{
  "aboutHtml": "<p>Voyage Context 3 מפיק ייצוגים וקטוריים של מקטעים המועשרים בהקשר, לצורך אחזור מסמכים. כל מקטע מקבל וקטור משלו, והמודל מביא בחשבון גם את המקטעים האחרים שסופקו מאותו מסמך. כך מערכת אחזור מקבלת ייצוג של הקטע המקומי יחד עם הקשר רחב יותר של המסמך, כגון ישות או נושא שהוצגו במקום אחר במקור.</p><p>הכינו כל מסמך כרצף מסודר של מקטעי טקסט קריאים. השאירו יחד את המקטעים ממסמך אחד ושמרו על הסדר המקורי שלהם. בתהליך המועשר בהקשר של היצרן, כל קבוצה פנימית מכילה את המקטעים של מקור אחד, וקבוצות נפרדות מייצגות מקורות נפרדים. הקיבוץ הזה הוא חלק ממשמעות הקלט: הוא אומר למודל איזה טקסט מסביב שייך למסמך שמיוצג.</p><p>מקרה מועיל הוא דוח שהפתיחה שלו מזהה את החברה ופסקה מאוחרת יותר מסבירה את צמיחתה. חיפוש על הצמיחה של אותה חברה דורש גם את הפסקה המסוימת וגם את זהות המסמך. שמרו את טקסט המקטע המקורי ואת המטא-נתונים של מסמך האב לצד הווקטור שנוצר, כדי שהתוצאה תוכל להציג את הקטע ולקשר למקור המלא.</p><p>התיעוד של היצרן מציין עד 120,000 טוקנים בבקשה, עם לא יותר מ-1,000 קבוצות קלט ו-16,000 מקטעים בסך הכול. מדריך המודל מציין בנפרד חלון של 32,000 טוקנים לכל מקטע. שמרו על ההבחנה בין ההיקפים האלה כשמכינים חומר: מגבלה על מקטע יחיד ומגבלה על הבקשה השלמה מתארות גדלים שונים של קלט. בדקו את הסכום הכולל אחרי חלוקת המקור, במקום להניח שכל מקטע בודד יכול למלא את המקסימום שלו באותה בקשה.</p><p>לאחזור מסמכים, הגדירו את הקטעים המקובצים כקלט מסמכים. הכינו כל שאלת חיפוש כקבוצת שאילתה משלה. היצרן ממליץ לספק מקטעי מסמך שאינם חופפים, כך שהייצוג המועשר בהקשר יוכל לשאת מידע מסביב בלי לחזור על טקסט בכל קטע. שמרו על ההתאמה בין קבוצת המסמך, מיקום המקטע והווקטור שהוחזר בעת כתיבת האינדקס.</p><p>Voyage Context 3 תומך ב-2,048, 1,024, 512 ו-256 ממדים, עם אפשרויות פלט של נקודה צפה, מספרים שלמים של שמונה סיביות וייצוג בינארי. בחרו ייצוג לאינדקס והעריכו אותו מול אותם מסמכי מקור ואותן שאלות. שמרו את מספר הממדים וסוג הנתונים שנבחרו לצד האינדקס, כדי שייצוג השאילתה והווקטורים השמורים יישארו עקביים.</p><p>השתמשו בווקטורים שנוצרו לחיפוש קטעים, לגילוי מסמכים או לשלב האחזור של עוזר העובד עם דוחות, מאמרי מחקר, חוזים או מדריכים טכניים. תוצאה יכולה לזהות קטע ממוקד, וקישור המקור שלה מעניק גישה להגדרות ולסייגים במקומות אחרים במסמך. שמרו גרסאות מסמכים והרשאות כמטא-נתונים של היישום לצד הווקטורים.</p><p>בדקו שאלות שדורשות גם פרט מקומי וגם הקשר ברמת המסמך. כללו קטעים דומים ממקורות שונים, ישויות בעלות שם שהוצגו רק בהתחלה ושאלות שהראיות שלהן משתרעות על כמה סעיפים. בדקו אם המקטע הצפוי מאוחזר ואם היישום מציג מספיק טקסט מסביב כדי לפרש אותו. כשמקור משתנה, צרו מחדש במכוון את קבוצת המסמך המושפעת, כך שהמקטעים המועשרים בהקשר שלה יתאימו לגרסה עקבית אחת.</p>",
  "aboutText": "Voyage Context 3 מפיק ייצוגים וקטוריים של מקטעים המועשרים בהקשר, לצורך אחזור מסמכים. כל מקטע מקבל וקטור משלו, והמודל מביא בחשבון גם את המקטעים האחרים שסופקו מאותו מסמך. כך מערכת אחזור מקבלת ייצוג של הקטע המקומי יחד עם הקשר רחב יותר של המסמך, כגון ישות או נושא שהוצגו במקום אחר במקור.\n\nהכינו כל מסמך כרצף מסודר של מקטעי טקסט קריאים. השאירו יחד את המקטעים ממסמך אחד ושמרו על הסדר המקורי שלהם. בתהליך המועשר בהקשר של היצרן, כל קבוצה פנימית מכילה את המקטעים של מקור אחד, וקבוצות נפרדות מייצגות מקורות נפרדים. הקיבוץ הזה הוא חלק ממשמעות הקלט: הוא אומר למודל איזה טקסט מסביב שייך למסמך שמיוצג.