{
  "aboutHtml": "<p>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.</p><h4>Екі бағытты іздеу көрінісі</h4><p>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.</p><p>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.</p><h4>Дұрыс асимметриялық промпттарды қолданыңыз</h4><p>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.</p><p>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.</p><h4>Тілдер және үзінді көлемі</h4><p>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.</p><p>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.</p><h4>Оқыту және сәйкестендіру</h4><p>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.</p><p>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.</p><p>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.</p>",
  "aboutText": "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.\n\n### Екі бағытты іздеу көрінісі\n\nӨндіруші 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.\n\nБөлек 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.\n\n### Дұрыс асимметриялық промпттарды қолданыңыз\n\nІздеу 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.\n\nПрактикалық 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.\n\n### Тілдер және үзінді көлемі\n\nҚұжатталған 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.\n\nҚұжат 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.\n\n### Оқыту және сәйкестендіру\n\nӨндіруші 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.\n\nӨндіруші 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.\n\nПайдалы 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.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "ef22b47554a85d53d11884d041b375b4497846a513e53cd4005f4997aef72a1a",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "kk",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">LiquidAI: LFM2.5-Embedding-350M (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Жабу\">×</button></div><div class=\"idline\"><span>LiquidAI /</span><code>liquid/lfm-2.5-embedding-350m:free</code><button type=\"button\" id=\"copy-id\">ID көшіру</button></div><nav class=\"card-jump-nav\" aria-label=\"Модель карточкасының бөлімдері\"><button type=\"button\" data-card-jump=\"overview\">Бастау</button><button type=\"button\" data-card-jump=\"methods\">Кіріс деректері мен әдістер</button><button type=\"button\" data-card-jump=\"pricing\">Тарифтер</button><button type=\"button\" data-card-jump=\"examples\">Мысалдар</button><button type=\"button\" data-card-jump=\"results\">Нәтижелер</button><button type=\"button\" data-card-jump=\"aliases\">Балама атаулар</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API әдістері\"><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|liquid%2Flfm-2.5-embedding-350m%3Afree\">Эмбеддингтер</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\">Бастау</h3><p class=\"mdesc-full\">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.</p><dl class=\"card-io\" data-card-io><div><dt>Қабылданатын кіріс деректері</dt><dd>Мәтін · token_ids</dd></div><div><dt>Нәтижелер</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Модель туралы</summary><p class=\"note-s\" data-model-method-boundary>Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.</p><div class=\"mabout\" id=\"m-about\"><p>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.</p><h4>Екі бағытты іздеу көрінісі</h4><p>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.</p><p>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.</p><h4>Дұрыс асимметриялық промпттарды қолданыңыз</h4><p>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.</p><p>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.</p><h4>Тілдер және үзінді көлемі</h4><p>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.</p><p>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.</p><h4>Оқыту және сәйкестендіру</h4><p>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.</p><p>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.</p><p>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.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Эмбеддингтер</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Кіріс</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>Шығыс</dt><dd><code>embedding</code></dd></div><div><dt>Контекст</dt><dd>512 tokens</dd></div><div><dt>Шығыс пішімі</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Өріс</th><th>Түрі</th><th>Талап</th><th>Мәндер мен шектеулер</th><th>Әдепкі</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>liquid/lfm-2.5-embedding-350m:free</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Элементтердің ең аз саны: 1</div><div>Шарттар: Бос емес, біртекті пакет. Токендердің ID мәндері — теріс емес бүтін сандар.</div><div>Кіріс бюджеті: Ең көбі: 512 · Мәтін бірлігі: UTF8 байттары · Токен бірлігі: токендер массивінің элементтері</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>string</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>float</div></td><td data-cell-label=\"Әдепкі\" data-default=\"known\"><span class=\"card-cell-label\">Әдепкі</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>integer</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Қолдау көрсетілмейді</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Ең азы: 1</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>json_value</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>json_value</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>json_value</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Шарттар: Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span><code>object</code></td><td data-cell-label=\"Талап\"><span class=\"card-cell-label\">Талап</span>Міндетті емес</td><td data-cell-label=\"Мәндер мен шектеулер\"><span class=\"card-cell-label\">Мәндер мен шектеулер</span><div>Шарттар: provider.options қабылданбайды</div></td><td data-cell-label=\"Әдепкі\" data-default=\"unspecified\"><span class=\"card-cell-label\">Әдепкі</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Кіріс материалдарының үйлесімдері</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Әдіс параметрлері мен өмірлік циклі</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Параметр</th><th>Параметр