",
  "aboutText": "Voyage 3 Large on tekstin vektorointimalli, jolla etsitään olennaista tietoa asiakirjakokoelmasta. Se esittää kunkin annetun tekstin numeerisena vektorina, jolloin sovellus voi verrata hakupyyntöä katkelmiin, joiden sanamuoto voi olla erilainen mutta merkitys samankaltainen. Voyage AI suuntaa tämän version yleiskäyttöiseen ja monikieliseen hakuun esimerkiksi teknisistä ohjeista, keskusteluista ja pitkistä asiakirjoista.\n\nRakenna haettava kokoelma tiedosta, jonka käyttäjät todella tarvitsevat löytää. Pidä tuotteen tietopankissa ominaisuuden selitys yhdessä sen edellytysten ja olennaisten poikkeusten kanssa. Säilytä kokousmuistiinpanoissa puhujatunnisteet ja riittävästi ympäröivää keskustelua, jotta aihe on ymmärrettävä. Jaa laaja lähde tarkoituksenmukaisista kohdista ja säilytä lähteen otsikko, asiakirjan tunniste ja katkelman sijainti kunkin vektorin rinnalla.\n\nValmistele hakukysymys kyselynä ja indeksoitava aineisto asiakirjoina. Valmistajan tekstin vektorointiin tarkoitetussa työnkulussa syötteen tyyppi kertoo mallille tekstin tehtävän haussa. Kyselyä, kuten ”Miten jäsen voi palauttaa pääsyn menetettyään turva-avaimen?”, voidaan näin verrata palautusmenettelyä kuvaaviin tukiohjeiden katkelmiin, vaikka niiden sanamuoto poikkeaisi kyselystä. Pidä alkuperäinen katkelma saatavilla, jotta hakutulos voi näyttää osuman perusteena olevan tiedon.\n\nMallin konteksti-ikkuna on 32000 tokenia. Pitkä syöte voi säilyttää kokonaisen osion, mutta koko asiakirja ei aina ole hyödyllisin hakuyksikkö. Laajan tekstin vektori voi osoittaa oikeaan tiedostoon mutta jättää täsmällisen vastauksen etsimisen lukijalle. Valitse katkelmien rajat sen tuloksen mukaan, jonka haluat näyttää, ja pidä otsikot, täsmennykset ja määritelmät yhdessä niiden selittämän sisällön kanssa.\n\nVoyage 3 Large tukee vektoreita, joissa on 2048, 1024, 512 tai 256 ulottuvuutta. Valmistaja dokumentoi myös liukulukuesityksen, etumerkilliset tai etumerkittömät kahdeksan bitin esitykset sekä binääriesitykset. Näiden vaihtoehtojen avulla hakujärjestelmä voi vertailla vektorin yksityiskohtaisuutta, indeksin kokoa ja haun toimintaa. Valitse aiotun vektoritietokannan tukema muoto ja arvioi sitä todellisella aineistolla ja edustavilla kysymyksillä ennen tuotantoindeksin asetusten valintaa.\n\nSisällytä monikielisen haun testeihin kysymyksiä käyttäjien käyttämillä kielillä ja tarkista löytyneet lähdekatkelmat niiden alkuperäisellä kielellä. Yhteinen hakukäyttöliittymä voi palvella useita kielikokoelmia, ja asiakirjan metatiedot kertovat edelleen lähteen kieliversion ja version. Säilytä merkitykselliset nimet, lyhenteet ja alan termit tekstin poiminnassa sen sijaan, että korvaisit ne yleisluontoisella tiivistelmällä ennen vektorointia.\n\nKäytä vektoreita hakusivun, tietoavustajan tai asiakirjojen valintavaiheen ehdokaskatkelmien löytämiseen. Käytä indeksoidussa kokoelmassa ja sen kyselyissä samaa mallia ja samoja vektoriasetuksia. Kun vaihdat vektorointimallia tai vektorien ulottuvuuksia, rakenna asianomainen indeksi uudelleen ja vertaile sitä suunnitelmallisesti; vektorin pituus yksin ei kerro, miten se on tuotettu.\n\nArvioi tulosta haun hyödyllisyyden perusteella: löytyykö oikea katkelma, sijoittuvatko samankaltaiset mutta harhaanjohtavat katkelmat sen edelle ja sisältääkö näytettävä ote vastauksen. Säilytä pieni joukko todellisia kysymyksiä odotettuine lähteineen, mukaan lukien monitulkintainen sanamuoto ja lähes päällekkäiset asiakirjat. Vektoriesitys tekee sisällöstä haettavaa; sovellus säilyttää lähdetekstin, käyttöoikeudet ja linkit, joiden avulla osumasta tulee käyttökelpoinen tulos.