\n\nמקרה מועיל הוא דוח שהפתיחה שלו מזהה את החברה ופסקה מאוחרת יותר מסבירה את צמיחתה. חיפוש על הצמיחה של אותה חברה דורש גם את הפסקה המסוימת וגם את זהות המסמך. שמרו את טקסט המקטע המקורי ואת המטא-נתונים של מסמך האב לצד הווקטור שנוצר, כדי שהתוצאה תוכל להציג את הקטע ולקשר למקור המלא.\n\nהתיעוד של היצרן מציין עד 120,000 טוקנים בבקשה, עם לא יותר מ-1,000 קבוצות קלט ו-16,000 מקטעים בסך הכול. מדריך המודל מציין בנפרד חלון של 32,000 טוקנים לכל מקטע. שמרו על ההבחנה בין ההיקפים האלה כשמכינים חומר: מגבלה על מקטע יחיד ומגבלה על הבקשה השלמה מתארות גדלים שונים של קלט. בדקו את הסכום הכולל אחרי חלוקת המקור, במקום להניח שכל מקטע בודד יכול למלא את המקסימום שלו באותה בקשה.\n\nלאחזור מסמכים, הגדירו את הקטעים המקובצים כקלט מסמכים. הכינו כל שאלת חיפוש כקבוצת שאילתה משלה. היצרן ממליץ לספק מקטעי מסמך שאינם חופפים, כך שהייצוג המועשר בהקשר יוכל לשאת מידע מסביב בלי לחזור על טקסט בכל קטע. שמרו על ההתאמה בין קבוצת המסמך, מיקום המקטע והווקטור שהוחזר בעת כתיבת האינדקס.\n\nVoyage Context 3 תומך ב-2,048, 1,024, 512 ו-256 ממדים, עם אפשרויות פלט של נקודה צפה, מספרים שלמים של שמונה סיביות וייצוג בינארי. בחרו ייצוג לאינדקס והעריכו אותו מול אותם מסמכי מקור ואותן שאלות. שמרו את מספר הממדים וסוג הנתונים שנבחרו לצד האינדקס, כדי שייצוג השאילתה והווקטורים השמורים יישארו עקביים.\n\nהשתמשו בווקטורים שנוצרו לחיפוש קטעים, לגילוי מסמכים או לשלב האחזור של עוזר העובד עם דוחות, מאמרי מחקר, חוזים או מדריכים טכניים. תוצאה יכולה לזהות קטע ממוקד, וקישור המקור שלה מעניק גישה להגדרות ולסייגים במקומות אחרים במסמך. שמרו גרסאות מסמכים והרשאות כמטא-נתונים של היישום לצד הווקטורים.\n\nבדקו שאלות שדורשות גם פרט מקומי וגם הקשר ברמת המסמך. כללו קטעים דומים ממקורות שונים, ישויות בעלות שם שהוצגו רק בהתחלה ושאלות שהראיות שלהן משתרעות על כמה סעיפים. בדקו אם המקטע הצפוי מאוחזר ואם היישום מציג מספיק טקסט מסביב כדי לפרש אותו. כשמקור משתנה, צרו מחדש במכוון את קבוצת המסמך המושפעת, כך שהמקטעים המועשרים בהקשר שלה יתאימו לגרסה עקבית אחת.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "15c55dd91f2191e15acdb02de8986d7a4274393fd08642315c535aacfafcb854",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "he",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Voyage AI: Voyage Context 3</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"סגירה\">×</button></div><div class=\"idline\"><span>Voyage AI /</span><code>voyage-context-3</code><button type=\"button\" id=\"copy-id\">העתקת ID</button></div><nav class=\"card-jump-nav\" aria-label=\"חלקי כרטיס המודל\"><button type=\"button\" data-card-jump=\"overview\">התחלה</button><button type=\"button\" data-card-jump=\"methods\">קלט ושיטות</button><button type=\"button\" data-card-jump=\"pricing\">תעריפים</button><button type=\"button\" data-card-jump=\"examples\">דוגמאות</button><button type=\"button\" data-card-jump=\"results\">תוצאות</button><button type=\"button\" data-card-jump=\"aliases\">כינויים</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"שיטות API\"><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-context-3\">ייצוגים וקטוריים</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\">התחלה</h3><p class=\"mdesc-full\">Voyage Context 3 יוצר וקטור לכל מקטע מסמך תוך שילוב ההקשר של המקטעים האחרים באותו מסמך. הוא תומך באחזור מדויק של קטעים במסמכים ארוכים, עם ממדים לבחירה וייצוגים וקטוריים שעברו קוונטיזציה.