{
  "aboutHtml": "<p>Voyage 3 Large yra teksto įterpinių modelis, skirtas aktualiai informacijai dokumentų rinkinyje rasti. Kiekvieną pateiktą tekstą jis atvaizduoja skaitiniu vektoriumi, todėl programa gali palyginti paieškos užklausą su ištraukomis, kurių formuluotės skiriasi, bet prasmė yra artima. Voyage AI šią versiją pristato kaip bendrosios paskirties ir daugiakalbės paieškos modelį, tinkamą techninei dokumentacijai, pokalbiams ir ilgiems dokumentams.</p><p>Paieškos rinkinį sudarykite iš informacijos, kurią žmonėms iš tiesų reikia rasti. Produkto žinių bazėje funkcijos paaiškinimą išsaugokite kartu su jos naudojimo sąlygomis ir aktualiomis išimtimis. Susitikimų įrašuose palikite kalbėtojų žymas ir pakankamai aplinkinės diskusijos, kad tema būtų suprantama. Didelį šaltinį skaidykite ties prasmingomis ribomis, o su kiekvienu vektoriumi išsaugokite šaltinio pavadinimą, dokumento identifikatorių ir ištraukos vietą.</p><p>Paieškos klausimą paruoškite kaip užklausą, o indeksuojamą medžiagą — kaip dokumentus. Gamintojo teksto įterpinių darbo eigoje įvesties tipas nurodo teksto vaidmenį paieškoje. Tokią užklausą kaip „Kaip narys gali atkurti prieigą praradęs saugos raktą?“ galima palyginti su pagalbos ištraukomis, aprašančiomis atkūrimo procedūrą, net jei jos suformuluotos kitaip. Išsaugokite originalią ištrauką, kad paieškos rezultatas galėtų parodyti atitiktį pagrindžiančią informaciją.</p><p>Modelio konteksto langas yra 32 000 žetonų. Ilga įvestis gali išsaugoti visą skyrių, tačiau visas dokumentas ne visada yra naudingiausias paieškos vienetas. Apibendrintas vektorius gali nurodyti tinkamą failą, bet tikslų atsakymą skaitytojui dar teks rasti. Ištraukų ribas parinkite pagal norimą rodyti rezultatą, o antraštes, sąlygas ir apibrėžimus išlaikykite kartu su jų aiškinamu turiniu.</p><p>Voyage 3 Large palaiko 2 048, 1 024, 512 arba 256 matmenų vektorius. Gamintojas taip pat dokumentuoja slankiojo kablelio, aštuonių bitų su ženklu ar be ženklo ir dvejetaines reprezentacijas. Šie pasirinkimai leidžia palyginti vektoriaus detalumą su indekso dydžiu ir paieškos veikimu. Pasirinkite numatytos vektorių saugyklos palaikomą formatą ir išbandykite jį su tikru tekstų rinkiniu bei būdingais klausimais prieš nustatydami naudojamo indekso parametrus.</p><p>Daugiakalbei paieškai parenkite bandomųjų klausimų vartotojų naudojamomis kalbomis ir patikrinkite rastas šaltinių ištraukas originalo kalba. Bendra paieškos sąsaja gali aptarnauti kelių kalbų rinkinius, o dokumentų metaduomenys vis tiek nurodo šaltinio kalbinį variantą ir versiją. Išgaudami tekstą išsaugokite prasmingus vardus, santrumpas ir srities terminus, užuot prieš įterpinių kūrimą juos pakeitę bendrine santrauka.</p><p>Vektorius naudokite ištraukoms kandidatėms atrinkti paieškos puslapyje, žinių asistente arba dokumentų parinkimo etape. Indeksuotam rinkiniui ir jo užklausoms naudokite tą patį modelį bei vektorių parametrus. Keisdami įterpinių modelį ar vektorių matmenų skaičių, tikslingai iš naujo sukurkite atitinkamą indeksą ir palyginkite rezultatus; vien vektoriaus ilgis neatskleidžia, kaip jis buvo sukurtas.</p><p>Rezultatą vertinkite pagal paieškos naudą: ar pasirodo tinkama ištrauka, ar artimos, bet klaidinančios ištraukos reitinguojamos aukščiau ir ar rodomoje ištraukoje yra atsakymas. Išsaugokite nedidelį tikrų klausimų rinkinį su numatytais šaltiniais, įskaitant dviprasmiškas formuluotes ir beveik vienodus dokumentus. Įterpinys suteikia paieškai skirtą reprezentaciją, o programa išsaugo šaltinio tekstą, prieigos teises ir nuorodas, reikalingas atitikčiai paversti naudingu rezultatu.</p>",