талаптары</th></tr></thead><tbody><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>content_type</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>application/json</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>required</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>model, input</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>input_shapes</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>encoding_format</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>float</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>dimensions_override</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>false</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>max_input_budget_units</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>512</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>multimodal_objects</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>false</td></tr><tr><th data-cell-label=\"Параметр\" scope=\"row\"><span class=\"card-cell-label\">Параметр</span><code>material_types</code></th><td data-cell-label=\"Параметр талаптары\"><span class=\"card-cell-label\">Параметр талаптары</span>text, token_ids</td></tr></tbody></table></div><p>Өмірлік цикл: <code>synchronous_json</code></p><p class=\"note-s\">Әрбір вектордың индексін және өлшемін сақтаңыз.</p><p class=\"note-s\">Модель атауының мультимодаль болуы осы нақты жолда кескін объектілерін қабылдауға рұқсат бермейді.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Тарифтер</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.</p><dl data-price-conditions><dt>Жылдам режим</dt><dd>Стандартты тариф <span class=\"note-s\">Жылдам режим таңдалғанда</span></dd><dt>Икемді режим</dt><dd>Стандартты тариф <span class=\"note-s\">flex режимі таңдалғанда</span></dd><dt>Ой қорытудың ең жоғары деңгейі</dt><dd>Стандартты тариф <span class=\"note-s\">Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot мөлшерлемелері</h4><h4>Баптаулар бойынша бағалар</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Баптау</th><th>Мөлшерлемелер кестесі</th><th>Төлем</th></tr></thead><tbody><tr><th data-cell-label=\"Баптау\" scope=\"row\"><span class=\"card-cell-label\">Баптау</span>Токендердің базалық тарифтері</th><td data-cell-label=\"Мөлшерлемелер кестесі\"><span class=\"card-cell-label\">Мөлшерлемелер кестесі</span>Негізгі мөлшерлеме</td><td data-cell-label=\"Төлем\"><span class=\"card-cell-label\">Төлем</span><div><span>Кіріс · Кіріс токендері</span> <b>$0</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Шығыс · Шығыс токендері</span> <b>$0</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшті оқу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div><div><span>Кіріс · Кэшке жазу, 1 сағ</span> <b>—</b> <span class=\"price-unit\">/ 1K токен</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. <a href=\"/docs/kk/billing/reserve/\">Резервтеу мен төлемді есептеу тәртібі →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Сұрау мысалдары</h3><h4>Ailoot Ultra · Эмбеддингтер</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Код нұсқалары\"><button class=\"cg-tab\" id=\"model-code-1793-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-1793-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-1\" aria-selected=\"false\" tabindex=\"-1\">Python SDK</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Кодты көшіру\"><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-1793-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;liquid/lfm-2.5-embedding-350m:free&quot;, &quot;input&quot;: [&quot;First document&quot;, &quot;Second document&quot;]}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div><div class=\"cg-pane\" id=\"model-code-1793-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-1\" hidden><pre data-lang=\"python\"><code>from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=&quot;https://api.ailoot.ai/v1&quot;,api_key=os.environ[&quot;AILOOT_API_KEY&quot;],max_retries=0)\nresult=client.embeddings.create(model=&#39;liquid/lfm-2.5-embedding-350m:free&#39;,input=[&quot;First document&quot;,&quot;Second document&quot;])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Нәтижелерді алу және сақтау</h3><h4>Ailoot Ultra · Эмбеддингтер</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Барлық дайын нәтижені сақтау</h5><p class=\"note-s\">Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.</p><p class=\"note-s\">Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Бастапқы жауапты тексеру қажет болса</h5><p class=\"note-s\">Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді.</p></div><details class=\"card-about\" data-output-fields><summary>Жауап өрістері</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Өріс</th><th>Түрі</th></tr></thead><tbody><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>string</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>string</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>integer</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>finite float[]</td></tr><tr><th data-cell-label=\"Өріс\" scope=\"row\"><span class=\"card-cell-label\">Өріс</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Түрі\" data-field-type><span class=\"card-cell-label\">Түрі</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Қателер және келесі қадамдар</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Жауап</th><th>Шарт</th><th>Келесі қадам</th></tr></thead><tbody><tr><th data-cell-label=\"Жауап\" scope=\"row\"><span class=\"card-cell-label\">Жауап</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Шарт\"><span class=\"card-cell-label\">Шарт</span>Міндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате</td><td data-cell-label=\"Келесі қадам\"><span class=\"card-cell-label\">Келесі қадам</span>Жаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Балама атаулар</h3><h4>Модельдердің балама атаулары</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></span></p><h4>Әдіс жолдарының балама атаулары</h4><p class=\"note-s\">Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.</p><h4>Шақыруға арналған байланысты ID</h4><p class=\"note-s\"><a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|liquid%2Flfm-2.5-embedding-350m%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Міндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате",