</p><dl class=\"card-io\" data-card-io><div><dt>סוגי קלט נתמכים</dt><dd>טקסט</dd></div><div><dt>תוצאות</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>על המודל</summary><p class=\"note-s\" data-model-method-boundary>התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.</p><div class=\"mabout\" id=\"m-about\"><p>Voyage Context 3 מפיק ייצוגים וקטוריים של מקטעים המועשרים בהקשר, לצורך אחזור מסמכים. כל מקטע מקבל וקטור משלו, והמודל מביא בחשבון גם את המקטעים האחרים שסופקו מאותו מסמך. כך מערכת אחזור מקבלת ייצוג של הקטע המקומי יחד עם הקשר רחב יותר של המסמך, כגון ישות או נושא שהוצגו במקום אחר במקור.</p><p>הכינו כל מסמך כרצף מסודר של מקטעי טקסט קריאים. השאירו יחד את המקטעים ממסמך אחד ושמרו על הסדר המקורי שלהם. בתהליך המועשר בהקשר של היצרן, כל קבוצה פנימית מכילה את המקטעים של מקור אחד, וקבוצות נפרדות מייצגות מקורות נפרדים. הקיבוץ הזה הוא חלק ממשמעות הקלט: הוא אומר למודל איזה טקסט מסביב שייך למסמך שמיוצג.</p><p>מקרה מועיל הוא דוח שהפתיחה שלו מזהה את החברה ופסקה מאוחרת יותר מסבירה את צמיחתה. חיפוש על הצמיחה של אותה חברה דורש גם את הפסקה המסוימת וגם את זהות המסמך. שמרו את טקסט המקטע המקורי ואת המטא-נתונים של מסמך האב לצד הווקטור שנוצר, כדי שהתוצאה תוכל להציג את הקטע ולקשר למקור המלא.</p><p>התיעוד של היצרן מציין עד 120,000 טוקנים בבקשה, עם לא יותר מ-1,000 קבוצות קלט ו-16,000 מקטעים בסך הכול. מדריך המודל מציין בנפרד חלון של 32,000 טוקנים לכל מקטע. שמרו על ההבחנה בין ההיקפים האלה כשמכינים חומר: מגבלה על מקטע יחיד ומגבלה על הבקשה השלמה מתארות גדלים שונים של קלט. בדקו את הסכום הכולל אחרי חלוקת המקור, במקום להניח שכל מקטע בודד יכול למלא את המקסימום שלו באותה בקשה.</p><p>לאחזור מסמכים, הגדירו את הקטעים המקובצים כקלט מסמכים. הכינו כל שאלת חיפוש כקבוצת שאילתה משלה. היצרן ממליץ לספק מקטעי מסמך שאינם חופפים, כך שהייצוג המועשר בהקשר יוכל לשאת מידע מסביב בלי לחזור על טקסט בכל קטע. שמרו על ההתאמה בין קבוצת המסמך, מיקום המקטע והווקטור שהוחזר בעת כתיבת האינדקס.</p><p>Voyage Context 3 תומך ב-2,048, 1,024, 512 ו-256 ממדים, עם אפשרויות פלט של נקודה צפה, מספרים שלמים של שמונה סיביות וייצוג בינארי. בחרו ייצוג לאינדקס והעריכו אותו מול אותם מסמכי מקור ואותן שאלות. שמרו את מספר הממדים וסוג הנתונים שנבחרו לצד האינדקס, כדי שייצוג השאילתה והווקטורים השמורים יישארו עקביים.</p><p>השתמשו בווקטורים שנוצרו לחיפוש קטעים, לגילוי מסמכים או לשלב האחזור של עוזר העובד עם דוחות, מאמרי מחקר, חוזים או מדריכים טכניים. תוצאה יכולה לזהות קטע ממוקד, וקישור המקור שלה מעניק גישה להגדרות ולסייגים במקומות אחרים במסמך. שמרו גרסאות מסמכים והרשאות כמטא-נתונים של היישום לצד הווקטורים.</p><p>בדקו שאלות שדורשות גם פרט מקומי וגם הקשר ברמת המסמך. כללו קטעים דומים ממקורות שונים, ישויות בעלות שם שהוצגו רק בהתחלה ושאלות שהראיות שלהן משתרעות על כמה סעיפים. בדקו אם המקטע הצפוי מאוחזר ואם היישום מציג מספיק טקסט מסביב כדי לפרש אותו. כשמקור משתנה, צרו מחדש במכוון את קבוצת המסמך המושפעת, כך שהמקטעים המועשרים בהקשר שלה יתאימו לגרסה עקבית אחת.