Source: https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/ Canonical: https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/ Language: it # Perplexity: Embed V1 0.6B [Markdown](https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/index.md) · [JSON](https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/facts.json) ## [Perplexity: Embed V1 0.6B](https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/) Perplexity pplx-embed-v1-0.6B produce embedding a 1024 dimensioni per il recupero indipendente di testo multilingue. Il suo contesto di 32K, la preparazione diretta del testo e le rappresentazioni native INT8 o binarie definiscono un profilo di indice più piccolo della famiglia v1. - [**Ailoot Ultra · Embedding** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/it/perplexity-pplx-embed-v1-0-6b/#method-0) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. pplx-embed-v1-0.6B è il modello di embedding indipendente più piccolo di Perplexity nella famiglia v1. Trasforma il testo di query o documenti in una rappresentazione a 1024 dimensioni per recupero e ricerca semantica. Il produttore descrive una famiglia basata su Qwen3, adattata tramite pre-addestramento continuato con diffusione, con pooling medio e contesto di 32K. Il modello codifica direttamente il testo fornito, senza un prefisso di istruzioni richiesto. #### Preparare un record indipendente Una raccolta utile può contenere spiegazioni di prodotto, sezioni di una base di conoscenze o brevi note di ricerca. Dai a ogni testo abbastanza contesto della fonte da poter essere compreso quando viene restituito dalla ricerca: un titolo, l’affermazione cercata e la condizione che ne modifica il significato. Mantieni il testo originale e l’identificatore del record insieme all’embedding risultante. Per un’attività di ricerca nelle note, una domanda su che cosa sia cambiato in un processo dovrebbe recuperare la nota che descrive quel cambiamento. Codifica la domanda effettiva e confrontala con i record preparati del corpus. Non aggiungere per impostazione predefinita l’istruzione query/passage di un’altra famiglia di modelli; il testo diretto è la preparazione documentata dal produttore per questo modello. #### Vettori quantizzati e confronto tramite coseno La rappresentazione nativa è un embedding INT8 non normalizzato. Perplexity raccomanda esplicitamente la similarità del coseno per il confronto. Un punteggio di prodotto scalare grezzo su output non normalizzato cambia il confronto, perché vi contribuisce la norma del vettore. Seleziona un indice di ricerca e un percorso di punteggio capaci di interpretare insieme la rappresentazione scelta e la metrica. Anche la rappresentazione binaria è documentata e la tabella del modello indica il supporto Matryoshka. Queste opzioni di rappresentazione possono essere rilevanti per la memorizzazione dell’indice, ma le loro componenti e i byte compattati devono essere interpretati correttamente. L’output completo a 1024 dimensioni è distinto da quello a 2560 dimensioni del modello 4B. Un cambiamento di dimensione del modello o di rappresentazione di output dovrebbe essere verificato sui lati della query e del corpus anziché trattato come uno spazio comune automatico. #### Usare intenzionalmente il contesto La specifica di contesto del produttore è di 32K. Una nota lunga o una sezione documentale può contenere più spiegazione circostante rispetto a un encoder a finestra breve, mentre l’unità di recupero deve comunque avere uno scopo chiaro. Scegli se un risultato debba restituire un’intera sezione o un passaggio mirato contenente la risposta. Mantieni definizioni ed eccezioni con l’affermazione che precisano. Per materiale di origine più grande, conserva l’identificatore del documento principale e la versione al di fuori del vettore. Ciò permette al risultato di ricerca di riportare alla fonte e al testo modificato di sostituire la rappresentazione corrispondente. Esamina i risultati candidati per domande reali nel mix linguistico previsto e verifica che il passaggio fornisca le informazioni richieste, anziché limitarsi a discutere un argomento simile. #### Separare elaborazione indipendente e contestuale La scheda del modello distingue questo encoder indipendente da pplx-embed-context-v1-0.6B. Il modello contestuale usa il documento circostante per le rappresentazioni dei segmenti; il modello v1 ordinario rappresenta autonomamente ogni testo fornito. Un elenco di stringhe indipendenti non stabilisce che sia avvenuta un’elaborazione contestuale dei segmenti. L’output utile è una rappresentazione del corpus o un vettore di query collegato al testo effettivo della fonte, con il formato INT8 o binario selezionato e il confronto tramite coseno registrati. Una fase