{
  "aboutHtml": "<p>A Voyage 3.5 Lite szemantikus információkereséshez alakítja a szöveget beágyazásokká. A Voyage AI leírása szerint ezt a kiadást késleltetésre és költségre optimalizálták, ezért jelölt lehet olyan keresőkhöz, amelyek gyakran készítenek beágyazásokat a beérkező kérdésekből, vagy kereshető szövegrészletek nagy gyűjteményét tartják fenn. A kimenet a megadott szöveg számszerű reprezentációja, amelyet a keresőalkalmazás a forrásanyaghoz tárolt vektorokkal vet össze.</p><p>Olyan gyűjteménnyel kezdj, amelynek határai illeszkednek a felhasználó feladatához. Egy súgóközpontban egy szövegrészlet leírhat egy eljárást és annak előfeltételeit. Beszélgetésarchívumban a válaszlánc akkora részét tartsd meg, hogy azonosítható legyen, mire válaszol az üzenet. Az eredménynek olvasható bizonyítékhoz kell vezetnie, ezért minden beágyazás mellett tárold az eredeti szöveget, a stabil forráshivatkozást és a dokumentum metaadatait.</p><p>A tesztlekérdezéseket úgy fogalmazd meg, ahogyan a felhasználók kérdeznének. A „Hol módosíthatom a számlán szereplő címet?” hasznosabb keresési próba, mint a releváns cikk címsorának bemásolása. Szerepeljenek rövid kérdések, átfogalmazások, szakterületi rövidítések és több fogalmat említő esetek. Ellenőrizd a visszaadott szövegrészleteket, és állapítsd meg, hogy az elmaradt találatot hiányzó forrástartalom, rosszul kijelölt részlethatár vagy a visszakeresés valamely választása okozta-e.</p><p>A gyártó 32 000 tokenes kontextusablakot dokumentál. Ez jelentős szövegbemeneteket tesz lehetővé, miközben a részletek hossza továbbra is a keresési élmény tervezési döntése marad. A tömör választ tartsd együtt a szükséges feltételekkel; ne válaszd el a meghatározást attól a kifejezéstől, amelyet magyaráz. Olvasható szöveget nyerj ki a forrásból, és távolítsd el a minden oldalon ismétlődő navigációt, ha az elfedi a felhasználó által keresett információt.</p><p>A Voyage 3.5 Lite 2 048, 1 024, 512 és 256 dimenziót támogat. A lebegőpontos, nyolcbites egész és bináris reprezentációk további választási lehetőségeket adnak a vektorindexhez. A kisebb vagy kvantált reprezentációt ugyanazokkal a kérdésekkel és ugyanazon a korpuszon teszteld, mint a teljes pontosságú viszonyítási alapot. Az index mellett rögzítsd a kiválasztott modellt, dimenziót és adattípust, hogy a lekérdezések vektorai a hozzájuk tartozó beállításokat használják.</p><p>A gyártó keresési munkafolyamatában az indexelt szövegrészleteket dokumentumként, a beérkező kereséseket lekérdezésként jelöld. Több részlet együttes feldolgozásakor őrizd meg minden visszaadott vektor és a bemeneti szövege közötti megfeleltetést. A sikeres beágyazási művelet vektorokat ad; az alkalmazásnak ezeket még a megfelelő rekordokhoz kell rendelnie, és meg kell jelenítenie a forráskivonatot, amikor a felhasználó megnyit egy találatot.</p><p>Ezt a kiadást kereshető támogatási gyűjteményhez, dokumentumkereső eszközhöz vagy egy asszisztens visszakeresési szakaszához használhatod. Többnyelvű anyag esetén a saját gyűjteményedben szereplő nyelvkombinációkat értékeld, ne egyetlen angol tesztre támaszkodj. Tartsd elérhetően a jogosultságokat és a nyelvi-területi metaadatokat az alkalmazás számára, hogy a releváns találat szűrhető legyen, és a megfelelő összefüggésben jelenjen meg.</p><p>Bővülő gyűjteményekben a módosult szövegrészletek vektorait a forrásverzióikkal együtt frissítsd. Tarts fenn valós kérdésekből álló készletet könnyű találatokkal, nehéz átfogalmazásokkal és hasonló, de eltérő választ tartalmazó dokumentumokkal. Mérd a visszakeresés minőségét és a teljes keresési folyamat működését a várható terhelés mellett. A gyártó Lite kiadásra vonatkozó leírása segít jelöltet választani; a végleges dimenziót, részletezési stratégiát és indexbeállításokat a saját anyagodon kapott eredmények határozzák meg.</p>",
