Perplexity: Embed V1 4B

pplx-embed-v1-4B est la plus grande édition indépendante de plongement textuel de Perplexity dans la famille v1. Elle représente des requêtes ou des documents sous forme de vecteurs de 2560 dimensions pour la recherche sémantique et la recherche d’information. Le fabricant construit cette famille sur Qwen3 avec un préentraînement continu par diffusion et utilise une agrégation par moyenne pour la représentation textuelle. Cet encodeur indépendant est distinct de pplx-embed-context-v1, qui représente les segments documentaires en utilisant le contexte environnant.

Encoder directement le texte réel

Le modèle ne nécessite ni chaîne d’instruction ni préfixe query/passage. Préparez le texte à représenter, plutôt que d’ajouter une convention de rôle empruntée à une autre famille. Une collection de recherche peut contenir des documents sources, des passages ciblés ou de courts enregistrements textuels. Gardez la formulation d’origine et l’identifiant de chaque élément avec son vecteur, afin qu’un résultat retrouvé reste lisible et traçable.

Une tâche concrète consiste à retrouver une section d’explication technique pour une question portant sur ses conditions. Préservez ensemble le titre de la section, la règle et l’exception. La formulation de la requête est encodée indépendamment, puis comparée aux représentations préparées du corpus. Une étape RAG ultérieure utilise le texte du passage renvoyé, et non le vecteur lui-même, comme matériau source.

Représentation native et comparaison

Le fabricant indique explicitement que les plongements natifs sont non normalisés et quantifiés en INT8. Comparez-les par similarité cosinus. Un produit scalaire brut sur ces valeurs non normalisées n’est pas l’équivalent documenté d’une comparaison cosinus. Le type de représentation et la fonction de similarité doivent donc être considérés ensemble lorsque vous choisissez comment un index de recherche stocke et compare la sortie.

La fiche du modèle documente aussi une sortie binaire et signale la prise en charge des représentations Matryoshka. Les composantes binaires et leur stockage compacté diffèrent des tableaux ordinaires de nombres à virgule flottante ; l’index doit donc interpréter la représentation choisie. La dimension complète du plongement décrit les composantes de la représentation, plutôt que le nombre d’octets de chaque encodage. Gardez une dimension et un type de sortie cohérents du côté des requêtes et du côté des documents.

Longueur et limites des documents

Le contexte publié du modèle est de 32K. Cela permet de représenter un volume important de texte, tandis que la granularité des passages doit toujours suivre ce que la recherche est censée renvoyer. Une section complète peut conserver une définition et ses précisions ; un extrait ciblé peut pointer directement vers une instruction. Le matériau trop volumineux doit être préparé en fonction de la fenêtre d’entrée choisie, plutôt que de supposer que sa fin omise reste représentée.

Préservez un identifiant de document parent et une version de la source en dehors du vecteur. Si le texte change, mettez à jour la représentation correspondante du corpus et conservez le lien avec la nouvelle source. Pour une collection contenant plusieurs langues, examinez les vraies questions et les passages candidats dans le mélange linguistique visé, plutôt que de déduire une pertinence égale de la seule étiquette multilingue.

Éditions indépendantes et contextuelles

Le modèle v1-4B encode chaque texte fourni indépendamment. Ajouter plusieurs chaînes à un lot ne le transforme pas en l’encodeur de segments context-v1 distinct. Lorsque le document environnant doit façonner la représentation de chaque segment, cette tâche relève de l’édition contextuelle et de sa propre préparation.

Le modèle plus petit pplx-embed-v1-0.6B renvoie 1024 dimensions, tandis que cette édition 4B en renvoie 2560. Gardez leurs identités exactes et leurs représentations d’index séparées, sauf si une voie de compatibilité documentée est établie. Le résultat utile est ici un vecteur indépendant de requête ou de texte source, avec la comparaison cosinus et la représentation quantifiée sélectionnée consignées pour la tâche de recherche.