  "aboutText": "Voyage 3 Large yra teksto įterpinių modelis, skirtas aktualiai informacijai dokumentų rinkinyje rasti. Kiekvieną pateiktą tekstą jis atvaizduoja skaitiniu vektoriumi, todėl programa gali palyginti paieškos užklausą su ištraukomis, kurių formuluotės skiriasi, bet prasmė yra artima. Voyage AI šią versiją pristato kaip bendrosios paskirties ir daugiakalbės paieškos modelį, tinkamą techninei dokumentacijai, pokalbiams ir ilgiems dokumentams.\n\nPaieškos rinkinį sudarykite iš informacijos, kurią žmonėms iš tiesų reikia rasti. Produkto žinių bazėje funkcijos paaiškinimą išsaugokite kartu su jos naudojimo sąlygomis ir aktualiomis išimtimis. Susitikimų įrašuose palikite kalbėtojų žymas ir pakankamai aplinkinės diskusijos, kad tema būtų suprantama. Didelį šaltinį skaidykite ties prasmingomis ribomis, o su kiekvienu vektoriumi išsaugokite šaltinio pavadinimą, dokumento identifikatorių ir ištraukos vietą.\n\nPaieškos klausimą paruoškite kaip užklausą, o indeksuojamą medžiagą — kaip dokumentus. Gamintojo teksto įterpinių darbo eigoje įvesties tipas nurodo teksto vaidmenį paieškoje. Tokią užklausą kaip „Kaip narys gali atkurti prieigą praradęs saugos raktą?“ galima palyginti su pagalbos ištraukomis, aprašančiomis atkūrimo procedūrą, net jei jos suformuluotos kitaip. Išsaugokite originalią ištrauką, kad paieškos rezultatas galėtų parodyti atitiktį pagrindžiančią informaciją.\n\nModelio konteksto langas yra 32 000 žetonų. Ilga įvestis gali išsaugoti visą skyrių, tačiau visas dokumentas ne visada yra naudingiausias paieškos vienetas. Apibendrintas vektorius gali nurodyti tinkamą failą, bet tikslų atsakymą skaitytojui dar teks rasti. Ištraukų ribas parinkite pagal norimą rodyti rezultatą, o antraštes, sąlygas ir apibrėžimus išlaikykite kartu su jų aiškinamu turiniu.\n\nVoyage 3 Large palaiko 2 048, 1 024, 512 arba 256 matmenų vektorius. Gamintojas taip pat dokumentuoja slankiojo kablelio, aštuonių bitų su ženklu ar be ženklo ir dvejetaines reprezentacijas. Šie pasirinkimai leidžia palyginti vektoriaus detalumą su indekso dydžiu ir paieškos veikimu. Pasirinkite numatytos vektorių saugyklos palaikomą formatą ir išbandykite jį su tikru tekstų rinkiniu bei būdingais klausimais prieš nustatydami naudojamo indekso parametrus.\n\nDaugiakalbei paieškai parenkite bandomųjų klausimų vartotojų naudojamomis kalbomis ir patikrinkite rastas šaltinių ištraukas originalo kalba. Bendra paieškos sąsaja gali aptarnauti kelių kalbų rinkinius, o dokumentų metaduomenys vis tiek nurodo šaltinio kalbinį variantą ir versiją. Išgaudami tekstą išsaugokite prasmingus vardus, santrumpas ir srities terminus, užuot prieš įterpinių kūrimą juos pakeitę bendrine santrauka.\n\nVektorius naudokite ištraukoms kandidatėms atrinkti paieškos puslapyje, žinių asistente arba dokumentų parinkimo etape. Indeksuotam rinkiniui ir jo užklausoms naudokite tą patį modelį bei vektorių parametrus. Keisdami įterpinių modelį ar vektorių matmenų skaičių, tikslingai iš naujo sukurkite atitinkamą indeksą ir palyginkite rezultatus; vien vektoriaus ilgis neatskleidžia, kaip jis buvo sukurtas.\n\nRezultatą vertinkite pagal paieškos naudą: ar pasirodo tinkama ištrauka, ar artimos, bet klaidinančios ištraukos reitinguojamos aukščiau ir ar rodomoje ištraukoje yra atsakymas. Išsaugokite nedidelį tikrų klausimų rinkinį su numatytais šaltiniais, įskaitant dviprasmiškas formuluotes ir beveik vienodus dokumentus. Įterpinys suteikia paieškai skirtą reprezentaciją, o programa išsaugo šaltinio tekstą, prieigos teises ir nuorodas, reikalingas atitikčiai paversti naudingu rezultatu.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "3c9b9f1ba20e15af4de395e630dd44da30fef80a6a9df6abd9fd5ad3aa29af78",
    "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\">Voyage AI: Voyage 3 Large</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Uždaryti\">×</button></div><div class=\"idline\"><span>Voyage AI /</span><code>voyage-3-large</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|voyage-3-large\">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\">Voyage 3 Large paverčia tekstą vektoriais, skirtais bendrosios paskirties ir daugiakalbei paieškai. 32 000 žetonų įvesties langas, pasirenkamas vektorių matmenų skaičius ir kvantizuoti formatai padeda kurti paiešką žinių bazėse, rasti dokumentus ir taikyti paieška papildytą generavimą.