LiquidAI: LFM2.5-Embedding-350M (free)

LiquidAI LFM2.5-Embedding-350M көптілді және тіларалық іздеу үшін әр мәтінге бір 1024 өлшемді вектор жасайды. Ол 11 тілге және қысқа, 512 токендік кірістерге бағытталған; сұрау мен құжат префикстері бөлек.

Ailoot Ultra · Эмбеддингтер POST /v1/embeddings liquid/lfm-2.5-embedding-350m:free

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

LFM2.5-Embedding-350M — LiquidAI ұсынған көптілді және тіларалық іздеуге арналған тығыз би-энкодер. Ол әр мәтінге бір 1024 өлшемді вектор жасайды және он бір тілдегі қысқа контексті іздеуге бағытталған. Атаулы 350M модельдер отбасы LFM2.5-350M-Base моделінің екі бағытты бейімделуін қолданады; егжей-тегжейлі модель кестесі осы эмбеддинг нұсқасына шамамен 354 миллион параметр көрсетеді.

Екі бағытты іздеу көрінісі

Өндіруші зейін мен жергілікті конволюциялар токеннің екі жағындағы контексті пайдалана алатындай негізді бейімдейді. CLS үлгісіндегі пулинг өңделген мәтінді бір тығыз векторға айналдырады. Модель кестесі он жеті қабатты сипаттайды: он конволюциялық блок, алты зейін блогы және пулинг кезеңі. Бұл — базалық модельдің мәтін генерациясы тапсырмасы емес, өз дайындығы мен шығысы бар іздеу кодтаушысы.

Бөлек атаулы LFM2.5-ColBERT-350M кейінгі өзара әрекеттесуге арналған әр токеннің векторын сақтайды. Бұл көрініс басқа индекс пен салыстыру тәсілін талап етеді. Мұндағы Embedding моделі құжатқа немесе сұрауға бір вектор береді; құжатталған салыстыруы — косинустық ұқсастық.

Дұрыс асимметриялық промпттарды қолданыңыз

Іздеу сұрауларын “query:” префиксімен, бастапқы үзінділерді “document:” префиксімен дайындаңыз. Өндіруші осы промпттарды конфигурациясында сақтайды және эталондық үдеріс тиісті промпт атауын қолданады. Модель осы префикстермен оқытылғандықтан, ол әр жақта сәйкес рөлді қолдануды нақты ұсынады. Бұл құжат префиксі E5 модельдерінің “passage:” келісімінен өзгеше.

Практикалық өнім іздеу жинағында қолдау көрсетілетін тілдердегі сипаттамалар болуы мүмкін. Пайдаланушының іздеу тұжырымын сұрау, әр өнім сипаттамасын құжат ретінде дайындаңыз. Іздеу нәтижесі тиісті жазбаны қайтара алуы үшін бастапқы мәтінді, өнім идентификаторын және тілді вектормен бірге сақтаңыз. Қолдау жинағында сұраққа қатысты саясатты немесе нұсқауды қатысы жоқ қысқа белгімен алмастырмай сақтаңыз.

Тілдер және үзінді көлемі

Құжатталған тілдер жиыны — ағылшын, испан, неміс, француз, итальян, португал, араб, швед, норвег, жапон және корей тілдері. Өндіруші бір тілдің ішіндегі іздеуді де, тіл шекаралары арасындағы іздеуді де нақты көздейді. Мақсатты аудиторияның нақты сұрақтарын дайындап, қайтарылған құжат мәтінін осы тілдерде тексеріңіз.

Құжат ұзындығының сипаттамасы — 512 токен. Ұзын дереккөзді табылған нәтижеге қажет тақырыпты, анықтамаларды және шарттарды сақтайтын тұтас үзінділерге бөліңіз. Рөл префиксі мен қосылған контекст дайындалған кіріске кіреді. FAQ жауабы, өнім түсіндірмесі немесе техникалық құжаттың нысаналы бөлімі тұтас шамадан тыс нұсқаулықтан қолайлырақ бірлік болады.

Оқыту және сәйкестендіру

Өндіруші үш оқыту кезеңін сипаттайды: ағылшын контрастивті алдын ала оқытуы, көптілді және тіларалық дистилляция, содан кейін іздеп алынған күрделі негативті мысалдармен қосымша оқыту. Алынған модель өнім каталогтарына, FAQ және қолдау жинақтарына, файл не жазба іздеуге және кәсіпорын білімін табуға арналған. Бұлар — нақты қолданбаның орналастырылғаны туралы мәлімдемелер емес, мәтін көріністерінің тапсырмалары.