  "aboutText": "A Voyage 3.5 Lite szemantikus információkereséshez alakítja a szöveget beágyazásokká. A Voyage AI leírása szerint ezt a kiadást késleltetésre és költségre optimalizálták, ezért jelölt lehet olyan keresőkhöz, amelyek gyakran készítenek beágyazásokat a beérkező kérdésekből, vagy kereshető szövegrészletek nagy gyűjteményét tartják fenn. A kimenet a megadott szöveg számszerű reprezentációja, amelyet a keresőalkalmazás a forrásanyaghoz tárolt vektorokkal vet össze.\n\nOlyan gyűjteménnyel kezdj, amelynek határai illeszkednek a felhasználó feladatához. Egy súgóközpontban egy szövegrészlet leírhat egy eljárást és annak előfeltételeit. Beszélgetésarchívumban a válaszlánc akkora részét tartsd meg, hogy azonosítható legyen, mire válaszol az üzenet. Az eredménynek olvasható bizonyítékhoz kell vezetnie, ezért minden beágyazás mellett tárold az eredeti szöveget, a stabil forráshivatkozást és a dokumentum metaadatait.\n\nA tesztlekérdezéseket úgy fogalmazd meg, ahogyan a felhasználók kérdeznének. A „Hol módosíthatom a számlán szereplő címet?” hasznosabb keresési próba, mint a releváns cikk címsorának bemásolása. Szerepeljenek rövid kérdések, átfogalmazások, szakterületi rövidítések és több fogalmat említő esetek. Ellenőrizd a visszaadott szövegrészleteket, és állapítsd meg, hogy az elmaradt találatot hiányzó forrástartalom, rosszul kijelölt részlethatár vagy a visszakeresés valamely választása okozta-e.\n\nA gyártó 32 000 tokenes kontextusablakot dokumentál. Ez jelentős szövegbemeneteket tesz lehetővé, miközben a részletek hossza továbbra is a keresési élmény tervezési döntése marad. A tömör választ tartsd együtt a szükséges feltételekkel; ne válaszd el a meghatározást attól a kifejezéstől, amelyet magyaráz. Olvasható szöveget nyerj ki a forrásból, és távolítsd el a minden oldalon ismétlődő navigációt, ha az elfedi a felhasználó által keresett információt.\n\nA Voyage 3.5 Lite 2 048, 1 024, 512 és 256 dimenziót támogat. A lebegőpontos, nyolcbites egész és bináris reprezentációk további választási lehetőségeket adnak a vektorindexhez. A kisebb vagy kvantált reprezentációt ugyanazokkal a kérdésekkel és ugyanazon a korpuszon teszteld, mint a teljes pontosságú viszonyítási alapot. Az index mellett rögzítsd a kiválasztott modellt, dimenziót és adattípust, hogy a lekérdezések vektorai a hozzájuk tartozó beállításokat használják.\n\nA gyártó keresési munkafolyamatában az indexelt szövegrészleteket dokumentumként, a beérkező kereséseket lekérdezésként jelöld. Több részlet együttes feldolgozásakor őrizd meg minden visszaadott vektor és a bemeneti szövege közötti megfeleltetést. A sikeres beágyazási művelet vektorokat ad; az alkalmazásnak ezeket még a megfelelő rekordokhoz kell rendelnie, és meg kell jelenítenie a forráskivonatot, amikor a felhasználó megnyit egy találatot.\n\nEzt a kiadást kereshető támogatási gyűjteményhez, dokumentumkereső eszközhöz vagy egy asszisztens visszakeresési szakaszához használhatod. Többnyelvű anyag esetén a saját gyűjteményedben szereplő nyelvkombinációkat értékeld, ne egyetlen angol tesztre támaszkodj. Tartsd elérhetően a jogosultságokat és a nyelvi-területi metaadatokat az alkalmazás számára, hogy a releváns találat szűrhető legyen, és a megfelelő összefüggésben jelenjen meg.