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">זמין ב-Ailoot · קלט ושיטות</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · ייצוגים וקטוריים</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>סוגי קלט</dt><dd><code>text</code></dd></div><div><dt>סוגי פלט</dt><dd><code>embedding</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>שדה</th><th>סוג</th><th>דרישה</th><th>ערכים ומגבלות</th><th>ברירת מחדל</th></tr></thead><tbody><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>voyage-context-3</div><div>תנאים: יש להשתמש בבורר המודלים המדויק של Ailoot.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr><tr><th data-cell-label=\"שדה\" scope=\"row\"><span class=\"card-cell-label\">שדה</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"סוג\" data-field-type><span class=\"card-cell-label\">סוג</span><code>string or array&lt;string&gt;</code></td><td data-cell-label=\"דרישה\"><span class=\"card-cell-label\">דרישה</span>חובה</td><td data-cell-label=\"ערכים ומגבלות\"><span class=\"card-cell-label\">ערכים ומגבלות</span><div>תנאים: טקסט או רשימת טקסטים; יש לשמור וקטור אחד לכל פריט נתונים שהוחזר, יחד עם האינדקס שלו.</div></td><td data-cell-label=\"ברירת מחדל\" data-default=\"unspecified\"><span class=\"card-cell-label\">ברירת מחדל</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>פרמטרים ומחזור חיים של השיטה</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>פרמטר</th><th>מפרט</th></tr></thead><tbody><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>content_type</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>application/json</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>required</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>model, input</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>optional</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span></td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>material_types</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>text</td></tr><tr><th data-cell-label=\"פרמטר\" scope=\"row\"><span class=\"card-cell-label\">פרמטר</span><code>conditions</code></th><td data-cell-label=\"מפרט\"><span class=\"card-cell-label\">מפרט</span>יש לשלוח טקסט עם המודל שנבחר; יש לשמור כל וקטור שהוחזר ואת האינדקס שלו.</td></tr></tbody></table></div><p>מחזור חיים: <code>synchronous</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">תעריפים</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.</p><dl data-price-conditions><dt>מצב מהיר</dt><dd>לא צוין <span class=\"note-s\">כאשר נבחר מצב מהיר</span></dd><dt>מצב Flex</dt><dd>לא צוין <span class=\"note-s\">כאשר נבחר מצב flex</span></dd><dt>מאמץ חשיבה מרבי</dt><dd>לא צוין <span class=\"note-s\">כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>תעריפי Ailoot</h4><h4>מחירים לפי תצורה</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>תצורה</th><th>טבלת תעריפים</th><th>חיוב</th></tr></thead><tbody><tr><th data-cell-label=\"תצורה\" scope=\"row\"><span class=\"card-cell-label\">תצורה</span>תעריפי בסיס לטוקנים</th><td data-cell-label=\"טבלת תעריפים\"><span class=\"card-cell-label\">טבלת תעריפים</span>תעריף בסיס</td><td