</p><dl class=\"card-io\" data-card-io><div><dt>Leidžiamos įvestys</dt><dd>Tekstas</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>Voyage 3 Large yra teksto įterpinių modelis, skirtas aktualiai informacijai dokumentų rinkinyje rasti. Kiekvieną pateiktą tekstą jis atvaizduoja skaitiniu vektoriumi, todėl programa gali palyginti paieškos užklausą su ištraukomis, kurių formuluotės skiriasi, bet prasmė yra artima. Voyage AI šią versiją pristato kaip bendrosios paskirties ir daugiakalbės paieškos modelį, tinkamą techninei dokumentacijai, pokalbiams ir ilgiems dokumentams.</p><p>Paieškos rinkinį sudarykite iš informacijos, kurią žmonėms iš tiesų reikia rasti. Produkto žinių bazėje funkcijos paaiškinimą išsaugokite kartu su jos naudojimo sąlygomis ir aktualiomis išimtimis. Susitikimų įrašuose palikite kalbėtojų žymas ir pakankamai aplinkinės diskusijos, kad tema būtų suprantama. Didelį šaltinį skaidykite ties prasmingomis ribomis, o su kiekvienu vektoriumi išsaugokite šaltinio pavadinimą, dokumento identifikatorių ir ištraukos vietą.</p><p>Paieškos klausimą paruoškite kaip užklausą, o indeksuojamą medžiagą — kaip dokumentus. Gamintojo teksto įterpinių darbo eigoje įvesties tipas nurodo teksto vaidmenį paieškoje. Tokią užklausą kaip „Kaip narys gali atkurti prieigą praradęs saugos raktą?“ galima palyginti su pagalbos ištraukomis, aprašančiomis atkūrimo procedūrą, net jei jos suformuluotos kitaip. Išsaugokite originalią ištrauką, kad paieškos rezultatas galėtų parodyti atitiktį pagrindžiančią informaciją.</p><p>Modelio konteksto langas yra 32 000 žetonų. Ilga įvestis gali išsaugoti visą skyrių, tačiau visas dokumentas ne visada yra naudingiausias paieškos vienetas. Apibendrintas vektorius gali nurodyti tinkamą failą, bet tikslų atsakymą skaitytojui dar teks rasti. Ištraukų ribas parinkite pagal norimą rodyti rezultatą, o antraštes, sąlygas ir apibrėžimus išlaikykite kartu su jų aiškinamu turiniu.</p><p>Voyage 3 Large palaiko 2 048, 1 024, 512 arba 256 matmenų vektorius. Gamintojas taip pat dokumentuoja slankiojo kablelio, aštuonių bitų su ženklu ar be ženklo ir dvejetaines reprezentacijas. Šie pasirinkimai leidžia palyginti vektoriaus detalumą su indekso dydžiu ir paieškos veikimu. Pasirinkite numatytos vektorių saugyklos palaikomą formatą ir išbandykite jį su tikru tekstų rinkiniu bei būdingais klausimais prieš nustatydami naudojamo indekso parametrus.</p><p>Daugiakalbei paieškai parenkite bandomųjų klausimų vartotojų naudojamomis kalbomis ir patikrinkite rastas šaltinių ištraukas originalo kalba. Bendra paieškos sąsaja gali aptarnauti kelių kalbų rinkinius, o dokumentų metaduomenys vis tiek nurodo šaltinio kalbinį variantą ir versiją. Išgaudami tekstą išsaugokite prasmingus vardus, santrumpas ir srities terminus, užuot prieš įterpinių kūrimą juos pakeitę bendrine santrauka.</p><p>Vektorius naudokite ištraukoms kandidatėms atrinkti paieškos puslapyje, žinių asistente arba dokumentų parinkimo etape. Indeksuotam rinkiniui ir jo užklausoms naudokite tą patį modelį bei vektorių parametrus. Keisdami įterpinių modelį ar vektorių matmenų skaičių, tikslingai iš naujo sukurkite atitinkamą indeksą ir palyginkite rezultatus; vien vektoriaus ilgis neatskleidžia, kaip jis buvo sukurtas.</p><p>Rezultatą vertinkite pagal paieškos naudą: ar pasirodo tinkama ištrauka, ar artimos, bet klaidinančios ištraukos reitinguojamos aukščiau ir ar rodomoje ištraukoje yra atsakymas. Išsaugokite nedidelį tikrų klausimų rinkinį su numatytais šaltiniais, įskaitant dviprasmiškas formuluotes ir beveik vienodus dokumentus. Įterpinys suteikia paieškai skirtą reprezentaciją, o programa išsaugo šaltinio tekstą, prieigos teises ir nuorodas, reikalingas atitikčiai paversti naudingu rezultatu.</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></dd></div><div><dt>Išvestis</dt><dd><code>embedding</code></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><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>voyage-3-large</div><div>Sąlygos: Naudokite tikslų Ailoot modelio parinkiklį.