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "683580554d98d011a4cecdf7cffa47f4a47b6c4509a6a16dee257dcb69469286",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "fi",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Voyage AI: Voyage 3 Large</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Sulje\">×</button></div><div class=\"idline\"><span>Voyage AI /</span><code>voyage-3-large</code><button type=\"button\" id=\"copy-id\">Kopioi ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Mallikortin osiot\"><button type=\"button\" data-card-jump=\"overview\">Aloitus</button><button type=\"button\" data-card-jump=\"methods\">Syötteet &amp; menetelmät</button><button type=\"button\" data-card-jump=\"pricing\">Hinnoittelu</button><button type=\"button\" data-card-jump=\"examples\">Esimerkit</button><button type=\"button\" data-card-jump=\"results\">Tulokset</button><button type=\"button\" data-card-jump=\"aliases\">Aliakset</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API-menetelmät\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|voyage-3-large\">Vektoriesitykset</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Aloitus</h3><p class=\"mdesc-full\">Voyage 3 Large muuntaa tekstin vektoreiksi yleiskäyttöistä ja monikielistä hakua varten. Sen 32000 tokenin syöteikkuna, valittavat vektorien ulottuvuudet ja kvantisoidut esitysmuodot tukevat haettavia tietopankkeja, asiakirjojen löytämistä ja hakua hyödyntävää generointia.</p><dl class=\"card-io\" data-card-io><div><dt>Hyväksytyt syötteet</dt><dd>Teksti</dd></div><div><dt>Tulokset</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Tietoa mallista</summary><p class=\"note-s\" data-model-method-boundary>Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.</p><div class=\"mabout\" id=\"m-about\"><p>Voyage 3 Large on tekstin vektorointimalli, jolla etsitään olennaista tietoa asiakirjakokoelmasta. Se esittää kunkin annetun tekstin numeerisena vektorina, jolloin sovellus voi verrata hakupyyntöä katkelmiin, joiden sanamuoto voi olla erilainen mutta merkitys samankaltainen. Voyage AI suuntaa tämän version yleiskäyttöiseen ja monikieliseen hakuun esimerkiksi teknisistä ohjeista, keskusteluista ja pitkistä asiakirjoista.</p><p>Rakenna haettava kokoelma tiedosta, jonka käyttäjät todella tarvitsevat löytää. Pidä tuotteen tietopankissa ominaisuuden selitys yhdessä sen edellytysten ja olennaisten poikkeusten kanssa. Säilytä kokousmuistiinpanoissa puhujatunnisteet ja riittävästi ympäröivää keskustelua, jotta aihe on ymmärrettävä. Jaa laaja lähde tarkoituksenmukaisista kohdista ja säilytä lähteen otsikko, asiakirjan tunniste ja katkelman sijainti kunkin vektorin rinnalla.</p><p>Valmistele hakukysymys kyselynä ja indeksoitava aineisto asiakirjoina. Valmistajan tekstin vektorointiin tarkoitetussa työnkulussa syötteen tyyppi kertoo mallille tekstin tehtävän haussa. Kyselyä, kuten ”Miten jäsen voi palauttaa pääsyn menetettyään turva-avaimen?”, voidaan näin verrata palautusmenettelyä kuvaaviin tukiohjeiden katkelmiin, vaikka niiden sanamuoto poikkeaisi kyselystä. Pidä alkuperäinen katkelma saatavilla, jotta hakutulos voi näyttää osuman perusteena olevan tiedon.</p><p>Mallin konteksti-ikkuna on 32000 tokenia. Pitkä syöte voi säilyttää kokonaisen osion, mutta koko asiakirja ei aina ole hyödyllisin hakuyksikkö. Laajan tekstin vektori voi osoittaa oikeaan tiedostoon mutta jättää täsmällisen vastauksen etsimisen lukijalle. Valitse katkelmien rajat sen tuloksen mukaan, jonka haluat näyttää, ja pidä otsikot, täsmennykset ja määritelmät yhdessä niiden selittämän sisällön kanssa.</p><p>Voyage 3 Large tukee vektoreita, joissa on 2048, 1024, 512 tai 256 ulottuvuutta. Valmistaja dokumentoi myös liukulukuesityksen, etumerkilliset tai etumerkittömät kahdeksan bitin esitykset sekä binääriesitykset. Näiden vaihtoehtojen avulla hakujärjestelmä voi vertailla vektorin yksityiskohtaisuutta, indeksin kokoa ja haun toimintaa. Valitse aiotun vektoritietokannan tukema muoto ja arvioi sitä todellisella aineistolla ja edustavilla kysymyksillä ennen tuotantoindeksin asetusten valintaa.</p><p>Sisällytä monikielisen haun testeihin kysymyksiä käyttäjien käyttämillä kielillä ja tarkista löytyneet lähdekatkelmat niiden alkuperäisellä kielellä. Yhteinen hakukäyttöliittymä voi palvella useita kielikokoelmia, ja asiakirjan metatiedot kertovat edelleen lähteen kieliversion ja version. Säilytä merkitykselliset nimet, lyhenteet ja alan termit tekstin poiminnassa sen sijaan, että korvaisit ne yleisluontoisella tiivistelmällä ennen vektorointia.