{
  "aboutHtml": "<p>Codestral Embed 2505 yra Mistral AI įterpinių modelis, specializuotas kodo paieškai. Jis gauna tekstą su šaltinio kodu arba natūraliosios kalbos užklausą apie kodą ir grąžina skaitinius vektorius. Gamintojas jį pristato kaip skirtą paieškai saugyklose, konteksto paieškai programavimo asistentams, panašumo ir dublikatų analizei bei kodo grupavimui pagal funkcionalumą ar struktūrą. Jo nekintamas leidimo identifikatorius yra codestral-embed-2505.</p><p>Įvestis ir reprezentacija</p><p>Kodo įvestis gali būti funkcija, susijęs šaltinio fragmentas arba kitas prasmingas saugyklos vienetas. Natūraliosios kalbos užklausa gali aprašyti ieškomą elgseną, užuot įvardijusi tikslų simbolį. Įterpinys šią įvestį atvaizduoja palyginimui; modelis negeneruoja naujos realizacijos ir nevykdo gaunamo kodo.</p><p>Oficialiame leidime dokumentuotas visas 8192 žetonų įvesties kontekstas. Paieškai gamintojas rekomenduoja maždaug 3000 ženklų ilgio fragmentus su 1000 ženklų persidengimu ir pažymi, kad didesni fragmentai gali pabloginti paiešką. Tai yra paruošimo paieškai rekomendacijos, o ne 3000 ženklų žetonų riba. Kiekvieną paruoštą poziciją išlaikykite susietą su failu, simboliu ir vieta šaltinyje, kad po paieškos programa galėtų grąžinti aktualų kodą.</p><p>Išvesties tikslumas ir matmenys</p><p>Kodo įterpinių vadove dokumentuoti išvesties tipai float, int8, uint8, binary ir ubinary. Float naudoja 32 bitų viengubo tikslumo reikšmes. Int8 naudoja 8 bitų sveikuosius skaičius su ženklu nuo -128 iki 127, o uint8 – 8 bitų reikšmes be ženklo nuo 0 iki 255. Binary ir ubinary saugo kvantuotas vieno bito reikšmes, supakuotas į 8 bitų elementus, atitinkamai naudodami talpyklas su ženklu arba be jo.</p><p>Bitiniu būdu supakuotų reikšmių reprezentacija pakeičia grąžinamo sąrašo ilgį: vadove aprašomas vienas supakuotas elementas kiekvieniems aštuoniems loginiams įterpinio matmenims. Todėl į formatą atsižvelgiantis palyginimas skiriasi nuo supakuotų baitų traktavimo kaip įprastų slankiojo kablelio koordinačių. Pasirinktą tipą išsaugokite kartu su vektoriumi ir indeksuojamam kodui bei jo užklausai naudokite tą pačią reprezentaciją.</p><p>Parametrų dokumentacijoje pateiktas numatytasis 1536 matmenų skaičius ir didžiausias – 3072. Matmenys surikiuoti pagal svarbą, o gamintojas aprašo pasirinkto skaičiaus pirmųjų matmenų išsaugojimą kaip būdą reprezentacijos dydžiui pasirinkti. Saugomai kolekcijai ir naujoms užklausoms matmenų skaičių rinkitės nuosekliai. Trumpesnė arba kvantuota reprezentacija pakeičia saugojimo ir palyginimo elgseną; ji nepadidina įvesties konteksto ir nepaverčia modelio kodo generatoriumi.</p><p>Programavimas pasitelkiant paiešką</p><p>Pirmasis leidime nurodytas naudojimo atvejis yra konteksto paieška kodo užbaigimui, redagavimui ar paaiškinimui. Paruoškite prasmingus kodo vienetus ir išsaugokite saugyklos versiją bei šaltinio identifikatorius. Klausimas apie konkrečios klaidos apdorojimą gali padėti rasti susijusias funkcijas, kurias programa tada pateikia programavimo modeliui kartu su tikruoju pakeitimo prašymu.</p><p>Praktinis rezultatas yra surikiuotas šaltinio kodo ištraukų rinkinys su failų keliais, simboliais ir turiniu, reikalingu jų elgsenai suprasti. Rastas ištraukas gali atverti programuotojas arba jas galima perduoti asistentui. Codestral Embed atlieka atvaizdavimo veiksmą; atskiras komponentas parenka rezultatus, o generavimo modelis, jei naudojamas, parašo paaiškinimą arba siūlomą kodą.</p><p>Semantinė paieška ir panašumas</p><p>Gamintojas aprašo kodo paiešką natūraliosios kalbos arba kodo užklausomis. Programuotojas gali prašyti tam tikros elgsenos realizacijos net tada, kai funkcijos pavadinimas skiriasi nuo prašymo formuluotės. Įtraukite elgseną ir sąlygas, išskiriančias numatytą realizaciją; bendra užklausa apie visą posistemį gali rasti susijusios medžiagos, bet neišspręsti konkretaus klausimo.</p><p>Leidime taip pat aprašoma beveik dubliuojamo ar funkciškai panašaus kodo paieška nepaisant leksinių skirtumų. Tokie rezultatai gali padėti rasti pakartotinai panaudojamą realizaciją arba nustatyti kodą, kurį reikia toliau peržiūrėti. Panašumas įterpinių erdvėje yra signalas patikrinti šaltinį; jis neįrodo, kad du fragmentai vienodai elgiasi su kiekviena įvestimi.</p><p>Grupavimas į klasterius, analitika ir palyginimas</p><p>Kodo įterpinius galima naudoti kodui grupuoti pagal funkcionalumą ar struktūrą ir saugyklos sudėčiai nagrinėti. Išlaikykite prieinamas originalias ištraukas ir identifikatorius, kad grupę galėtų interpretuoti žmogus arba vėlesnis programos veiksmas. Klasteris yra reprezentacija pagrįsta grupė, o ne automatiškai patikrintas architektūros aprašymas.</p><p>Gamintojo slankiojo kablelio vektorių pavyzdžiuose naudojami iki vienetinės normos normalizuoti įterpiniai, kuriems kosinuso panašumas, skaliarinė sandauga ir Euklido atstumas duoda suderintą rikiavimą. Kvantuotai ir bitiniu būdu supakuotai išvesčiai reikia išlaikyti jos formato apdorojimą, o ne perimti prielaidą apie paprastas slankiojo kablelio koordinates. Paskelbtas galinis taškas taip pat išsaugo įvesties indeksus ir taip padeda išlaikyti kiekvieno vektoriaus ryšį su jo šaltinio pozicija.</p><p>Versija ir praktinės ribos</p><p>Konkretaus modelio puslapyje nurodyti įterpinių ir paketinio apdorojimo procesai su 8k konteksto žyma, o leidime pateikta 8192 žetonų reikšmė. Visoje kolekcijos ir užklausų eigoje išsaugokite įvardytą 2505 versiją, pasirinktą išvesties matmenų skaičių ir tipą. Tai į kodą orientuota vektorinė išvestis, kuri skiriasi nuo Codestral teksto užbaigimo ir nuo fiksuoto matmenų skaičiaus Mistral Embed teksto modelio.</p><p>Paruoškite kodo vienetus, kuriuose yra aktuali elgsena, išsaugokite jų vietas šaltinyje ir suformuluokite klausimą paieškai. Naudingas rezultatas yra randamas atvaizdas, susietas su tikruoju kodu, padedantis atlikti kitą paaiškinimo, redagavimo ar programuotojo peržiūros veiksmą, bet pats jo neatliekantis.</p>",