</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr><tr><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 or array&lt;string&gt;</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>Sąlygos: Tekstas arba tekstų sąrašas; išsaugokite po vieną vektorių kiekvienam grąžintam data elementui ir jo indeksą.</div></td><td data-cell-label=\"Numatyta\" data-default=\"unspecified\"><span class=\"card-cell-label\">Numatyta</span>—</td></tr></tbody></table></div><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>optional</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span></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</td></tr><tr><th data-cell-label=\"Parametras\" scope=\"row\"><span class=\"card-cell-label\">Parametras</span><code>conditions</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>Siųskite tekstą su pasirinktu modeliu; išsaugokite kiekvieną grąžintą vektorių ir jo indeksą.</td></tr></tbody></table></div><p>Gyvavimo ciklas: <code>synchronous</code></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>Nenurodyta <span class=\"note-s\">Pasirinkus spartųjį režimą</span></dd><dt>Flex režimas</dt><dd>Nenurodyta <span class=\"note-s\">Pasirinkus flex režimą</span></dd><dt>Didžiausios samprotavimo pastangos</dt><dd>Nenurodyta <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>$0.0004</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Išvestis · Išvesties tokenai</span> <b>$0</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Talpyklos skaitymas</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div><div><span>Įvestis · Rašymas į talpyklą, 1 val</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenų</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. <a href=\"/docs/lt/billing/reserve/\">Kaip veikia rezervavimas ir atsiskaitymas →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Užklausų pavyzdžiai</h3><h4>Ailoot Ultra · Įterpiniai</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Kodo variantai\"><button class=\"cg-tab\" id=\"model-code-2787-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2787-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · išsaugokite visus vektorius ir naudojimo duomenis</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopijuoti kodą\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2787-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2787-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncat &gt; request.json &lt;&lt;&#39;JSON&#39;\n{\n  &quot;model&quot;: &quot;voyage-3-large&quot;,\n  &quot;input&quot;: &quot;The quick brown fox jumps over the lazy dog&quot;\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Gauti ir išsaugoti rezultatus</h3></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=voyage-3-large&amp;route=Ultra&amp;caller=voyage-3-large&amp;fmt=embeddings\"><code>voyage-3-large</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=voyage-3-large&amp;route=Ultra&amp;caller=voyage-3-large&amp;fmt=embeddings\"><code>voyage-3-large</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-3-large",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-3-large",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Kad galėtumėte sutikrinti duomenis, išsaugokite pradinį atsakymą ir X-Client-Request-ID. Neaiškus atsakymas nėra leidimas dar kartą pateikti tą pačią kūrimo užklausą.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Išsaugokite visą JSON atsakymą, kiekvieną vektorių kartu su jo indeksu, visus naudojimo duomenų laukus ir užklausos antraštes.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Naudokite tikslų Ailoot modelio parinkiklį.",
                "default_known": false,
                "enum": [