</p><p>Käytä vektoreita hakusivun, tietoavustajan tai asiakirjojen valintavaiheen ehdokaskatkelmien löytämiseen. Käytä indeksoidussa kokoelmassa ja sen kyselyissä samaa mallia ja samoja vektoriasetuksia. Kun vaihdat vektorointimallia tai vektorien ulottuvuuksia, rakenna asianomainen indeksi uudelleen ja vertaile sitä suunnitelmallisesti; vektorin pituus yksin ei kerro, miten se on tuotettu.</p><p>Arvioi tulosta haun hyödyllisyyden perusteella: löytyykö oikea katkelma, sijoittuvatko samankaltaiset mutta harhaanjohtavat katkelmat sen edelle ja sisältääkö näytettävä ote vastauksen. Säilytä pieni joukko todellisia kysymyksiä odotettuine lähteineen, mukaan lukien monitulkintainen sanamuoto ja lähes päällekkäiset asiakirjat. Vektoriesitys tekee sisällöstä haettavaa; sovellus säilyttää lähdetekstin, käyttöoikeudet ja linkit, joiden avulla osumasta tulee käyttökelpoinen tulos.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Saatavilla Ailootissa · syötteet &amp; menetelmät</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Vektoriesitykset</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Syötetyypit</dt><dd><code>text</code></dd></div><div><dt>Tulostyypit</dt><dd><code>embedding</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Kenttä</th><th>Tyyppi</th><th>Vaatimus</th><th>Arvot &amp; rajat</th><th>Oletus</th></tr></thead><tbody><tr><th data-cell-label=\"Kenttä\" scope=\"row\"><span class=\"card-cell-label\">Kenttä</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Tyyppi\" data-field-type><span class=\"card-cell-label\">Tyyppi</span><code>string</code></td><td data-cell-label=\"Vaatimus\"><span class=\"card-cell-label\">Vaatimus</span>Pakollinen</td><td data-cell-label=\"Arvot &amp; rajat\"><span class=\"card-cell-label\">Arvot &amp; rajat</span><div>voyage-3-large</div><div>Ehdot: Käytä täsmällistä Ailoot-mallin valitsinta.</div></td><td data-cell-label=\"Oletus\" data-default=\"unspecified\"><span class=\"card-cell-label\">Oletus</span>—</td></tr><tr><th data-cell-label=\"Kenttä\" scope=\"row\"><span class=\"card-cell-label\">Kenttä</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Tyyppi\" data-field-type><span class=\"card-cell-label\">Tyyppi</span><code>string or array&lt;string&gt;</code></td><td data-cell-label=\"Vaatimus\"><span class=\"card-cell-label\">Vaatimus</span>Pakollinen</td><td data-cell-label=\"Arvot &amp; rajat\"><span class=\"card-cell-label\">Arvot &amp; rajat</span><div>Ehdot: Teksti tai tekstiluettelo; säilytä yksi vektori jokaista palautettua data-alkiota ja sen indeksiä kohden.</div></td><td data-cell-label=\"Oletus\" data-default=\"unspecified\"><span class=\"card-cell-label\">Oletus</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Menetelmän parametrit ja elinkaari</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametri</th><th>Sopimus</th></tr></thead><tbody><tr><th data-cell-label=\"Parametri\" scope=\"row\"><span class=\"card-cell-label\">Parametri</span><code>content_type</code></th><td data-cell-label=\"Sopimus\"><span class=\"card-cell-label\">Sopimus</span>application/json</td></tr><tr><th data-cell-label=\"Parametri\" scope=\"row\"><span class=\"card-cell-label\">Parametri</span><code>required</code></th><td data-cell-label=\"Sopimus\"><span class=\"card-cell-label\">Sopimus</span>model, input</td></tr><tr><th data-cell-label=\"Parametri\" scope=\"row\"><span class=\"card-cell-label\">Parametri</span><code>optional</code></th><td data-cell-label=\"Sopimus\"><span class=\"card-cell-label\">Sopimus</span></td></tr><tr><th data-cell-label=\"Parametri\" scope=\"row\"><span class=\"card-cell-label\">Parametri</span><code>material_types</code></th><td data-cell-label=\"Sopimus\"><span class=\"card-cell-label\">Sopimus</span>text</td></tr><tr><th data-cell-label=\"Parametri\" scope=\"row\"><span class=\"card-cell-label\">Parametri</span><code>conditions</code></th><td data-cell-label=\"Sopimus\"><span class=\"card-cell-label\">Sopimus</span>Lähetä teksti valitulle mallille; säilytä jokainen palautettu vektori ja sen indeksi.