  "aboutText": "Codestral Embed 2505 yra Mistral AI įterpinių modelis, specializuotas kodo paieškai. Jis gauna tekstą su šaltinio kodu arba natūraliosios kalbos užklausą apie kodą ir grąžina skaitinius vektorius. Gamintojas jį pristato kaip skirtą paieškai saugyklose, konteksto paieškai programavimo asistentams, panašumo ir dublikatų analizei bei kodo grupavimui pagal funkcionalumą ar struktūrą. Jo nekintamas leidimo identifikatorius yra codestral-embed-2505.\n\nĮvestis ir reprezentacija\n\nKodo įvestis gali būti funkcija, susijęs šaltinio fragmentas arba kitas prasmingas saugyklos vienetas. Natūraliosios kalbos užklausa gali aprašyti ieškomą elgseną, užuot įvardijusi tikslų simbolį. Įterpinys šią įvestį atvaizduoja palyginimui; modelis negeneruoja naujos realizacijos ir nevykdo gaunamo kodo.\n\nOficialiame leidime dokumentuotas visas 8192 žetonų įvesties kontekstas. Paieškai gamintojas rekomenduoja maždaug 3000 ženklų ilgio fragmentus su 1000 ženklų persidengimu ir pažymi, kad didesni fragmentai gali pabloginti paiešką. Tai yra paruošimo paieškai rekomendacijos, o ne 3000 ženklų žetonų riba. Kiekvieną paruoštą poziciją išlaikykite susietą su failu, simboliu ir vieta šaltinyje, kad po paieškos programa galėtų grąžinti aktualų kodą.\n\nIšvesties tikslumas ir matmenys\n\nKodo įterpinių vadove dokumentuoti išvesties tipai float, int8, uint8, binary ir ubinary. Float naudoja 32 bitų viengubo tikslumo reikšmes. Int8 naudoja 8 bitų sveikuosius skaičius su ženklu nuo -128 iki 127, o uint8 – 8 bitų reikšmes be ženklo nuo 0 iki 255. Binary ir ubinary saugo kvantuotas vieno bito reikšmes, supakuotas į 8 bitų elementus, atitinkamai naudodami talpyklas su ženklu arba be jo.\n\nBitiniu būdu supakuotų reikšmių reprezentacija pakeičia grąžinamo sąrašo ilgį: vadove aprašomas vienas supakuotas elementas kiekvieniems aštuoniems loginiams įterpinio matmenims. Todėl į formatą atsižvelgiantis palyginimas skiriasi nuo supakuotų baitų traktavimo kaip įprastų slankiojo kablelio koordinačių. Pasirinktą tipą išsaugokite kartu su vektoriumi ir indeksuojamam kodui bei jo užklausai naudokite tą pačią reprezentaciją.\n\nParametrų dokumentacijoje pateiktas numatytasis 1536 matmenų skaičius ir didžiausias – 3072. Matmenys surikiuoti pagal svarbą, o gamintojas aprašo pasirinkto skaičiaus pirmųjų matmenų išsaugojimą kaip būdą reprezentacijos dydžiui pasirinkti. Saugomai kolekcijai ir naujoms užklausoms matmenų skaičių rinkitės nuosekliai. Trumpesnė arba kvantuota reprezentacija pakeičia saugojimo ir palyginimo elgseną; ji nepadidina įvesties konteksto ir nepaverčia modelio kodo generatoriumi.\n\nProgramavimas pasitelkiant paiešką\n\nPirmasis leidime nurodytas naudojimo atvejis yra konteksto paieška kodo užbaigimui, redagavimui ar paaiškinimui. Paruoškite prasmingus kodo vienetus ir išsaugokite saugyklos versiją bei šaltinio identifikatorius. Klausimas apie konkrečios klaidos apdorojimą gali padėti rasti susijusias funkcijas, kurias programa tada pateikia programavimo modeliui kartu su tikruoju pakeitimo prašymu.\n\nPraktinis rezultatas yra surikiuotas šaltinio kodo ištraukų rinkinys su failų keliais, simboliais ir turiniu, reikalingu jų elgsenai suprasti. Rastas ištraukas gali atverti programuotojas arba jas galima perduoti asistentui. Codestral Embed atlieka atvaizdavimo veiksmą; atskiras komponentas parenka rezultatus, o generavimo modelis, jei naudojamas, parašo paaiškinimą arba siūlomą kodą.\n\nSemantinė paieška ir panašumas\n\nGamintojas aprašo kodo paiešką natūraliosios kalbos arba kodo užklausomis. Programuotojas gali prašyti tam tikros elgsenos realizacijos net tada, kai funkcijos pavadinimas skiriasi nuo prašymo formuluotės. Įtraukite elgseną ir sąlygas, išskiriančias numatytą realizaciją; bendra užklausa apie visą posistemį gali rasti susijusios medžiagos, bet neišspręsti konkretaus klausimo.\n\nLeidime taip pat aprašoma beveik dubliuojamo ar funkciškai panašaus kodo paieška nepaisant leksinių skirtumų. Tokie rezultatai gali padėti rasti pakartotinai panaudojamą realizaciją arba nustatyti kodą, kurį reikia toliau peržiūrėti. Panašumas įterpinių erdvėje yra signalas patikrinti šaltinį; jis neįrodo, kad du fragmentai vienodai elgiasi su kiekviena įvestimi.\n\nGrupavimas į klasterius, analitika ir palyginimas\n\nKodo įterpinius galima naudoti kodui grupuoti pagal funkcionalumą ar struktūrą ir saugyklos sudėčiai nagrinėti. Išlaikykite prieinamas originalias ištraukas ir identifikatorius, kad grupę galėtų interpretuoti žmogus arba vėlesnis programos veiksmas. Klasteris yra reprezentacija pagrįsta grupė, o ne automatiškai patikrintas architektūros aprašymas.\n\nGamintojo slankiojo kablelio vektorių pavyzdžiuose naudojami iki vienetinės normos normalizuoti įterpiniai, kuriems kosinuso panašumas, skaliarinė sandauga ir Euklido atstumas duoda suderintą rikiavimą. Kvantuotai ir bitiniu būdu supakuotai išvesčiai reikia išlaikyti jos formato apdorojimą, o ne perimti prielaidą apie paprastas slankiojo kablelio koordinates. Paskelbtas galinis taškas taip pat išsaugo įvesties indeksus ir taip padeda išlaikyti kiekvieno vektoriaus ryšį su jo šaltinio pozicija.