data-cell-label=\"חיוב\"><span class=\"card-cell-label\">חיוב</span><div><span>קלט · טוקני קלט</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>פלט · טוקני פלט</span> <b>$0</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · קריאה מהמטמון</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · כתיבה למטמון</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div><div><span>קלט · כתיבה למטמון, 1 שעה</span> <b>—</b> <span class=\"price-unit\">/ 1K טוקנים</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. <a href=\"/docs/he/billing/reserve/\">איך פועלים שריון הסכום והסדרת החיוב →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">דוגמאות לבקשות</h3><h4>Ailoot Ultra · ייצוגים וקטוריים</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"אפשרויות קוד\"><button class=\"cg-tab\" id=\"model-code-2791-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2791-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · שמרו את כל הווקטורים ואת נתוני השימוש</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"העתקת הקוד\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2791-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2791-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${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-context-3&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\">קבלה ושמירה של תוצאות</h3></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">כינויים</h3><h4>כינויים למודל</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=voyage-context-3&amp;route=Ultra&amp;caller=voyage-context-3&amp;fmt=embeddings\"><code>voyage-context-3</code></a></span></p><h4>כינויים לנתיבי שיטות</h4><p class=\"note-s\">השתמשו בנתיבי השיטות המוצגים למעלה.</p><h4>מזהי מודלים קשורים IDs</h4><p class=\"note-s\"><a href=\"#m=voyage-context-3&amp;route=Ultra&amp;caller=voyage-context-3&amp;fmt=embeddings\"><code>voyage-context-3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-context-3",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-context-3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-context-3",
      "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": "שמרו את התגובה המקורית ואת X-Client-Request-ID לצורך התאמה. תגובה עמומה אינה מתירה לשלוח שוב את אותה בקשת יצירה.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "שמרו את תגובת ה-JSON המלאה, כל וקטור יחד עם האינדקס שלו, את כל שדות השימוש ואת כותרות הבקשה.",
              "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": "יש להשתמש בבורר המודלים המדויק של Ailoot.",
                "default_known": false,
                "enum": [
                  "voyage-context-3"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "טקסט או רשימת טקסטים; יש לשמור וקטור אחד לכל פריט נתונים שהוחזר, יחד עם האינדקס שלו.",
                "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-context-3"
                  ],
                  "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-context-3"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "יש לשלוח טקסט עם המודל שנבחר; יש לשמור כל וקטור שהוחזר ואת האינדקס שלו."