</td></tr></tbody></table></div><p>Elinkaari: <code>synchronous</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Hinnoittelu</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.</p><dl data-price-conditions><dt>Nopea tila</dt><dd>Ei määritetty <span class=\"note-s\">Kun nopea tila on valittu</span></dd><dt>Flex-tila</dt><dd>Ei määritetty <span class=\"note-s\">Kun flex-tila on valittu</span></dd><dt>Päättelyn enimmäisteho</dt><dd>Ei määritetty <span class=\"note-s\">Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot-hinnat</h4><h4>Hinnat asetusten mukaan</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Asetukset</th><th>Hinnasto</th><th>Veloitus</th></tr></thead><tbody><tr><th data-cell-label=\"Asetukset\" scope=\"row\"><span class=\"card-cell-label\">Asetukset</span>Tokenien perushinnat</th><td data-cell-label=\"Hinnasto\"><span class=\"card-cell-label\">Hinnasto</span>Perushinta</td><td data-cell-label=\"Veloitus\"><span class=\"card-cell-label\">Veloitus</span><div><span>Syöte · Syötetokenit</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K tokenia</span></div><div><span>Tuloste · Tulostokenit</span> <b>$0</b> <span class=\"price-unit\">/ 1K tokenia</span></div><div><span>Syöte · Välimuistin luku</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenia</span></div><div><span>Syöte · Välimuistiin kirjoitus</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenia</span></div><div><span>Syöte · Välimuistiin kirjoitus, 1 tunti</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenia</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. <a href=\"/docs/fi/billing/reserve/\">Varauksen ja lopullisen veloituksen toiminta →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Esimerkkipyynnöt</h3><h4>Ailoot Ultra · Vektoriesitykset</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Koodivaihtoehdot\"><button class=\"cg-tab\" id=\"model-code-2787-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2787-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · tallenna kaikki vektorit ja käyttötiedot</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopioi koodi\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2787-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2787-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncat &gt; request.json &lt;&lt;&#39;JSON&#39;\n{\n  &quot;model&quot;: &quot;voyage-3-large&quot;,\n  &quot;input&quot;: &quot;The quick brown fox jumps over the lazy dog&quot;\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Vastaanota ja tallenna tulokset</h3></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliakset</h3><h4>Mallin aliakset</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=voyage-3-large&amp;route=Ultra&amp;caller=voyage-3-large&amp;fmt=embeddings\"><code>voyage-3-large</code></a></span></p><h4>Menetelmäpolkujen aliakset</h4><p class=\"note-s\">Käytä yllä näytettyjä menetelmäpolkuja.</p><h4>Liittyvät kutsujan ID:t</h4><p class=\"note-s\"><a href=\"#m=voyage-3-large&amp;route=Ultra&amp;caller=voyage-3-large&amp;fmt=embeddings\"><code>voyage-3-large</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-3-large",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-3-large",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Säilytä alkuperäinen vastaus ja X-Client-Request-ID täsmäytystä varten. Epäselvä vastaus ei anna lupaa lähettää samaa luontipyyntöä uudelleen.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Tallenna koko JSON-vastaus, jokainen vektori ja sen indeksi, kaikki käyttötietokentät sekä pyynnön otsakkeet.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Käytä täsmällistä Ailoot-mallin valitsinta.",
                "default_known": false,
                "enum": [