\n\nVersija ir praktinės ribos\n\nKonkretaus modelio puslapyje nurodyti įterpinių ir paketinio apdorojimo procesai su 8k konteksto žyma, o leidime pateikta 8192 žetonų reikšmė. Visoje kolekcijos ir užklausų eigoje išsaugokite įvardytą 2505 versiją, pasirinktą išvesties matmenų skaičių ir tipą. Tai į kodą orientuota vektorinė išvestis, kuri skiriasi nuo Codestral teksto užbaigimo ir nuo fiksuoto matmenų skaičiaus Mistral Embed teksto modelio.\n\nParuoškite kodo vienetus, kuriuose yra aktuali elgsena, išsaugokite jų vietas šaltinyje ir suformuluokite klausimą paieškai. Naudingas rezultatas yra randamas atvaizdas, susietas su tikruoju kodu, padedantis atlikti kitą paaiškinimo, redagavimo ar programuotojo peržiūros veiksmą, bet pats jo neatliekantis.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "09c44b0f531951a71f518a1c4fafb11425980b5a4289221e5013282c9f0bb35e",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "lt",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Mistral: Codestral Embed 2505</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Uždaryti\">×</button></div><div class=\"idline\"><span>Mistral /</span><code>mistralai/codestral-embed-2505</code><button type=\"button\" id=\"copy-id\">Kopijuoti ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Modelio kortelės skyriai\"><button type=\"button\" data-card-jump=\"overview\">Pradžia</button><button type=\"button\" data-card-jump=\"methods\">Įvestys ir metodai</button><button type=\"button\" data-card-jump=\"pricing\">Planai</button><button type=\"button\" data-card-jump=\"examples\">Pavyzdžiai</button><button type=\"button\" data-card-jump=\"results\">Rezultatai</button><button type=\"button\" data-card-jump=\"aliases\">Pseudonimai</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API metodai\"><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|mistralai%2Fcodestral-embed-2505\">Įterpiniai</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\">Pradžia</h3><p class=\"mdesc-full\">Codestral Embed 2505 kodą ir natūraliosios kalbos užklausas atvaizduoja vektoriais, skirtais paieškai saugyklose ir programavimo asistentų informacijos paieškai. Gamintojas dokumentuoja 8192 žetonų kontekstą, konfigūruojamą matmenų skaičių iki 3072 ir slankiojo kablelio, sveikųjų skaičių arba bitiniu būdu supakuotų reikšmių išvesties formatus.</p><dl class=\"card-io\" data-card-io><div><dt>Leidžiamos įvestys</dt><dd>Tekstas · token_ids</dd></div><div><dt>Rezultatai</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Apie modelį</summary><p class=\"note-s\" data-model-method-boundary>Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.</p><div class=\"mabout\" id=\"m-about\"><p>Codestral Embed 2505 yra Mistral AI įterpinių modelis, specializuotas kodo paieškai. Jis gauna tekstą su šaltinio kodu arba natūraliosios kalbos užklausą apie kodą ir grąžina skaitinius vektorius. Gamintojas jį pristato kaip skirtą paieškai saugyklose, konteksto paieškai programavimo asistentams, panašumo ir dublikatų analizei bei kodo grupavimui pagal funkcionalumą ar struktūrą. Jo nekintamas leidimo identifikatorius yra codestral-embed-2505.</p><p>Įvestis ir reprezentacija</p><p>Kodo įvestis gali būti funkcija, susijęs šaltinio fragmentas arba kitas prasmingas saugyklos vienetas. Natūraliosios kalbos užklausa gali aprašyti ieškomą elgseną, užuot įvardijusi tikslų simbolį. Įterpinys šią įvestį atvaizduoja palyginimui; modelis negeneruoja naujos realizacijos ir nevykdo gaunamo kodo.</p><p>Oficialiame leidime dokumentuotas visas 8192 žetonų įvesties kontekstas. Paieškai gamintojas rekomenduoja maždaug 3000 ženklų ilgio fragmentus su 1000 ženklų persidengimu ir pažymi, kad didesni fragmentai gali pabloginti paiešką. Tai yra paruošimo paieškai rekomendacijos, o ne 3000 ženklų žetonų riba. Kiekvieną paruoštą poziciją išlaikykite susietą su failu, simboliu ir vieta šaltinyje, kad po paieškos programa galėtų grąžinti aktualų kodą.</p><p>Išvesties tikslumas ir matmenys</p><p>Kodo įterpinių vadove dokumentuoti išvesties tipai float, int8, uint8, binary ir ubinary. Float naudoja 32 bitų viengubo tikslumo reikšmes. Int8 naudoja 8 bitų sveikuosius skaičius su ženklu nuo -128 iki 127, o uint8 – 8 bitų reikšmes be ženklo nuo 0 iki 255. Binary ir ubinary saugo kvantuotas vieno bito reikšmes, supakuotas į 8 bitų elementus, atitinkamai naudodami talpyklas su ženklu arba be jo.</p><p>Bitiniu būdu supakuotų reikšmių reprezentacija pakeičia grąžinamo sąrašo ilgį: vadove aprašomas vienas supakuotas elementas kiekvieniems aštuoniems loginiams įterpinio matmenims. Todėl į formatą atsižvelgiantis palyginimas skiriasi nuo supakuotų baitų traktavimo kaip įprastų slankiojo kablelio koordinačių. Pasirinktą tipą išsaugokite kartu su vektoriumi ir indeksuojamam kodui bei jo užklausai naudokite tą pačią reprezentaciją.</p><p>Parametrų dokumentacijoje pateiktas numatytasis 1536 matmenų skaičius ir didžiausias – 3072. Matmenys surikiuoti pagal svarbą, o gamintojas aprašo pasirinkto skaičiaus pirmųjų matmenų išsaugojimą kaip būdą reprezentacijos dydžiui pasirinkti. Saugomai kolekcijai ir naujoms užklausoms matmenų skaičių rinkitės nuosekliai. Trumpesnė arba kvantuota reprezentacija pakeičia saugojimo ir palyginimo elgseną; ji nepadidina įvesties konteksto ir nepaverčia modelio kodo generatoriumi.