Perplexity: Embed V1 0.6B
Perplexity pplx-embed-v1-0.6B menghasilkan embedding 1024 dimensi untuk pemerolehan semula teks berbilang bahasa yang dikodkan secara berasingan. Konteks 32K, penyediaan teks langsung dan perwakilan natif INT8 atau binari menentukan profil indeks keluarga v1 yang lebih kecil ini.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
pplx-embed-v1-0.6B ialah model embedding lebih kecil Perplexity dalam keluarga v1 yang mengekod teks secara berasingan. Ia menukarkan teks pertanyaan atau dokumen kepada perwakilan 1024 dimensi untuk pemerolehan semula dan carian semantik. Pembuat menerangkan keluarga berasaskan Qwen3 yang disesuaikan melalui pralatihan lanjutan berasaskan difusi, dengan mean pooling dan konteks 32K. Model mengekod teks yang diberikan secara langsung tanpa awalan arahan wajib.
Sediakan rekod untuk dikodkan secara berasingan
Koleksi berguna boleh mengandungi penerangan produk, bahagian pangkalan pengetahuan atau nota penyelidikan pendek. Berikan setiap teks konteks sumber yang mencukupi untuk difahami apabila dikembalikan carian: tajuk, pernyataan yang dicari dan syarat yang mengubah maknanya. Simpan teks asal serta pengecam rekod bersama embedding hasil.
Untuk tugas carian nota, soalan tentang perubahan dalam proses patut mendapatkan nota yang menerangkan perubahan itu. Hasilkan embedding soalan sebenar dan bandingkannya dengan rekod korpus yang disediakan. Jangan menambah arahan query/passage keluarga model lain secara lalai; teks langsung ialah penyediaan yang didokumenkan pembuat untuk model ini.
Vektor terkuantum dan perbandingan kosinus
Perwakilan natif ialah embedding INT8 tidak ternormal. Perplexity secara jelas mengesyorkan keserupaan kosinus untuk perbandingan. Skor hasil darab titik mentah pada output tidak ternormal mengubah perbandingan kerana magnitud vektor menyumbang kepadanya. Pilih indeks carian dan laluan penskoran yang dapat mentafsir perwakilan serta metrik terpilih bersama-sama.
Perwakilan binari turut didokumenkan dan jadual model mengenal pasti sokongan Matryoshka. Pilihan perwakilan itu boleh berkaitan dengan penyimpanan indeks, tetapi komponen dan bait terpadatnya mesti ditafsirkan dengan betul. Output penuh 1024 dimensi berbeza daripada model 4B dengan 2560 dimensi. Perubahan saiz model atau perwakilan output perlu diperiksa pada bahagian pertanyaan dan korpus, bukannya dianggap sebagai ruang bersama secara automatik.
Gunakan konteks dengan sengaja
Spesifikasi konteks pembuat ialah 32K. Nota panjang atau bahagian dokumen boleh memuatkan lebih banyak penjelasan sekeliling berbanding pengekod bertetingkap pendek, manakala unit pemerolehan semula masih memerlukan tujuan jelas. Pilih sama ada hasil carian patut mengembalikan seluruh bahagian atau petikan terfokus yang mengandungi jawapan. Simpan takrif dan pengecualian bersama pernyataan yang diperincikannya.
Untuk bahan sumber lebih besar, simpan pengecam dokumen induk dan versi di luar vektor. Ini membolehkan hasil carian kembali kepada sumber dan teks berubah menggantikan perwakilan yang sepadan. Periksa hasil calon bagi soalan sebenar dalam campuran bahasa sasaran dan pastikan petikan membekalkan maklumat yang diminta, bukannya sekadar membincangkan topik serupa.
Asingkan pemprosesan berasingan dan berkonteks
Kad model membezakan pengekod berasingan ini daripada pplx-embed-context-v1-0.6B. Model berkonteks menggunakan persekitaran dokumen untuk perwakilan segmen; model v1 biasa mewakili setiap teks yang diberikan dengan sendirinya. Senarai rentetan berasingan tidak membuktikan bahawa pemprosesan segmen berkonteks telah berlaku.
Output berguna ialah perwakilan korpus atau vektor pertanyaan yang dipautkan kepada teks sumber sebenar, dengan format INT8 atau binari terpilih dan perbandingan kosinus direkodkan. Peringkat penentuan kedudukan atau jawapan RAG kemudian menggunakan teks yang diperoleh semula sebagai artifak berasingan. Profil ini tergolong dalam edisi pengekodan berasingan 0.6B tepat, bukan model 4B atau context-v1.
Ailoot Ultra · Pembenaman POST /v1/embeddings perplexity/pplx-embed-v1-0.6b
perplexity/pplx-embed-v1-0.6bPengenalan
Perplexity pplx-embed-v1-0.6B menghasilkan embedding 1024 dimensi untuk pemerolehan semula teks berbilang bahasa yang dikodkan secara berasingan. Konteks 32K, penyediaan teks langsung dan perwakilan natif INT8 atau binari menentukan profil indeks keluarga v1 yang lebih kecil ini.
- Input yang diterima
- Teks · token_ids
- Hasil
- embedding
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Pembenaman POST /v1/embeddings
- Input
text,token_ids- Output
embedding- Konteks
- 32,000 tokens
- Format output
- json
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had perplexity/pplx-embed-v1-0.6b | Lalai— |
Medaninput | Jenisstring|string[]|integer[]|integer[][] | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 32,000 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
Medanencoding_format | Jenisstring | KeperluanPilihan | Nilai & had float | Lalaifloat |
Medandimensions | Jenisinteger | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
Medanuser | Jenisjson_value | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
Medansession_id | Jenisjson_value | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
Medantrace | Jenisjson_value | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |
Gabungan bahan input
text_to_embedding
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input |
Parameterinput_shapes | Kontrakstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Kontrakfloat |
Parameterdimensions_override | Kontrakfalse |
Parametermax_input_budget_units | Kontrak32000 |
Parametermultimodal_objects | Kontrakfalse |
Parametermaterial_types | Kontraktext, token_ids |
Kitar hayat: synchronous_json
Simpan setiap indeks dan dimensi vektor.
Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Kadar standard Apabila mod pantas dipilih
- Mod flex
- Kadar standard Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default
Kadar Ailoot
Harga mengikut konfigurasi
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.000008 / 1K token Output · Token output $0 / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Pembenaman
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "perplexity/pplx-embed-v1-0.6b", "input": ["First document", "Second document"]}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='perplexity/pplx-embed-v1-0.6b',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
Terima dan simpan hasil
Ailoot Ultra · Pembenaman
json
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.
Jika respons asal perlu disemak
Tiada titik akhir tugas pembenaman diperkenalkan.
Medan respons
| Medan | Jenis |
|---|---|
Medanobject | Jenisstring |
Medanmodel | Jenisstring |
Medandata[].index | Jenisinteger |
Medandata[].embedding | Jenisfinite float[] |
Medanusage | Jenisobject |
Ralat dan langkah seterusnya
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Alias
Alias model
Ailoot Ultra perplexity/pplx-embed-v1-0.6b
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Perplexity: Embed V1 0.6B
- Apakah input dan hasil yang tersedia?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:text,token_ids→embedding- Apakah medan yang digunakan oleh permintaan?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:model,input,encoding_format,provider- Apakah had yang terpakai?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:ctx:32000;input.budget.maximum:32000(bait UTF8);input.min_items:1