\n\nBővülő gyűjteményekben a módosult szövegrészletek vektorait a forrásverzióikkal együtt frissítsd. Tarts fenn valós kérdésekből álló készletet könnyű találatokkal, nehéz átfogalmazásokkal és hasonló, de eltérő választ tartalmazó dokumentumokkal. Mérd a visszakeresés minőségét és a teljes keresési folyamat működését a várható terhelés mellett. A gyártó Lite kiadásra vonatkozó leírása segít jelöltet választani; a végleges dimenziót, részletezési stratégiát és indexbeállításokat a saját anyagodon kapott eredmények határozzák meg.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "0a6304884506e7a1ed001af78e9c0ed5b1fe6a4ccb80700b13371f94880a3f73",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "hu",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Voyage AI: Voyage 3.5 Lite</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Bezárás\">×</button></div><div class=\"idline\"><span>Voyage AI /</span><code>voyage-3.5-lite</code><button type=\"button\" id=\"copy-id\">ID másolása</button></div><nav class=\"card-jump-nav\" aria-label=\"Modellkártya szakaszai\"><button type=\"button\" data-card-jump=\"overview\">Kezdő lépések</button><button type=\"button\" data-card-jump=\"methods\">Bemenetek és metódusok</button><button type=\"button\" data-card-jump=\"pricing\">Díjcsomagok</button><button type=\"button\" data-card-jump=\"examples\">Példák</button><button type=\"button\" data-card-jump=\"results\">Eredmények</button><button type=\"button\" data-card-jump=\"aliases\">Álnevek</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API-metódusok\"><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-3.5-lite\">Beágyazások</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\">Kezdő lépések</h3><p class=\"mdesc-full\">A Voyage 3.5 Lite szemantikus kereséshez készít szövegbeágyazásokat, a késleltetésre és a hatékony információkeresésre összpontosítva. A 32 000 tokenes kontextusablak, a négy vektorméret és a kvantált kimenet tudásbázisok keresését, dokumentumok párosítását és RAG-folyamatokat támogat.</p><dl class=\"card-io\" data-card-io><div><dt>Elfogadott bemenetek</dt><dd>Szöveg</dd></div><div><dt>Eredmények</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>A modellről</summary><p class=\"note-s\" data-model-method-boundary>Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.</p><div class=\"mabout\" id=\"m-about\"><p>A Voyage 3.5 Lite szemantikus információkereséshez alakítja a szöveget beágyazásokká. A Voyage AI leírása szerint ezt a kiadást késleltetésre és költségre optimalizálták, ezért jelölt lehet olyan keresőkhöz, amelyek gyakran készítenek beágyazásokat a beérkező kérdésekből, vagy kereshető szövegrészletek nagy gyűjteményét tartják fenn. A kimenet a megadott szöveg számszerű reprezentációja, amelyet a keresőalkalmazás a forrásanyaghoz tárolt vektorokkal vet össze.</p><p>Olyan gyűjteménnyel kezdj, amelynek határai illeszkednek a felhasználó feladatához. Egy súgóközpontban egy szövegrészlet leírhat egy eljárást és annak előfeltételeit. Beszélgetésarchívumban a válaszlánc akkora részét tartsd meg, hogy azonosítható legyen, mire válaszol az üzenet. Az eredménynek olvasható bizonyítékhoz kell vezetnie, ezért minden beágyazás mellett tárold az eredeti szöveget, a stabil forráshivatkozást és a dokumentum metaadatait.