Өндіруші мысалы сұрау және құжат векторларын нормалап, оларды косинустық ұқсастыққа тең скалярлық көбейтіндімен реттейді. Бастапқы материал дайындалғанда корпус көріністерін алдын ала есептеп, содан кейін іздеу сұрауының эмбеддингін жасаңыз және кандидат құжаттарды мәтінімен, идентификаторларымен қайтарыңыз. Сандық салыстыру үйлесімді көріністерді қолдануы үшін таңдалған модель мен рөл келісімін индекспен сақтаңыз.

Пайдалы нәтиже — құжатталған тілдер жиынындағы бастапқы материалды табатын ықшам тығыз іздеу индексі немесе сұрау векторы. Осы нақты LFM2.5 Embedding нұсқасы ColBERT серіктесінен, ескі LFM2 іздеу модельдерінен және сырттан квантталған іске асырулардан бөлек болып қалады. Таңдалған үзінді мәтіні — оқырман немесе кейінгі RAG жауап кезеңі қолданатын дәлел.

Ailoot Ultra · Эмбеддингтер POST /v1/embeddings liquid/lfm-2.5-embedding-350m:free

liquid/lfm-2.5-embedding-350m:free

LiquidAI /liquid/lfm-2.5-embedding-350m:free

Бастау

Қабылданатын кіріс деректері: Мәтін · token_ids
Нәтижелер: embedding

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Эмбеддингтер POST /v1/embeddings

Кіріс: text, token_ids
Шығыс: embedding
Контекст: 512 tokens
Шығыс пішімі: json

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер liquid/lfm-2.5-embedding-350m:free	Әдепкі—
Өріс`input`	Түрі`string\|string[]\|integer[]\|integer[][]`	ТалапМіндетті	Мәндер мен шектеулер Элементтердің ең аз саны: 1 Шарттар: Бос емес, біртекті пакет. Токендердің ID мәндері — теріс емес бүтін сандар. Кіріс бюджеті: Ең көбі: 512 · Мәтін бірлігі: UTF8 байттары · Токен бірлігі: токендер массивінің элементтері	Әдепкі—
Өріс`encoding_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер float	Әдепкіfloat
Өріс`dimensions`	Түрі`integer`	ТалапҚолдау көрсетілмейді	Мәндер мен шектеулер Ең азы: 1	Әдепкі—
Өріс`user`	Түрі`json_value`	ТалапМіндетті емес	Мәндер мен шектеулер Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.	Әдепкі—
Өріс`session_id`	Түрі`json_value`	ТалапМіндетті емес	Мәндер мен шектеулер Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.	Әдепкі—
Өріс`trace`	Түрі`json_value`	ТалапМіндетті емес	Мәндер мен шектеулер Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.	Әдепкі—
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер Шарттар: provider.options қабылданбайды	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_embedding

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input
Параметр`input_shapes`	Параметр талаптарыstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Параметр`encoding_format`	Параметр талаптарыfloat
Параметр`dimensions_override`	Параметр талаптарыfalse
Параметр`max_input_budget_units`	Параметр талаптары512
Параметр`multimodal_objects`	Параметр талаптарыfalse
Параметр`material_types`	Параметр талаптарыtext, token_ids

Өмірлік цикл: synchronous_json

Әрбір вектордың индексін және өлшемін сақтаңыз.

Модель атауының мультимодаль болуы осы нақты жолда кескін объектілерін қабылдауға рұқсат бермейді.

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Стандартты тариф Жылдам режим таңдалғанда
Икемді режим: Стандартты тариф flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Стандартты тариф Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Баптау	Мөлшерлемелер кестесі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Төлем Кіріс · Кіріс токендері $0 / 1K токен Шығыс · Шығыс токендері $0 / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Эмбеддингтер

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "liquid/lfm-2.5-embedding-350m:free", "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

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='liquid/lfm-2.5-embedding-350m:free',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Нәтижелерді алу және сақтау

Ailoot Ultra · Эмбеддингтер

json

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.

Бастапқы жауапты тексеру қажет болса

Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.

Жауап өрістері

Өріс	Түрі
Өріс`object`	Түріstring
Өріс`model`	Түріstring
Өріс`data[].index`	Түріinteger
Өріс`data[].embedding`	Түріfinite float[]
Өріс`usage`	Түріobject

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra liquid/lfm-2.5-embedding-350m:free

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

liquid/lfm-2.5-embedding-350m:free

FAQ · LiquidAI: LFM2.5-Embedding-350M (free)

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/embeddings · liquid/lfm-2.5-embedding-350m:free: text, token_ids → embedding
Сұрау қандай өрістерді пайдаланады?: POST /v1/embeddings · liquid/lfm-2.5-embedding-350m:free: model, input, encoding_format, provider
Қандай шектеулер қолданылады?: POST /v1/embeddings · liquid/lfm-2.5-embedding-350m:free: ctx: 512; input.budget.maximum: 512 (UTF8 байттары); input.min_items: 1

LiquidAI: LFM2.5-Embedding-350M (free)