</p><p>Programavimas pasitelkiant paiešką</p><p>Pirmasis leidime nurodytas naudojimo atvejis yra konteksto paieška kodo užbaigimui, redagavimui ar paaiškinimui. Paruoškite prasmingus kodo vienetus ir išsaugokite saugyklos versiją bei šaltinio identifikatorius. Klausimas apie konkrečios klaidos apdorojimą gali padėti rasti susijusias funkcijas, kurias programa tada pateikia programavimo modeliui kartu su tikruoju pakeitimo prašymu.</p><p>Praktinis rezultatas yra surikiuotas šaltinio kodo ištraukų rinkinys su failų keliais, simboliais ir turiniu, reikalingu jų elgsenai suprasti. Rastas ištraukas gali atverti programuotojas arba jas galima perduoti asistentui. Codestral Embed atlieka atvaizdavimo veiksmą; atskiras komponentas parenka rezultatus, o generavimo modelis, jei naudojamas, parašo paaiškinimą arba siūlomą kodą.</p><p>Semantinė paieška ir panašumas</p><p>Gamintojas aprašo kodo paiešką natūraliosios kalbos arba kodo užklausomis. Programuotojas gali prašyti tam tikros elgsenos realizacijos net tada, kai funkcijos pavadinimas skiriasi nuo prašymo formuluotės. Įtraukite elgseną ir sąlygas, išskiriančias numatytą realizaciją; bendra užklausa apie visą posistemį gali rasti susijusios medžiagos, bet neišspręsti konkretaus klausimo.</p><p>Leidime taip pat aprašoma beveik dubliuojamo ar funkciškai panašaus kodo paieška nepaisant leksinių skirtumų. Tokie rezultatai gali padėti rasti pakartotinai panaudojamą realizaciją arba nustatyti kodą, kurį reikia toliau peržiūrėti. Panašumas įterpinių erdvėje yra signalas patikrinti šaltinį; jis neįrodo, kad du fragmentai vienodai elgiasi su kiekviena įvestimi.</p><p>Grupavimas į klasterius, analitika ir palyginimas</p><p>Kodo įterpinius galima naudoti kodui grupuoti pagal funkcionalumą ar struktūrą ir saugyklos sudėčiai nagrinėti. Išlaikykite prieinamas originalias ištraukas ir identifikatorius, kad grupę galėtų interpretuoti žmogus arba vėlesnis programos veiksmas. Klasteris yra reprezentacija pagrįsta grupė, o ne automatiškai patikrintas architektūros aprašymas.</p><p>Gamintojo slankiojo kablelio vektorių pavyzdžiuose naudojami iki vienetinės normos normalizuoti įterpiniai, kuriems kosinuso panašumas, skaliarinė sandauga ir Euklido atstumas duoda suderintą rikiavimą. Kvantuotai ir bitiniu būdu supakuotai išvesčiai reikia išlaikyti jos formato apdorojimą, o ne perimti prielaidą apie paprastas slankiojo kablelio koordinates. Paskelbtas galinis taškas taip pat išsaugo įvesties indeksus ir taip padeda išlaikyti kiekvieno vektoriaus ryšį su jo šaltinio pozicija.</p><p>Versija ir praktinės ribos</p><p>Konkretaus modelio puslapyje nurodyti įterpinių ir paketinio apdorojimo procesai su 8k konteksto žyma, o leidime pateikta 8192 žetonų reikšmė. Visoje kolekcijos ir užklausų eigoje išsaugokite įvardytą 2505 versiją, pasirinktą išvesties matmenų skaičių ir tipą. Tai į kodą orientuota vektorinė išvestis, kuri skiriasi nuo Codestral teksto užbaigimo ir nuo fiksuoto matmenų skaičiaus Mistral Embed teksto modelio.</p><p>Paruoškite kodo vienetus, kuriuose yra aktuali elgsena, išsaugokite jų vietas šaltinyje ir suformuluokite klausimą paieškai. Naudingas rezultatas yra randamas atvaizdas, susietas su tikruoju kodu, padedantis atlikti kitą paaiškinimo, redagavimo ar programuotojo peržiūros veiksmą, bet pats jo neatliekantis.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Prieinama Ailoot · įvestys ir metodai</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Įterpiniai</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Įvestis</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>Išvestis</dt><dd><code>embedding</code></dd></div><div><dt>Kontekstas</dt><dd>8 192 tokens</dd></div><div><dt>Išvesties formatas</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Laukas</th><th>Tipas</th><th>Reikalavimas</th><th>Reikšmės ir ribos</th><th>Numatyta</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>string</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Privaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>mistralai/codestral-embed-2505</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Privaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Mažiausias elementų skaičius: 1</div><div>Sąlygos: Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai.</div><div>Įvesties biudžetas: Didžiausia reikšmė: 8 192 · Teksto vienetas: UTF8 baitai · Tokenų vienetas: žetonų masyvo elementai</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>string</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>float</div></td><td data-cell-label=\"Numatyta\" data-default=\"known\"><span class=\"card-cell-label\">Numatyta</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>integer</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Nepalaikoma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Mažiausia reikšmė: 1</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>json_value</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>json_value</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>json_value</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span><code>object</code></td><td data-cell-label=\"Reikalavimas\"><span class=\"card-cell-label\">Reikalavimas</span>Neprivaloma</td><td data-cell-label=\"Reikšmės ir ribos\"><span class=\"card-cell-label\">Reikšmės ir ribos</span><div>Sąlygos: provider.options