            ],
            "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": "תעריפי בסיס לטוקנים",
            "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-context-3\",\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": "ייצוגים וקטוריים",
        "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-context-3",
        "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-context-3",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "0113b8053ada440286ce53545c01260b223761f1cc5eb3601493a82b8229ab05",
    "input_html_sha256": "a7aaa3cc76b4d660abdc1fd4c11c01655abba9bfaf12a49f844ec8297633a4ae",
    "private_audit_sha256": "d6a30283efa346e0c35d519fb7c7a59f64f1c5c431c3e62334e1bb2dd92a61e0",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/he/voyage-context-3/",
    "description": "Voyage Context 3 יוצר וקטור לכל מקטע מסמך תוך שילוב ההקשר של המקטעים האחרים באותו מסמך. הוא תומך באחזור מדויק של קטעים במסמכים ארוכים, עם ממדים לבחירה וייצוגים וקטוריים שעברו קוונטיזציה.",
    "locale": "he",
    "md_url": "https://ailoot.ai/models/he/voyage-context-3/index.md",
    "title": "Voyage AI: Voyage Context 3 — Ailoot",
    "url": "https://ailoot.ai/models/he/voyage-context-3/"
  },
  "rawModel": {
    "about": "Voyage Context 3 מפיק ייצוגים וקטוריים של מקטעים המועשרים בהקשר, לצורך אחזור מסמכים. כל מקטע מקבל וקטור משלו, והמודל מביא בחשבון גם את המקטעים האחרים שסופקו מאותו מסמך. כך מערכת אחזור מקבלת ייצוג של הקטע המקומי יחד עם הקשר רחב יותר של המסמך, כגון ישות או נושא שהוצגו במקום אחר במקור.\n\nהכינו כל מסמך כרצף מסודר של מקטעי טקסט קריאים. השאירו יחד את המקטעים ממסמך אחד ושמרו על הסדר המקורי שלהם. בתהליך המועשר בהקשר של היצרן, כל קבוצה פנימית מכילה את המקטעים של מקור אחד, וקבוצות נפרדות מייצגות מקורות נפרדים. הקיבוץ הזה הוא חלק ממשמעות הקלט: הוא אומר למודל איזה טקסט מסביב שייך למסמך שמיוצג.\n\nמקרה מועיל הוא דוח שהפתיחה שלו מזהה את החברה ופסקה מאוחרת יותר מסבירה את צמיחתה. חיפוש על הצמיחה של אותה חברה דורש גם את הפסקה המסוימת וגם את זהות המסמך. שמרו את טקסט המקטע המקורי ואת המטא-נתונים של מסמך האב לצד הווקטור שנוצר, כדי שהתוצאה תוכל להציג את הקטע ולקשר למקור המלא.\n\nהתיעוד של היצרן מציין עד 120,000 טוקנים בבקשה, עם לא יותר מ-1,000 קבוצות קלט ו-16,000 מקטעים בסך הכול. מדריך המודל מציין בנפרד חלון של 32,000 טוקנים לכל מקטע. שמרו על ההבחנה בין ההיקפים האלה כשמכינים חומר: מגבלה על מקטע יחיד ומגבלה על הבקשה השלמה מתארות גדלים שונים של קלט. בדקו את הסכום הכולל אחרי חלוקת המקור, במקום להניח שכל מקטע בודד יכול למלא את המקסימום שלו באותה בקשה.\n\nלאחזור מסמכים, הגדירו את הקטעים המקובצים כקלט מסמכים. הכינו כל שאלת חיפוש כקבוצת שאילתה משלה. היצרן ממליץ לספק מקטעי מסמך שאינם חופפים, כך שהייצוג המועשר בהקשר יוכל לשאת מידע מסביב בלי לחזור על טקסט בכל קטע. שמרו על ההתאמה בין קבוצת המסמך, מיקום המקטע והווקטור שהוחזר בעת כתיבת האינדקס.\n\nVoyage Context 3 תומך ב-2,048, 1,024, 512 ו-256 ממדים, עם אפשרויות פלט של נקודה צפה, מספרים שלמים של שמונה סיביות וייצוג בינארי. בחרו ייצוג לאינדקס והעריכו אותו מול אותם מסמכי מקור ואותן שאלות. שמרו את מספר הממדים וסוג הנתונים שנבחרו לצד האינדקס, כדי שייצוג השאילתה והווקטורים השמורים יישארו עקביים.\n\nהשתמשו בווקטורים שנוצרו לחיפוש קטעים, לגילוי מסמכים או לשלב האחזור של עוזר העובד עם דוחות, מאמרי מחקר, חוזים או מדריכים טכניים. תוצאה יכולה לזהות קטע ממוקד, וקישור המקור שלה מעניק גישה להגדרות ולסייגים במקומות אחרים במסמך. שמרו גרסאות מסמכים והרשאות כמטא-נתונים של היישום לצד הווקטורים.\n\nבדקו שאלות שדורשות גם פרט מקומי וגם הקשר ברמת המסמך. כללו קטעים דומים ממקורות שונים, ישויות בעלות שם שהוצגו רק בהתחלה ושאלות שהראיות שלהן משתרעות על כמה סעיפים. בדקו אם המקטע הצפוי מאוחזר ואם היישום מציג מספיק טקסט מסביב כדי לפרש אותו. כשמקור משתנה, צרו מחדש במכוון את קבוצת המסמך המושפעת, כך שהמקטעים המועשרים בהקשר שלה יתאימו לגרסה עקבית אחת.",