                "http_status": 400,
                "recovery": "Жаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "UTF8 байттары",
                  "token_unit": "токендер массивінің элементтері"
                },
                "conditions": "Бос емес, біртекті пакет. Токендердің ID мәндері — теріс емес бүтін сандар.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options қабылданбайды",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "Әрбір вектордың индексін және өлшемін сақтаңыз.",
            "Модель атауының мультимодаль болуы осы нақты жолда кескін объектілерін қабылдауға рұқсат бермейді."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Токендердің базалық тарифтері",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Жылдам режим",
            "value": "Стандартты тариф",
            "when": "Жылдам режим таңдалғанда"
          },
          {
            "label": "Икемді режим",
            "value": "Стандартты тариф",
            "when": "flex режимі таңдалғанда"
          },
          {
            "label": "Ой қорытудың ең жоғары деңгейі",
            "value": "Стандартты тариф",
            "when": "Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда"
          }
        ],
        "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",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "liquid/lfm-2.5-embedding-350m:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "b273fd1e2c8b35c447a8ce7add04eecf2e5f296ee114bf80eff48c7a5292af56",
    "input_html_sha256": "6592a22017a266fb301ec1ef2dae646d06eb6932b163e084097732c647bb2970",
    "private_audit_sha256": "9f88a06428da4b7d7df562785a478747c813d7ce157e449be9aecdfdb21daa14",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/kk/liquid-lfm-2-5-embedding-350m-u003a-free/",
    "description": "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.",
    "locale": "kk",
    "md_url": "https://ailoot.ai/models/kk/liquid-lfm-2-5-embedding-350m-u003a-free/index.md",
    "title": "LiquidAI: LFM2.5-Embedding-350M (free) — Ailoot",
    "url": "https://ailoot.ai/models/kk/liquid-lfm-2-5-embedding-350m-u003a-free/"
  },
  "rawModel": {
    "about": "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.\n\n### Екі бағытты іздеу көрінісі\n\nӨндіруші 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.\n\nБөлек 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.\n\n### Дұрыс асимметриялық промпттарды қолданыңыз\n\nІздеу 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.\n\nПрактикалық 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.\n\n### Тілдер және үзінді көлемі\n\nҚұжатталған 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.\n\nҚұжат 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.\n\n### Оқыту және сәйкестендіру\n\nӨндіруші 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.\n\nӨндіруші 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.\n\nПайдалы 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.",
    "alias_of": null,
    "aliases": [],
    "author": "LiquidAI",
    "available": null,
    "canonical_model": "liquid/lfm-2.5-embedding-350m:free",
    "capabilities": {
      "context_length": 512,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "Конфигурация бағалары туралы толық ақпарат — егжей-тегжейлі мәліметтерде."
      }
    ],
    "ctx": 512,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "liquid/lfm-2.5-embedding-350m:free",
    "input": [
      "text",
      "token_ids"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Міндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате",
                "http_status": 400,
                "recovery": "Жаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Эмбеддинг тапсырмасы үшін жаңа эндпоинт енгізілмейді."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Әрбір векторды индексімен бірге сақтаңыз. Векторлар саны кіріс элементтерінің санына тең болуы керек; өлшемдері бірдей болуы керек.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "UTF8 байттары",
                  "token_unit": "токендер массивінің элементтері"
                },
                "conditions": "Бос емес, біртекті пакет. Токендердің ID мәндері — теріс емес бүтін сандар.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Дереккөз бұл JSON метадерек өрісіне рұқсат береді; бастапқы провайдердегі нақты мағынасы модельге байланысты.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options қабылданбайды",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "Әрбір вектордың индексін және өлшемін сақтаңыз.",
            "Модель атауының мультимодаль болуы осы нақты жолда кескін объектілерін қабылдауға рұқсат бермейді."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Токендердің базалық тарифтері",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Жылдам режим",
            "value": "Стандартты тариф",
            "when": "Жылдам режим таңдалғанда"
          },
          {
            "label": "Икемді режим",
            "value": "Стандартты тариф",
            "when": "flex режимі таңдалғанда"
          },
          {
            "label": "Ой қорытудың ең жоғары деңгейі",
            "value": "Стандартты тариф",
            "when": "Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда"
          }
        ],
        "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",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "liquid/lfm-2.5-embedding-350m:free",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      }
    ],
    "name": "LiquidAI: LFM2.5-Embedding-350M (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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"
          }
        ]
      }
    ],
    "public_id": "liquid/lfm-2.5-embedding-350m:free",
    "short": "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."
  },
  "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": "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.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "cb542298ba01c227ecb793086ff0c2658f4325e0035ccaf786baf9a411982239",
    "renderer_sha256": "def3bb6e69c8ddb72f88ec6540bbe55d0e503790f964d84073ecda781b13bedf"
  },
  "sourceRevision": "741b2aee82f8928084cc4cede2213a7e3a80d888f8c10589c21582f21b7ce6ab"
}