</p><p>A tesztlekérdezéseket úgy fogalmazd meg, ahogyan a felhasználók kérdeznének. A „Hol módosíthatom a számlán szereplő címet?” hasznosabb keresési próba, mint a releváns cikk címsorának bemásolása. Szerepeljenek rövid kérdések, átfogalmazások, szakterületi rövidítések és több fogalmat említő esetek. Ellenőrizd a visszaadott szövegrészleteket, és állapítsd meg, hogy az elmaradt találatot hiányzó forrástartalom, rosszul kijelölt részlethatár vagy a visszakeresés valamely választása okozta-e.</p><p>A gyártó 32 000 tokenes kontextusablakot dokumentál. Ez jelentős szövegbemeneteket tesz lehetővé, miközben a részletek hossza továbbra is a keresési élmény tervezési döntése marad. A tömör választ tartsd együtt a szükséges feltételekkel; ne válaszd el a meghatározást attól a kifejezéstől, amelyet magyaráz. Olvasható szöveget nyerj ki a forrásból, és távolítsd el a minden oldalon ismétlődő navigációt, ha az elfedi a felhasználó által keresett információt.</p><p>A Voyage 3.5 Lite 2 048, 1 024, 512 és 256 dimenziót támogat. A lebegőpontos, nyolcbites egész és bináris reprezentációk további választási lehetőségeket adnak a vektorindexhez. A kisebb vagy kvantált reprezentációt ugyanazokkal a kérdésekkel és ugyanazon a korpuszon teszteld, mint a teljes pontosságú viszonyítási alapot. Az index mellett rögzítsd a kiválasztott modellt, dimenziót és adattípust, hogy a lekérdezések vektorai a hozzájuk tartozó beállításokat használják.</p><p>A gyártó keresési munkafolyamatában az indexelt szövegrészleteket dokumentumként, a beérkező kereséseket lekérdezésként jelöld. Több részlet együttes feldolgozásakor őrizd meg minden visszaadott vektor és a bemeneti szövege közötti megfeleltetést. A sikeres beágyazási művelet vektorokat ad; az alkalmazásnak ezeket még a megfelelő rekordokhoz kell rendelnie, és meg kell jelenítenie a forráskivonatot, amikor a felhasználó megnyit egy találatot.</p><p>Ezt a kiadást kereshető támogatási gyűjteményhez, dokumentumkereső eszközhöz vagy egy asszisztens visszakeresési szakaszához használhatod. Többnyelvű anyag esetén a saját gyűjteményedben szereplő nyelvkombinációkat értékeld, ne egyetlen angol tesztre támaszkodj. Tartsd elérhetően a jogosultságokat és a nyelvi-területi metaadatokat az alkalmazás számára, hogy a releváns találat szűrhető legyen, és a megfelelő összefüggésben jelenjen meg.</p><p>Bővülő gyűjteményekben a módosult szövegrészletek vektorait a forrásverzióikkal együtt frissítsd. Tarts fenn valós kérdésekből álló készletet könnyű találatokkal, nehéz átfogalmazásokkal és hasonló, de eltérő választ tartalmazó dokumentumokkal. Mérd a visszakeresés minőségét és a teljes keresési folyamat működését a várható terhelés mellett. A gyártó Lite kiadásra vonatkozó leírása segít jelöltet választani; a végleges dimenziót, részletezési stratégiát és indexbeállításokat a saját anyagodon kapott eredmények határozzák meg.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Elérhető az Ailootban · bemenetek és metódusok</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Beágyazások</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Bemenet</dt><dd><code>text</code></dd></div><div><dt>Kimenet</dt><dd><code>embedding</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Mező</th><th>Típus</th><th>Követelmény</th><th>Értékek és korlátok</th><th>Alapértelmezett</th></tr></thead><tbody><tr><th data-cell-label=\"Mező\" scope=\"row\"><span class=\"card-cell-label\">Mező</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Típus\" data-field-type><span class=\"card-cell-label\">Típus</span><code>string</code></td><td data-cell-label=\"Követelmény\"><span class=\"card-cell-label\">Követelmény</span>Kötelező</td><td data-cell-label=\"Értékek és korlátok\"><span class=\"card-cell-label\">Értékek és korlátok</span><div>voyage-3.5-lite</div><div>Feltételek: Használja a pontos Ailoot modellválasztót.