                  "voyage-3-large"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Teksti tai tekstiluettelo; säilytä yksi vektori jokaista palautettua data-alkiota ja sen indeksiä kohden.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-3-large"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-3-large"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Lähetä teksti valitulle mallille; säilytä jokainen palautettu vektori ja sen indeksi."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Tokenien perushinnat",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-3-large\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Vektoriesitykset",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "voyage-3-large",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "c208e6add16fa2386ecd7d17d474f7fd39a9700edb115f195a24a635fcff420b",
    "input_html_sha256": "3642326b26a67c0cfa2b3c90780eb813fec9592438968b3776131d347a4ddc86",
    "private_audit_sha256": "208fda6b71744f2d5b002ed7a6a64973f60c53c4a7ad50d4169edbf0bc988246",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/fi/voyage-3-large/",
    "description": "Voyage 3 Large muuntaa tekstin vektoreiksi yleiskäyttöistä ja monikielistä hakua varten. Sen 32000 tokenin syöteikkuna, valittavat vektorien ulottuvuudet ja kvantisoidut esitysmuodot tukevat haettavia tietopankkeja, asiakirjojen löytämistä ja hakua hyödyntävää generointia.",
    "locale": "fi",
    "md_url": "https://ailoot.ai/models/fi/voyage-3-large/index.md",
    "title": "Voyage AI: Voyage 3 Large — Ailoot",
    "url": "https://ailoot.ai/models/fi/voyage-3-large/"
  },
  "rawModel": {
    "about": "Voyage 3 Large on tekstin vektorointimalli, jolla etsitään olennaista tietoa asiakirjakokoelmasta. Se esittää kunkin annetun tekstin numeerisena vektorina, jolloin sovellus voi verrata hakupyyntöä katkelmiin, joiden sanamuoto voi olla erilainen mutta merkitys samankaltainen. Voyage AI suuntaa tämän version yleiskäyttöiseen ja monikieliseen hakuun esimerkiksi teknisistä ohjeista, keskusteluista ja pitkistä asiakirjoista.\n\nRakenna haettava kokoelma tiedosta, jonka käyttäjät todella tarvitsevat löytää. Pidä tuotteen tietopankissa ominaisuuden selitys yhdessä sen edellytysten ja olennaisten poikkeusten kanssa. Säilytä kokousmuistiinpanoissa puhujatunnisteet ja riittävästi ympäröivää keskustelua, jotta aihe on ymmärrettävä. Jaa laaja lähde tarkoituksenmukaisista kohdista ja säilytä lähteen otsikko, asiakirjan tunniste ja katkelman sijainti kunkin vektorin rinnalla.\n\nValmistele hakukysymys kyselynä ja indeksoitava aineisto asiakirjoina. Valmistajan tekstin vektorointiin tarkoitetussa työnkulussa syötteen tyyppi kertoo mallille tekstin tehtävän haussa. Kyselyä, kuten ”Miten jäsen voi palauttaa pääsyn menetettyään turva-avaimen?”, voidaan näin verrata palautusmenettelyä kuvaaviin tukiohjeiden katkelmiin, vaikka niiden sanamuoto poikkeaisi kyselystä. Pidä alkuperäinen katkelma saatavilla, jotta hakutulos voi näyttää osuman perusteena olevan tiedon.\n\nMallin konteksti-ikkuna on 32000 tokenia. Pitkä syöte voi säilyttää kokonaisen osion, mutta koko asiakirja ei aina ole hyödyllisin hakuyksikkö. Laajan tekstin vektori voi osoittaa oikeaan tiedostoon mutta jättää täsmällisen vastauksen etsimisen lukijalle. Valitse katkelmien rajat sen tuloksen mukaan, jonka haluat näyttää, ja pidä otsikot, täsmennykset ja määritelmät yhdessä niiden selittämän sisällön kanssa.\n\nVoyage 3 Large tukee vektoreita, joissa on 2048, 1024, 512 tai 256 ulottuvuutta. Valmistaja dokumentoi myös liukulukuesityksen, etumerkilliset tai etumerkittömät kahdeksan bitin esitykset sekä binääriesitykset. Näiden vaihtoehtojen avulla hakujärjestelmä voi vertailla vektorin yksityiskohtaisuutta, indeksin kokoa ja haun toimintaa. Valitse aiotun vektoritietokannan tukema muoto ja arvioi sitä todellisella aineistolla ja edustavilla kysymyksillä ennen tuotantoindeksin asetusten valintaa.\n\nSisällytä monikielisen haun testeihin kysymyksiä käyttäjien käyttämillä kielillä ja tarkista löytyneet lähdekatkelmat niiden alkuperäisellä kielellä. Yhteinen hakukäyttöliittymä voi palvella useita kielikokoelmia, ja asiakirjan metatiedot kertovat edelleen lähteen kieliversion ja version. Säilytä merkitykselliset nimet, lyhenteet ja alan termit tekstin poiminnassa sen sijaan, että korvaisit ne yleisluontoisella tiivistelmällä ennen vektorointia.