    "about_sha256": "cbe672f81d248e79c90f9384b4d5a3ff311043f96a3b07b7eb8b4ede52d2cd43",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 120000,
      "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": "התמחור המלא של התצורה מופיע בפרטים."
      }
    ],
    "ctx": null,
    "display_name": "Voyage AI: Voyage Context 3",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-context-3",
    "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": "שמרו את התגובה המקורית ואת X-Client-Request-ID לצורך התאמה. תגובה עמומה אינה מתירה לשלוח שוב את אותה בקשת יצירה.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "שמרו את תגובת ה-JSON המלאה, כל וקטור יחד עם האינדקס שלו, את כל שדות השימוש ואת כותרות הבקשה.",
              "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": "יש להשתמש בבורר המודלים המדויק של Ailoot.",
                "default_known": false,
                "enum": [
                  "voyage-context-3"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "טקסט או רשימת טקסטים; יש לשמור וקטור אחד לכל פריט נתונים שהוחזר, יחד עם האינדקס שלו.",
                "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-context-3"
                  ],
                  "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-context-3"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "יש לשלוח טקסט עם המודל שנבחר; יש לשמור כל וקטור שהוחזר ואת האינדקס שלו."
            ],
            "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": "תעריפי בסיס לטוקנים",
            "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-context-3\",\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": "ייצוגים וקטוריים",
        "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-context-3",
        "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-context-3",
        "request_model_id": "voyage-context-3",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage Context 3",
    "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 Context 3 יוצר וקטור לכל מקטע מסמך תוך שילוב ההקשר של המקטעים האחרים באותו מסמך. הוא תומך באחזור מדויק של קטעים במסמכים ארוכים, עם ממדים לבחירה וייצוגים וקטוריים שעברו קוונטיזציה.",
    "short_sha256": "ecf5347d318cafaa85e440415592285b9b3d6c51afeb2467a37418c7b94e3dd3"
  },
  "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 Context 3 יוצר וקטור לכל מקטע מסמך תוך שילוב ההקשר של המקטעים האחרים באותו מסמך. הוא תומך באחזור מדויק של קטעים במסמכים ארוכים, עם ממדים לבחירה וייצוגים וקטוריים שעברו קוונטיזציה.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "8461c870a657500a63edd7f49f50c8781d265c8661ec87ae85826c6cad2ae366",
    "renderer_sha256": "c36bd89b8b0dac234af52bf68530df83530b908ec7a9f2e1de2483fe236ae910"
  },
  "sourceRevision": "625f9a40b2d2164db31e05fe7f13db36f4623d8613678aa27c2973303493c8da"
}