</div></td><td data-cell-label=\"Alapértelmezett\" data-default=\"unspecified\"><span class=\"card-cell-label\">Alapértelmezett</span>—</td></tr><tr><th data-cell-label=\"Mező\" scope=\"row\"><span class=\"card-cell-label\">Mező</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Típus\" data-field-type><span class=\"card-cell-label\">Típus</span><code>string or array&lt;string&gt;</code></td><td data-cell-label=\"Követelmény\"><span class=\"card-cell-label\">Követelmény</span>Kötelező</td><td data-cell-label=\"Értékek és korlátok\"><span class=\"card-cell-label\">Értékek és korlátok</span><div>Feltételek: Egy szöveg vagy szövegek listája; minden visszaadott adatelemhez és annak indexéhez őrizzen meg egy vektort.</div></td><td data-cell-label=\"Alapértelmezett\" data-default=\"unspecified\"><span class=\"card-cell-label\">Alapértelmezett</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Metódus paraméterei és életciklusa</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Paraméter</th><th>Szerződés</th></tr></thead><tbody><tr><th data-cell-label=\"Paraméter\" scope=\"row\"><span class=\"card-cell-label\">Paraméter</span><code>content_type</code></th><td data-cell-label=\"Szerződés\"><span class=\"card-cell-label\">Szerződés</span>application/json</td></tr><tr><th data-cell-label=\"Paraméter\" scope=\"row\"><span class=\"card-cell-label\">Paraméter</span><code>required</code></th><td data-cell-label=\"Szerződés\"><span class=\"card-cell-label\">Szerződés</span>model, input</td></tr><tr><th data-cell-label=\"Paraméter\" scope=\"row\"><span class=\"card-cell-label\">Paraméter</span><code>optional</code></th><td data-cell-label=\"Szerződés\"><span class=\"card-cell-label\">Szerződés</span></td></tr><tr><th data-cell-label=\"Paraméter\" scope=\"row\"><span class=\"card-cell-label\">Paraméter</span><code>material_types</code></th><td data-cell-label=\"Szerződés\"><span class=\"card-cell-label\">Szerződés</span>text</td></tr><tr><th data-cell-label=\"Paraméter\" scope=\"row\"><span class=\"card-cell-label\">Paraméter</span><code>conditions</code></th><td data-cell-label=\"Szerződés\"><span class=\"card-cell-label\">Szerződés</span>Küldjön szöveget a kiválasztott modellel; őrizzen meg minden visszaadott vektort és annak indexét.</td></tr></tbody></table></div><p>Életciklus: <code>synchronous</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Díjcsomagok</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.</p><dl data-price-conditions><dt>Gyors mód</dt><dd>Nincs megadva <span class=\"note-s\">Ha a gyors mód van kiválasztva</span></dd><dt>Flex mód</dt><dd>Nincs megadva <span class=\"note-s\">Ha a flex mód van kiválasztva</span></dd><dt>Maximális gondolkodási ráfordítás</dt><dd>Nincs megadva <span class=\"note-s\">Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot-díjak</h4><h4>Árak beállításonként</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Beállítás</th><th>Díjtáblázat</th><th>Díj</th></tr></thead><tbody><tr><th