\n\nKäytä vektoreita hakusivun, tietoavustajan tai asiakirjojen valintavaiheen ehdokaskatkelmien löytämiseen. Käytä indeksoidussa kokoelmassa ja sen kyselyissä samaa mallia ja samoja vektoriasetuksia. Kun vaihdat vektorointimallia tai vektorien ulottuvuuksia, rakenna asianomainen indeksi uudelleen ja vertaile sitä suunnitelmallisesti; vektorin pituus yksin ei kerro, miten se on tuotettu.\n\nArvioi tulosta haun hyödyllisyyden perusteella: löytyykö oikea katkelma, sijoittuvatko samankaltaiset mutta harhaanjohtavat katkelmat sen edelle ja sisältääkö näytettävä ote vastauksen. Säilytä pieni joukko todellisia kysymyksiä odotettuine lähteineen, mukaan lukien monitulkintainen sanamuoto ja lähes päällekkäiset asiakirjat. Vektoriesitys tekee sisällöstä haettavaa; sovellus säilyttää lähdetekstin, käyttöoikeudet ja linkit, joiden avulla osumasta tulee käyttökelpoinen tulos.",
    "about_sha256": "f8a14551c12ad8f26e408dfc995cf463d79d159d38d8d98b1790a59c1789dcc3",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 32000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Konfiguraation täydet hintatiedot lisätiedoissa."
      }
    ],
    "ctx": null,
    "display_name": "Voyage AI: Voyage 3 Large",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-3-large",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "locale": "en",
    "max_out": null,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Säilytä alkuperäinen vastaus ja X-Client-Request-ID täsmäytystä varten. Epäselvä vastaus ei anna lupaa lähettää samaa luontipyyntöä uudelleen.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Tallenna koko JSON-vastaus, jokainen vektori ja sen indeksi, kaikki käyttötietokentät sekä pyynnön otsakkeet.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Käytä täsmällistä Ailoot-mallin valitsinta.",
                "default_known": false,
                "enum": [
                  "voyage-3-large"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Teksti tai tekstiluettelo; säilytä yksi vektori jokaista palautettua data-alkiota ja sen indeksiä kohden.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-3-large"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-3-large"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Lähetä teksti valitulle mallille; säilytä jokainen palautettu vektori ja sen indeksi."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Tokenien perushinnat",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-3-large\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Vektoriesitykset",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "voyage-3-large",
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage 3 Large",
    "price": {
      "in": 0.4,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.4,
      "sort_out": 0,
      "varies": false
    },
    "short": "Voyage 3 Large muuntaa tekstin vektoreiksi yleiskäyttöistä ja monikielistä hakua varten. Sen 32000 tokenin syöteikkuna, valittavat vektorien ulottuvuudet ja kvantisoidut esitysmuodot tukevat haettavia tietopankkeja, asiakirjojen löytämistä ja hakua hyödyntävää generointia.",
    "short_sha256": "97e0e5100c1133c3a38a116210c6492617852a455c2338779be2ecc6f0754b10"
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Voyage 3 Large muuntaa tekstin vektoreiksi yleiskäyttöistä ja monikielistä hakua varten. Sen 32000 tokenin syöteikkuna, valittavat vektorien ulottuvuudet ja kvantisoidut esitysmuodot tukevat haettavia tietopankkeja, asiakirjojen löytämistä ja hakua hyödyntävää generointia.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "e89a3a7c5bb3026a14da6b9f0282128ad47f06509ae31b0ff18e4bc14d0af9c6",
    "renderer_sha256": "303a59603e2bc29ba8fda690e95fd32cec68de223d92e26054a88babff801dd7"
  },
  "sourceRevision": "8f2d7b202dd59bdda685c8a046bbf8e5bcddff66879d40035360afe4a0358c71"
}