atmetamas</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Įvesties medžiagos deriniai</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Metodo parametrai ir gyvavimo ciklas</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametras</th><th>Specifikacija</th></tr></thead><tbody><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>content_type</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>application/json</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>required</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>model, input</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>input_shapes</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>encoding_format</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>float</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>dimensions_override</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>false</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>max_input_budget_units</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>8192</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>multimodal_objects</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>false</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>material_types</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>text, token_ids</td></tr></tbody></table></div><p>Gyvavimo ciklas: <code>synchronous_json</code></p><p class=\"note-s\">Išsaugokite kiekvieną vektoriaus indeksą ir matmenį.</p><p class=\"note-s\">Tai, kad modelio pavadinimas nurodo multimodalumą, nereiškia, jog šiuo konkrečiu keliu priimami vaizdų objektai.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Planai</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.</p><dl data-price-conditions><dt>Spartusis režimas</dt><dd>Standartinis įkainis <span class=\"note-s\">Pasirinkus spartųjį režimą</span></dd><dt>Flex režimas</dt><dd>Standartinis įkainis <span class=\"note-s\">Pasirinkus flex režimą</span></dd><dt>Didžiausios samprotavimo pastangos</dt><dd>Standartinis įkainis <span class=\"note-s\">Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot įkainiai</h4><h4>Kainos pagal konfigūraciją</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigūracija</th><th>Įkainių lentelė</th><th>Mokestis</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigūracija\" scope=\"row\"><span class=\"card-cell-label\">Konfigūracija</span>Baziniai žetonų įkainiai</th><td data-cell-label=\"Įkainių lentelė\"><span class=\"card-cell-label\">Įkainių lentelė</span>Bazinis įkainis</td><td data-cell-label=\"Mokestis\"><span class=\"card-cell-label\">Mokestis</span><div><span>Įvestis · Įvesties tokenai</span> <b>$0.0003</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Išvestis · Išvesties tokenai</span> <b>$0</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Talpyklos skaitymas</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą, 1 val</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. <a href=\"/docs/lt/billing/reserve/\">Kaip veikia rezervavimas ir atsiskaitymas →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Užklausų pavyzdžiai</h3><h4>Ailoot Ultra · Įterpiniai</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Kodo variantai\"><button class=\"cg-tab\" id=\"model-code-1892-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1892-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-1892-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1892-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=\"Kopijuoti kodą\"><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-1892-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1892-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;mistralai/codestral-embed-2505&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-1892-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1892-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;mistralai/codestral-embed-2505&#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\">Gauti ir išsaugoti rezultatus</h3><h4>Ailoot Ultra · Įterpiniai</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Išsaugoti visus baigtus rezultatus</h5><p class=\"note-s\">Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.</p><p class=\"note-s\">Išsaugokite kiekvieną vektorių su jo indeksu. Vektorių skaičius turi sutapti su įvesčių skaičiumi; jų matmenų skaičius turi būti vienodas.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jei reikia patikrinti pradinį atsakymą</h5><p class=\"note-s\">Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas.</p></div><details class=\"card-about\" data-output-fields><summary>Atsakymo laukai</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Laukas</th><th>Tipas</th></tr></thead><tbody><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>string</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>string</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>integer</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>finite float[]</td></tr><tr><th data-cell-label=\"Laukas\" scope=\"row\"><span class=\"card-cell-label\">Laukas</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Tipas\" data-field-type><span class=\"card-cell-label\">Tipas</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Klaidos ir tolesni veiksmai</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Atsakymas</th><th>Sąlyga</th><th>Kitas žingsnis</th></tr></thead><tbody><tr><th data-cell-label=\"Atsakymas\" scope=\"row\"><span class=\"card-cell-label\">Atsakymas</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Sąlyga\"><span class=\"card-cell-label\">Sąlyga</span>Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė</td><td data-cell-label=\"Kitas žingsnis\"><span class=\"card-cell-label\">Kitas žingsnis</span>Prieš naują kūrimo užklausą pataisykite nurodytus laukus.