data-cell-label=\"Beállítás\" scope=\"row\"><span class=\"card-cell-label\">Beállítás</span>Tokenek alapdíjai</th><td data-cell-label=\"Díjtáblázat\"><span class=\"card-cell-label\">Díjtáblázat</span>Alapdíj</td><td data-cell-label=\"Díj\"><span class=\"card-cell-label\">Díj</span><div><span>Bemenet · Bemeneti tokenek</span> <b>$0.0001</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Kimenet · Kimeneti tokenek</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Bemenet · Gyorsítótár olvasása</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Bemenet · Írás a gyorsítótárba</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Bemenet · Írás a gyorsítótárba, 1 óra</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. <a href=\"/docs/hu/billing/reserve/\">A foglalás és az elszámolás működése →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Példakérések</h3><h4>Ailoot Ultra · Beágyazások</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Kódváltozatok\"><button class=\"cg-tab\" id=\"model-code-2788-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2788-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · mentsd el az összes vektort és a felhasználási adatokat</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kód másolása\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2788-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2788-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${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-3.5-lite&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\">Eredmények fogadása és mentése</h3></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Álnevek</h3><h4>Modell álnevei</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=voyage-3.5-lite&amp;route=Ultra&amp;caller=voyage-3.5-lite&amp;fmt=embeddings\"><code>voyage-3.5-lite</code></a></span></p><h4>Metódusútvonalak álnevei</h4><p class=\"note-s\">Használja a fent látható metódusútvonalakat.</p><h4>Kapcsolódó modellazonosítók</h4><p class=\"note-s\"><a href=\"#m=voyage-3.5-lite&amp;route=Ultra&amp;caller=voyage-3.5-lite&amp;fmt=embeddings\"><code>voyage-3.5-lite</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-3.5-lite",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-3.5-lite",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-3.5-lite",
      "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": "Őrizze meg az eredeti választ és az X-Client-Request-ID értékét az egyeztetéshez. Egy kétértelmű válasz nem ad engedélyt ugyanannak a létrehozási kérésnek az újbóli beküldésére.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Mentse el a teljes JSON-választ, minden vektort az indexével együtt, az összes felhasználási adatmezőt és a kérés fejléceit.",
              "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": "Használja a pontos Ailoot modellválasztót.",
                "default_known": false,
                "enum": [
                  "voyage-3.5-lite"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Egy szöveg vagy szövegek listája; minden visszaadott adatelemhez és annak indexéhez őrizzen meg egy vektort.",
                "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-3.5-lite"
                  ],
                  "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-3.5-lite"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Küldjön szöveget a kiválasztott modellel; őrizzen meg minden visszaadott vektort és annak indexét."