                  "voyage-3-large"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Tekstas arba tekstų sąrašas; išsaugokite po vieną vektorių kiekvienam grąžintam data elementui ir jo indeksą.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-3-large"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-3-large"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Siųskite tekstą su pasirinktu modeliu; išsaugokite kiekvieną grąžintą vektorių ir jo indeksą."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Baziniai žetonų įkainiai",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-3-large\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Įterpiniai",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "voyage-3-large",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "6a0d433dc49bc7258caec39747ebe4f13dd65fd3a9665ed76471df0c5069c2f4",
    "input_html_sha256": "6b5f6e94efb52ea95d6fb107802641e6a728337dfebc82a0495c4920175847a7",
    "private_audit_sha256": "64bb6da0d052b7042962f927eb2ba1478d8a525be2757dad6f56bd073500e0b3",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/lt/voyage-3-large/",
    "description": "Voyage 3 Large paverčia tekstą vektoriais, skirtais bendrosios paskirties ir daugiakalbei paieškai. 32 000 žetonų įvesties langas, pasirenkamas vektorių matmenų skaičius ir kvantizuoti formatai padeda kurti paiešką žinių bazėse, rasti dokumentus ir taikyti paieška papildytą generavimą.",
    "locale": "lt",
    "md_url": "https://ailoot.ai/models/lt/voyage-3-large/index.md",
    "title": "Voyage AI: Voyage 3 Large — Ailoot",
    "url": "https://ailoot.ai/models/lt/voyage-3-large/"
  },
  "rawModel": {
    "about": "Voyage 3 Large yra teksto įterpinių modelis, skirtas aktualiai informacijai dokumentų rinkinyje rasti. Kiekvieną pateiktą tekstą jis atvaizduoja skaitiniu vektoriumi, todėl programa gali palyginti paieškos užklausą su ištraukomis, kurių formuluotės skiriasi, bet prasmė yra artima. Voyage AI šią versiją pristato kaip bendrosios paskirties ir daugiakalbės paieškos modelį, tinkamą techninei dokumentacijai, pokalbiams ir ilgiems dokumentams.\n\nPaieškos rinkinį sudarykite iš informacijos, kurią žmonėms iš tiesų reikia rasti. Produkto žinių bazėje funkcijos paaiškinimą išsaugokite kartu su jos naudojimo sąlygomis ir aktualiomis išimtimis. Susitikimų įrašuose palikite kalbėtojų žymas ir pakankamai aplinkinės diskusijos, kad tema būtų suprantama. Didelį šaltinį skaidykite ties prasmingomis ribomis, o su kiekvienu vektoriumi išsaugokite šaltinio pavadinimą, dokumento identifikatorių ir ištraukos vietą.\n\nPaieškos klausimą paruoškite kaip užklausą, o indeksuojamą medžiagą — kaip dokumentus. Gamintojo teksto įterpinių darbo eigoje įvesties tipas nurodo teksto vaidmenį paieškoje. Tokią užklausą kaip „Kaip narys gali atkurti prieigą praradęs saugos raktą?“ galima palyginti su pagalbos ištraukomis, aprašančiomis atkūrimo procedūrą, net jei jos suformuluotos kitaip. Išsaugokite originalią ištrauką, kad paieškos rezultatas galėtų parodyti atitiktį pagrindžiančią informaciją.\n\nModelio konteksto langas yra 32 000 žetonų. Ilga įvestis gali išsaugoti visą skyrių, tačiau visas dokumentas ne visada yra naudingiausias paieškos vienetas. Apibendrintas vektorius gali nurodyti tinkamą failą, bet tikslų atsakymą skaitytojui dar teks rasti. Ištraukų ribas parinkite pagal norimą rodyti rezultatą, o antraštes, sąlygas ir apibrėžimus išlaikykite kartu su jų aiškinamu turiniu.\n\nVoyage 3 Large palaiko 2 048, 1 024, 512 arba 256 matmenų vektorius. Gamintojas taip pat dokumentuoja slankiojo kablelio, aštuonių bitų su ženklu ar be ženklo ir dvejetaines reprezentacijas. Šie pasirinkimai leidžia palyginti vektoriaus detalumą su indekso dydžiu ir paieškos veikimu. Pasirinkite numatytos vektorių saugyklos palaikomą formatą ir išbandykite jį su tikru tekstų rinkiniu bei būdingais klausimais prieš nustatydami naudojamo indekso parametrus.\n\nDaugiakalbei paieškai parenkite bandomųjų klausimų vartotojų naudojamomis kalbomis ir patikrinkite rastas šaltinių ištraukas originalo kalba. Bendra paieškos sąsaja gali aptarnauti kelių kalbų rinkinius, o dokumentų metaduomenys vis tiek nurodo šaltinio kalbinį variantą ir versiją. Išgaudami tekstą išsaugokite prasmingus vardus, santrumpas ir srities terminus, užuot prieš įterpinių kūrimą juos pakeitę bendrine santrauka.