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Pseudonimai</h3><h4>Modelių pseudonimai</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=mistralai%2Fcodestral-embed-2505&amp;route=Ultra&amp;caller=mistralai%2Fcodestral-embed-2505&amp;fmt=embeddings\"><code>mistralai/codestral-embed-2505</code></a></span></p><h4>Metodų kelių pseudonimai</h4><p class=\"note-s\">Naudokite aukščiau nurodytus metodų kelius.</p><h4>Susiję ID iškvietimui</h4><p class=\"note-s\"><a href=\"#m=mistralai%2Fcodestral-embed-2505&amp;route=Ultra&amp;caller=mistralai%2Fcodestral-embed-2505&amp;fmt=embeddings\"><code>mistralai/codestral-embed-2505</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "mistralai/codestral-embed-2505",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "mistralai/codestral-embed-2505",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|mistralai%2Fcodestral-embed-2505",
      "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": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė",
                "http_status": 400,
                "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas."
            },
            "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": "Išsaugokite kiekvieną vektorių su jo indeksu. Vektorių skaičius turi sutapti su įvesčių skaičiumi; jų matmenų skaičius turi būti vienodas.",
              "default_dimensions": null,
              "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": [
                  "mistralai/codestral-embed-2505"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 8192,
                  "text_unit": "UTF8 baitai",
                  "token_unit": "žetonų masyvo elementai"
                },
                "conditions": "Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai.",
                "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": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options atmetamas",
                "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": [
            "Išsaugokite kiekvieną vektoriaus indeksą ir matmenį.",
            "Tai, kad modelio pavadinimas nurodo multimodalumą, nereiškia, jog šiuo konkrečiu keliu priimami vaizdų objektai."
          ],
          "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": 8192,
            "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": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Baziniai žetonų įkainiai",
            "units": [
              {
                "amount": "0.0003000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000003",
                "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\": \"mistralai/codestral-embed-2505\", \"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='mistralai/codestral-embed-2505',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": 0.3,
        "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": "Spartusis režimas",
            "value": "Standartinis įkainis",
            "when": "Pasirinkus spartųjį režimą"
          },
          {
            "label": "Flex režimas",
            "value": "Standartinis įkainis",
            "when": "Pasirinkus flex režimą"
          },
          {
            "label": "Didžiausios samprotavimo pastangos",
            "value": "Standartinis įkainis",
            "when": "Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)"
          }
        ],
        "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": "0.0003000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000003",
                "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": "mistralai/codestral-embed-2505",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0003000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000003",
            "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": "mistralai/codestral-embed-2505",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "ac6d87afc0a6764556b887d2d94f2fe67e690706691c573ee042a1f0bd8b236a",
    "input_html_sha256": "66afffc85c76b67fe17a6d4838a4f3b8bf54b30353626976add709ad5cbc32cf",
    "private_audit_sha256": "644603260f730195a1ab668a28d7dc3dff9562712b0c59410e207f7b81070b65",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/lt/mistralai-codestral-embed-2505/",
    "description": "Codestral Embed 2505 kodą ir natūraliosios kalbos užklausas atvaizduoja vektoriais, skirtais paieškai saugyklose ir programavimo asistentų informacijos paieškai. Gamintojas dokumentuoja 8192 žetonų kontekstą, konfigūruojamą matmenų skaičių iki 3072 ir slankiojo kablelio, sveikųjų skaičių arba bitiniu būdu supakuotų reikšmių išvesties formatus.",
    "locale": "lt",
    "md_url": "https://ailoot.ai/models/lt/mistralai-codestral-embed-2505/index.md",
    "title": "Mistral: Codestral Embed 2505 — Ailoot",
    "url": "https://ailoot.ai/models/lt/mistralai-codestral-embed-2505/"
  },
  "rawModel": {