            ],
            "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": "Tokenek alapdíjai",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000001",
                "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-3.5-lite\",\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": 0.1,
        "input": [
          "text"
        ],
        "label": "Beágyazások",
        "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": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000001",
                "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-3.5-lite",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000001",
            "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-3.5-lite",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "a017832f79dfd510dac6f4982ecb453d3ccbf78fc900940fa0a4712a088d2a06",
    "input_html_sha256": "350599deb23e48ba43f8429619b29d05468e1f7c22995c336901d98399db6260",
    "private_audit_sha256": "4f59aeaebd1d0f62f0d897f92bf8c5e9f31920efd2cdae5868d96775493f17b9",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/hu/voyage-3-5-lite/",
    "description": "A Voyage 3.5 Lite szemantikus kereséshez készít szövegbeágyazásokat, a késleltetésre és a hatékony információkeresésre összpontosítva. A 32 000 tokenes kontextusablak, a négy vektorméret és a kvantált kimenet tudásbázisok keresését, dokumentumok párosítását és RAG-folyamatokat támogat.",
    "locale": "hu",
    "md_url": "https://ailoot.ai/models/hu/voyage-3-5-lite/index.md",
    "title": "Voyage AI: Voyage 3.5 Lite — Ailoot",
    "url": "https://ailoot.ai/models/hu/voyage-3-5-lite/"
  },
  "rawModel": {
    "about": "A Voyage 3.5 Lite szemantikus információkereséshez alakítja a szöveget beágyazásokká. A Voyage AI leírása szerint ezt a kiadást késleltetésre és költségre optimalizálták, ezért jelölt lehet olyan keresőkhöz, amelyek gyakran készítenek beágyazásokat a beérkező kérdésekből, vagy kereshető szövegrészletek nagy gyűjteményét tartják fenn. A kimenet a megadott szöveg számszerű reprezentációja, amelyet a keresőalkalmazás a forrásanyaghoz tárolt vektorokkal vet össze.\n\nOlyan gyűjteménnyel kezdj, amelynek határai illeszkednek a felhasználó feladatához. Egy súgóközpontban egy szövegrészlet leírhat egy eljárást és annak előfeltételeit. Beszélgetésarchívumban a válaszlánc akkora részét tartsd meg, hogy azonosítható legyen, mire válaszol az üzenet. Az eredménynek olvasható bizonyítékhoz kell vezetnie, ezért minden beágyazás mellett tárold az eredeti szöveget, a stabil forráshivatkozást és a dokumentum metaadatait.\n\nA tesztlekérdezéseket úgy fogalmazd meg, ahogyan a felhasználók kérdeznének. A „Hol módosíthatom a számlán szereplő címet?” hasznosabb keresési próba, mint a releváns cikk címsorának bemásolása. Szerepeljenek rövid kérdések, átfogalmazások, szakterületi rövidítések és több fogalmat említő esetek. Ellenőrizd a visszaadott szövegrészleteket, és állapítsd meg, hogy az elmaradt találatot hiányzó forrástartalom, rosszul kijelölt részlethatár vagy a visszakeresés valamely választása okozta-e.\n\nA gyártó 32 000 tokenes kontextusablakot dokumentál. Ez jelentős szövegbemeneteket tesz lehetővé, miközben a részletek hossza továbbra is a keresési élmény tervezési döntése marad. A tömör választ tartsd együtt a szükséges feltételekkel; ne válaszd el a meghatározást attól a kifejezéstől, amelyet magyaráz. Olvasható szöveget nyerj ki a forrásból, és távolítsd el a minden oldalon ismétlődő navigációt, ha az elfedi a felhasználó által keresett információt.\n\nA Voyage 3.5 Lite 2 048, 1 024, 512 és 256 dimenziót támogat. A lebegőpontos, nyolcbites egész és bináris reprezentációk további választási lehetőségeket adnak a vektorindexhez. A kisebb vagy kvantált reprezentációt ugyanazokkal a kérdésekkel és ugyanazon a korpuszon teszteld, mint a teljes pontosságú viszonyítási alapot. Az index mellett rögzítsd a kiválasztott modellt, dimenziót és adattípust, hogy a lekérdezések vektorai a hozzájuk tartozó beállításokat használják.\n\nA gyártó keresési munkafolyamatában az indexelt szövegrészleteket dokumentumként, a beérkező kereséseket lekérdezésként jelöld. Több részlet együttes feldolgozásakor őrizd meg minden visszaadott vektor és a bemeneti szövege közötti megfeleltetést. A sikeres beágyazási művelet vektorokat ad; az alkalmazásnak ezeket még a megfelelő rekordokhoz kell rendelnie, és meg kell jelenítenie a forráskivonatot, amikor a felhasználó megnyit egy találatot.