successiva di ordinamento o risposta RAG usa il testo recuperato come artefatto separato. Questo profilo appartiene all’esatta edizione indipendente 0.6B, non ai modelli 4B o context-v1. **Ailoot Ultra · Embedding** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b` [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/it/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-0.6b` ### Introduzione Perplexity pplx-embed-v1-0.6B produce embedding a 1024 dimensioni per il recupero indipendente di testo multilingue. Il suo contesto di 32K, la preparazione diretta del testo e le rappresentazioni native INT8 o binarie definiscono un profilo di indice più piccolo della famiglia v1. Input accettati Testo · token\_ids Risultati embedding ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Embedding** `POST /v1/embeddings` Tipi di input `text`, `token_ids` Tipi di output `embedding` Contesto 32.000 tokens Formato di output json | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti perplexity/pplx-embed-v1-0.6b | Predefinito— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 Condizioni: Batch omogeneo non vuoto. Gli ID dei token sono numeri interi non negativi. Budget di input: Massimo: 32.000 · Unità di testo: byte UTF8 · Unità di token: elementi dell’array di token | Predefinito— | | Campo`encoding_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti float | Predefinitofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNon supportato | Valori e limiti Minimo: 1 | Predefinito— | | Campo`user` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`session_id` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`trace` | Tipo`json_value` | RequisitoFacoltativo | Valori e limiti Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello. | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options rifiutato | Predefinito— | Combinazioni di materiali in input **text\_to\_embedding** Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input | | Parametro`input_shapes` | Contrattostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametro`encoding_format` | Contrattofloat | | Parametro`dimensions_override` | Contrattofalse | | Parametro`max_input_budget_units` | Contratto32000 | | Parametro`multimodal_objects` | Contrattofalse | | Parametro`material_types` | Contrattotext, token\_ids | Ciclo di vita: `synchronous_json` Conserva l'indice e la dimensione di ogni vettore. Il nome del modello multimodale non consente oggetti immagine su questo percorso specifico. ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Tariffa standard Quando è selezionata la modalità rapida Modalità flex Tariffa standard Quando è selezionata la modalità flex Sforzo massimo di ragionamento Tariffa standard Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe Ailoot #### Prezzi per configurazione | Configurazione | Listino delle tariffe | Costo | | --- | --- | --- | | ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input **$0.000008** / 1K token Output · Token in output **$0** / 1K token Input · Lettura dalla cache **—** / 1K token Input · Scrittura nella cache **—** / 1K token Input · Scrittura nella cache, 1 ora **—** / 1K token | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Embedding curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "perplexity/pplx-embed-v1-0.6b", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='perplexity/pplx-embed-v1-0.6b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Embedding json ##### Conserva tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Conserva ogni vettore con il suo indice. Il numero di vettori deve coincidere con il numero di input; le dimensioni devono essere coerenti. ##### Se occorre verificare la risposta originale Non viene introdotto alcun endpoint per i job di embedding. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Errori e passaggi successivi | Risposta | Condizione | Passaggio successivo | | --- | --- | --- | | Risposta400 · `invalid_request_error` | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. | ### Alias #### Alias del modello **Ailoot Ultra** [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/it/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/it/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) FAQ · Perplexity: Embed V1 0.6B Quali input e risultati sono disponibili? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `text`, `token_ids` → `embedding` Quali campi usa la richiesta? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `model`, `input`, `encoding_format`, `provider` Quali limiti si applicano? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `ctx`: `32000`; `input.budget.maximum`: `32000` (byte UTF8); `input.min_items`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.