    "about": "Codestral Embed 2505 yra Mistral AI įterpinių modelis, specializuotas kodo paieškai. Jis gauna tekstą su šaltinio kodu arba natūraliosios kalbos užklausą apie kodą ir grąžina skaitinius vektorius. Gamintojas jį pristato kaip skirtą paieškai saugyklose, konteksto paieškai programavimo asistentams, panašumo ir dublikatų analizei bei kodo grupavimui pagal funkcionalumą ar struktūrą. Jo nekintamas leidimo identifikatorius yra codestral-embed-2505.\n\nĮvestis ir reprezentacija\n\nKodo įvestis gali būti funkcija, susijęs šaltinio fragmentas arba kitas prasmingas saugyklos vienetas. Natūraliosios kalbos užklausa gali aprašyti ieškomą elgseną, užuot įvardijusi tikslų simbolį. Įterpinys šią įvestį atvaizduoja palyginimui; modelis negeneruoja naujos realizacijos ir nevykdo gaunamo kodo.\n\nOficialiame leidime dokumentuotas visas 8192 žetonų įvesties kontekstas. Paieškai gamintojas rekomenduoja maždaug 3000 ženklų ilgio fragmentus su 1000 ženklų persidengimu ir pažymi, kad didesni fragmentai gali pabloginti paiešką. Tai yra paruošimo paieškai rekomendacijos, o ne 3000 ženklų žetonų riba. Kiekvieną paruoštą poziciją išlaikykite susietą su failu, simboliu ir vieta šaltinyje, kad po paieškos programa galėtų grąžinti aktualų kodą.\n\nIšvesties tikslumas ir matmenys\n\nKodo įterpinių vadove dokumentuoti išvesties tipai float, int8, uint8, binary ir ubinary. Float naudoja 32 bitų viengubo tikslumo reikšmes. Int8 naudoja 8 bitų sveikuosius skaičius su ženklu nuo -128 iki 127, o uint8 – 8 bitų reikšmes be ženklo nuo 0 iki 255. Binary ir ubinary saugo kvantuotas vieno bito reikšmes, supakuotas į 8 bitų elementus, atitinkamai naudodami talpyklas su ženklu arba be jo.\n\nBitiniu būdu supakuotų reikšmių reprezentacija pakeičia grąžinamo sąrašo ilgį: vadove aprašomas vienas supakuotas elementas kiekvieniems aštuoniems loginiams įterpinio matmenims. Todėl į formatą atsižvelgiantis palyginimas skiriasi nuo supakuotų baitų traktavimo kaip įprastų slankiojo kablelio koordinačių. Pasirinktą tipą išsaugokite kartu su vektoriumi ir indeksuojamam kodui bei jo užklausai naudokite tą pačią reprezentaciją.\n\nParametrų dokumentacijoje pateiktas numatytasis 1536 matmenų skaičius ir didžiausias – 3072. Matmenys surikiuoti pagal svarbą, o gamintojas aprašo pasirinkto skaičiaus pirmųjų matmenų išsaugojimą kaip būdą reprezentacijos dydžiui pasirinkti. Saugomai kolekcijai ir naujoms užklausoms matmenų skaičių rinkitės nuosekliai. Trumpesnė arba kvantuota reprezentacija pakeičia saugojimo ir palyginimo elgseną; ji nepadidina įvesties konteksto ir nepaverčia modelio kodo generatoriumi.\n\nProgramavimas pasitelkiant paiešką\n\nPirmasis leidime nurodytas naudojimo atvejis yra konteksto paieška kodo užbaigimui, redagavimui ar paaiškinimui. Paruoškite prasmingus kodo vienetus ir išsaugokite saugyklos versiją bei šaltinio identifikatorius. Klausimas apie konkrečios klaidos apdorojimą gali padėti rasti susijusias funkcijas, kurias programa tada pateikia programavimo modeliui kartu su tikruoju pakeitimo prašymu.\n\nPraktinis rezultatas yra surikiuotas šaltinio kodo ištraukų rinkinys su failų keliais, simboliais ir turiniu, reikalingu jų elgsenai suprasti. Rastas ištraukas gali atverti programuotojas arba jas galima perduoti asistentui. Codestral Embed atlieka atvaizdavimo veiksmą; atskiras komponentas parenka rezultatus, o generavimo modelis, jei naudojamas, parašo paaiškinimą arba siūlomą kodą.\n\nSemantinė paieška ir panašumas\n\nGamintojas aprašo kodo paiešką natūraliosios kalbos arba kodo užklausomis. Programuotojas gali prašyti tam tikros elgsenos realizacijos net tada, kai funkcijos pavadinimas skiriasi nuo prašymo formuluotės. Įtraukite elgseną ir sąlygas, išskiriančias numatytą realizaciją; bendra užklausa apie visą posistemį gali rasti susijusios medžiagos, bet neišspręsti konkretaus klausimo.\n\nLeidime taip pat aprašoma beveik dubliuojamo ar funkciškai panašaus kodo paieška nepaisant leksinių skirtumų. Tokie rezultatai gali padėti rasti pakartotinai panaudojamą realizaciją arba nustatyti kodą, kurį reikia toliau peržiūrėti. Panašumas įterpinių erdvėje yra signalas patikrinti šaltinį; jis neįrodo, kad du fragmentai vienodai elgiasi su kiekviena įvestimi.\n\nGrupavimas į klasterius, analitika ir palyginimas\n\nKodo įterpinius galima naudoti kodui grupuoti pagal funkcionalumą ar struktūrą ir saugyklos sudėčiai nagrinėti. Išlaikykite prieinamas originalias ištraukas ir identifikatorius, kad grupę galėtų interpretuoti žmogus arba vėlesnis programos veiksmas. Klasteris yra reprezentacija pagrįsta grupė, o ne automatiškai patikrintas architektūros aprašymas.\n\nGamintojo slankiojo kablelio vektorių pavyzdžiuose naudojami iki vienetinės normos normalizuoti įterpiniai, kuriems kosinuso panašumas, skaliarinė sandauga ir Euklido atstumas duoda suderintą rikiavimą. Kvantuotai ir bitiniu būdu supakuotai išvesčiai reikia išlaikyti jos formato apdorojimą, o ne perimti prielaidą apie paprastas slankiojo kablelio koordinates. Paskelbtas galinis taškas taip pat išsaugo įvesties indeksus ir taip padeda išlaikyti kiekvieno vektoriaus ryšį su jo šaltinio pozicija.\n\nVersija ir praktinės ribos\n\nKonkretaus modelio puslapyje nurodyti įterpinių ir paketinio apdorojimo procesai su 8k konteksto žyma, o leidime pateikta 8192 žetonų reikšmė. Visoje kolekcijos ir užklausų eigoje išsaugokite įvardytą 2505 versiją, pasirinktą išvesties matmenų skaičių ir tipą. Tai į kodą orientuota vektorinė išvestis, kuri skiriasi nuo Codestral teksto užbaigimo ir nuo fiksuoto matmenų skaičiaus Mistral Embed teksto modelio.\n\nParuoškite kodo vienetus, kuriuose yra aktuali elgsena, išsaugokite jų vietas šaltinyje ir suformuluokite klausimą paieškai. Naudingas rezultatas yra randamas atvaizdas, susietas su tikruoju kodu, padedantis atlikti kitą paaiškinimo, redagavimo ar programuotojo peržiūros veiksmą, bet pats jo neatliekantis.",