\n\nEzt a kiadást kereshető támogatási gyűjteményhez, dokumentumkereső eszközhöz vagy egy asszisztens visszakeresési szakaszához használhatod. Többnyelvű anyag esetén a saját gyűjteményedben szereplő nyelvkombinációkat értékeld, ne egyetlen angol tesztre támaszkodj. Tartsd elérhetően a jogosultságokat és a nyelvi-területi metaadatokat az alkalmazás számára, hogy a releváns találat szűrhető legyen, és a megfelelő összefüggésben jelenjen meg.\n\nBővülő gyűjteményekben a módosult szövegrészletek vektorait a forrásverzióikkal együtt frissítsd. Tarts fenn valós kérdésekből álló készletet könnyű találatokkal, nehéz átfogalmazásokkal és hasonló, de eltérő választ tartalmazó dokumentumokkal. Mérd a visszakeresés minőségét és a teljes keresési folyamat működését a várható terhelés mellett. A gyártó Lite kiadásra vonatkozó leírása segít jelöltet választani; a végleges dimenziót, részletezési stratégiát és indexbeállításokat a saját anyagodon kapott eredmények határozzák meg.",
    "about_sha256": "6da9d6fd6cfde8d6f5bf8b7aa370b1ddd356c1c7303a01cbc8c52ded9e166385",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 32000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000001",
            "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": "A konfiguráció teljes árazása a részletekben."
      }
    ],
    "ctx": null,
    "display_name": "Voyage AI: Voyage 3.5 Lite",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-3.5-lite",
    "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": "Őrizze meg az eredeti választ és az X-Client-Request-ID értékét az egyeztetéshez. Egy kétértelmű válasz nem ad engedélyt ugyanannak a létrehozási kérésnek az újbóli beküldésére.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Mentse el a teljes JSON-választ, minden vektort az indexével együtt, az összes felhasználási adatmezőt és a kérés fejléceit.",
              "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": "Használja a pontos Ailoot modellválasztót.",
                "default_known": false,
                "enum": [
                  "voyage-3.5-lite"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Egy szöveg vagy szövegek listája; minden visszaadott adatelemhez és annak indexéhez őrizzen meg egy vektort.",
                "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-3.5-lite"
                  ],
                  "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-3.5-lite"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Küldjön szöveget a kiválasztott modellel; őrizzen meg minden visszaadott vektort és annak indexét."
            ],
            "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": "Tokenek alapdíjai",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000001",
                "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-3.5-lite\",\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": 0.1,
        "input": [
          "text"
        ],
        "label": "Beágyazások",
        "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": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000001",
                "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-3.5-lite",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000001",
            "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-3.5-lite",
        "request_model_id": "voyage-3.5-lite",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage 3.5 Lite",
    "price": {
      "in": 0.1,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.1,
      "sort_out": 0,
      "varies": false
    },
    "short": "A Voyage 3.5 Lite szemantikus kereséshez készít szövegbeágyazásokat, a késleltetésre és a hatékony információkeresésre összpontosítva. A 32 000 tokenes kontextusablak, a négy vektorméret és a kvantált kimenet tudásbázisok keresését, dokumentumok párosítását és RAG-folyamatokat támogat.",
    "short_sha256": "61db24acd587cfab4f14b7f3c526314d69996c4d48e50298883531c74deb64a7"
  },
  "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": "A Voyage 3.5 Lite szemantikus kereséshez készít szövegbeágyazásokat, a késleltetésre és a hatékony információkeresésre összpontosítva. A 32 000 tokenes kontextusablak, a négy vektorméret és a kvantált kimenet tudásbázisok keresését, dokumentumok párosítását és RAG-folyamatokat támogat.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "af12ae3e0f453ec2c58451a8a73b4a715d4b50baa156086da06f2faf2dc7eb5c",
    "renderer_sha256": "59b0e30a0b251f9d98bf0bafcc7ef50440c33057c2bf9c9fadabbcaeefffb5bb"
  },
  "sourceRevision": "6b1ddf78a788138cb0ef6fce5364c43568f0bd5ae1e6e77fc580eec79ad37a92"
}