\n\nVektorius naudokite ištraukoms kandidatėms atrinkti paieškos puslapyje, žinių asistente arba dokumentų parinkimo etape. Indeksuotam rinkiniui ir jo užklausoms naudokite tą patį modelį bei vektorių parametrus. Keisdami įterpinių modelį ar vektorių matmenų skaičių, tikslingai iš naujo sukurkite atitinkamą indeksą ir palyginkite rezultatus; vien vektoriaus ilgis neatskleidžia, kaip jis buvo sukurtas.\n\nRezultatą vertinkite pagal paieškos naudą: ar pasirodo tinkama ištrauka, ar artimos, bet klaidinančios ištraukos reitinguojamos aukščiau ir ar rodomoje ištraukoje yra atsakymas. Išsaugokite nedidelį tikrų klausimų rinkinį su numatytais šaltiniais, įskaitant dviprasmiškas formuluotes ir beveik vienodus dokumentus. Įterpinys suteikia paieškai skirtą reprezentaciją, o programa išsaugo šaltinio tekstą, prieigos teises ir nuorodas, reikalingas atitikčiai paversti naudingu rezultatu.",
    "about_sha256": "f8a14551c12ad8f26e408dfc995cf463d79d159d38d8d98b1790a59c1789dcc3",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 32000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "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": null,
    "display_name": "Voyage AI: Voyage 3 Large",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-3-large",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "locale": "en",
    "max_out": null,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Kad galėtumėte sutikrinti duomenis, išsaugokite pradinį atsakymą ir X-Client-Request-ID. Neaiškus atsakymas nėra leidimas dar kartą pateikti tą pačią kūrimo užklausą.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Išsaugokite visą JSON atsakymą, kiekvieną vektorių kartu su jo indeksu, visus naudojimo duomenų laukus ir užklausos antraštes.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Naudokite tikslų Ailoot modelio parinkiklį.",
                "default_known": false,
                "enum": [
                  "voyage-3-large"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Tekstas arba tekstų sąrašas; išsaugokite po vieną vektorių kiekvienam grąžintam data elementui ir jo indeksą.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-3-large"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-3-large"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Siųskite tekstą su pasirinktu modeliu; išsaugokite kiekvieną grąžintą vektorių ir jo indeksą."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Baziniai žetonų įkainiai",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-3-large\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Įterpiniai",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "voyage-3-large",
        "request_model_id": "voyage-3-large",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage 3 Large",
    "price": {
      "in": 0.4,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.4,
      "sort_out": 0,
      "varies": false
    },
    "short": "Voyage 3 Large paverčia tekstą vektoriais, skirtais bendrosios paskirties ir daugiakalbei paieškai. 32 000 žetonų įvesties langas, pasirenkamas vektorių matmenų skaičius ir kvantizuoti formatai padeda kurti paiešką žinių bazėse, rasti dokumentus ir taikyti paieška papildytą generavimą.",
    "short_sha256": "97e0e5100c1133c3a38a116210c6492617852a455c2338779be2ecc6f0754b10"
  },
  "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": "Voyage 3 Large paverčia tekstą vektoriais, skirtais bendrosios paskirties ir daugiakalbei paieškai. 32 000 žetonų įvesties langas, pasirenkamas vektorių matmenų skaičius ir kvantizuoti formatai padeda kurti paiešką žinių bazėse, rasti dokumentus ir taikyti paieška papildytą generavimą.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "df0f203f014c9f389e7d6729f4e7de1ea0fcbd96ede32d6b359a45f6d445fa9a",
    "renderer_sha256": "57bd2f8a61f57d341aae369006eca818e3eea645ec43af488ec7b2289eeca772"
  },
  "sourceRevision": "c79f71582e46b975cf2afe8ce45b7548aef58fe6084bb3695eef22f734e06cb9"
}