    "alias_of": null,
    "aliases": [],
    "author": "Mistral",
    "available": null,
    "canonical_model": "mistralai/codestral-embed-2505",
    "capabilities": {
      "context_length": 8192,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0003000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000003",
            "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": "Visa konfigūracijos kainodara pateikta išsamioje informacijoje."
      }
    ],
    "ctx": 8192,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "mistralai/codestral-embed-2505",
    "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": "Netinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė",
                "http_status": 400,
                "recovery": "Prieš naują kūrimo užklausą pataisykite nurodytus laukus.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas."
            },
            "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": "Išsaugokite kiekvieną vektorių su jo indeksu. Vektorių skaičius turi sutapti su įvesčių skaičiumi; jų matmenų skaičius turi būti vienodas.",
              "default_dimensions": null,
              "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": [
                  "mistralai/codestral-embed-2505"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 8192,
                  "text_unit": "UTF8 baitai",
                  "token_unit": "žetonų masyvo elementai"
                },
                "conditions": "Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai.",
                "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": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options atmetamas",
                "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": [
            "Išsaugokite kiekvieną vektoriaus indeksą ir matmenį.",
            "Tai, kad modelio pavadinimas nurodo multimodalumą, nereiškia, jog šiuo konkrečiu keliu priimami vaizdų objektai."
          ],
          "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": 8192,
            "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": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Baziniai žetonų įkainiai",
            "units": [
              {
                "amount": "0.0003000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000003",
                "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\": \"mistralai/codestral-embed-2505\", \"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='mistralai/codestral-embed-2505',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": 0.3,
        "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": "Spartusis režimas",
            "value": "Standartinis įkainis",
            "when": "Pasirinkus spartųjį režimą"
          },
          {
            "label": "Flex režimas",
            "value": "Standartinis įkainis",
            "when": "Pasirinkus flex režimą"
          },
          {
            "label": "Didžiausios samprotavimo pastangos",
            "value": "Standartinis įkainis",
            "when": "Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)"
          }
        ],
        "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": "0.0003000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000003",
                "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": "mistralai/codestral-embed-2505",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0003000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000003",
            "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": "mistralai/codestral-embed-2505",
        "request_model_id": "mistralai/codestral-embed-2505",
        "route_label": "Ultra"
      }
    ],
    "name": "Mistral: Codestral Embed 2505",
    "price": {
      "in": 0.3,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.3,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0.0003000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000003",
            "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": "mistralai/codestral-embed-2505",
    "short": "Codestral Embed 2505 kodą ir natūraliosios kalbos užklausas atvaizduoja vektoriais, skirtais paieškai saugyklose ir programavimo asistentų informacijos paieškai. Gamintojas dokumentuoja 8192 žetonų kontekstą, konfigūruojamą matmenų skaičių iki 3072 ir slankiojo kablelio, sveikųjų skaičių arba bitiniu būdu supakuotų reikšmių išvesties formatus."
  },
  "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": "Codestral Embed 2505 kodą ir natūraliosios kalbos užklausas atvaizduoja vektoriais, skirtais paieškai saugyklose ir programavimo asistentų informacijos paieškai. Gamintojas dokumentuoja 8192 žetonų kontekstą, konfigūruojamą matmenų skaičių iki 3072 ir slankiojo kablelio, sveikųjų skaičių arba bitiniu būdu supakuotų reikšmių išvesties formatus.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "484063f41cdfcb0c122ecf71083f97c6e225e265e8320119758fa52b873eddc0",
    "renderer_sha256": "57bd2f8a61f57d341aae369006eca818e3eea645ec43af488ec7b2289eeca772"
  },
  "sourceRevision": "34f20a6527a40f6e1ec1fbd9bbba46088d7456bccd032453244fee2135d473f4"
}