Source: https://ailoot.ai/models/nb/openai-text-embedding-3-large/
Canonical: https://ailoot.ai/models/nb/openai-text-embedding-3-large/
Language: nb

# OpenAI: Text Embedding 3 Large

[Markdown](https://ailoot.ai/models/nb/openai-text-embedding-3-large/index.md) · [JSON](https://ailoot.ai/models/nb/openai-text-embedding-3-large/facts.json)

## [OpenAI: Text Embedding 3 Large](https://ailoot.ai/models/nb/openai-text-embedding-3-large/)

OpenAIs større tekstembeddingmodell fra tredje generasjon returnerer vektorer med 3 072 dimensjoner som standard, med en produsentkontroll for kortere representasjoner. Bruk den til semantisk gjenfinning, flerspråklig sammenligning og arbeidsflyter for relatert innhold eller klassifisering.

- [**Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `openai/text-embedding-3-large`](https://ailoot.ai/models/nb/openai-text-embedding-3-large/#method-0)
- [**Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large`](https://ailoot.ai/models/nb/openai-text-embedding-3-large/#method-1)

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

text-embedding-3-large er OpenAIs større tekstembeddingmodell fra tredje generasjon for oppgaver på engelsk og andre språk. Den omdanner skriftlig materiale til en numerisk vektor og returnerer 3 072 komponenter som standard. Vektoren representerer forhold i det leverte innholdet; en gjenfinnings- eller klassifiseringsprosess bruker den til å velge materiale eller ta en annen beslutning.

Modellene fra tredje generasjon er trent for å støtte kortere representasjoner gjennom produsentens dimensions-kontroll. Produsenten gir 1 024 dimensjoner som eksempel når et vektorlager krever den størrelsen. En kortere vektor reduserer datamengden som må lagres og sammenlignes, mens en endring av representasjonen kan påvirke gjenfinningskvaliteten. Velg størrelsen etter applikasjonens krav, og bruk samme valg for korpuset og forespørslene til det.

En illustrerende dokumentsøkeflyt deler kildemateriale i meningsfulle passasjer, bevarer identifikatorene og henter vektorer for hver passasje. Et spørsmål får beregnet en embeddingvektor med samme modell og dimensjoner og sammenlignes deretter med passasjevektorene. Applikasjonen leverer filtre, velger de rangerte resultatene og viser kildereferansene. En påfølgende tekstgenereringsmodell kan utforme et svar fra det hentede materialet; embeddingmodellens resultat forblir numeriske data.

Andre dokumenterte anvendelser omfatter kode- eller tekstsøk, gruppering av lignende poster, anbefalinger av relatert innhold, klassifisering, anomalideteksjon og måling av variasjon i en samling. For en anbefaling beskrives objektene med termer som er relevante for forholdet. For klassifisering sammenlignes det med kategorirepresentasjoner, eller vektorer brukes som egenskaper i en klassifikator. Definer regelen som gjør likhet til resultatet produktet trenger.

OpenAI oppgir maksimalt 8 192 tokener per tekst. Embedding-API-et godtar strenger eller tokenisert tekst, støtter flere inndataelementer og avviser tomme strenger. Det håndhever også en samlet grense på 300 000 tokener for én forespørsel. Et langt dokument bør deles med meningsfulle grenser og kontekst intakt, og hver vektor holdes knyttet til kildepassasjen.

Produsenten dokumenterer flyttallsvektorer som standardresultat og base64 som alternativ koding. Veiledningen anbefaler cosinuslikhet og sier at OpenAI-embeddings er normalisert til enhetslengde, slik at et skalarprodukt kan brukes til cosinuslikhet og euklidisk avstand gir tilsvarende rangeringer. Hvis en vektor fra tredje generasjon forkortes manuelt etter generering, instruerer produsenten applikasjonen i å normalisere den forkortede vektoren på nytt; bruk av dimensions-kontrollen er den anbefalte fremgangsmåten.

Klargjør en konsekvent tekstrepresentasjon, og registrer modell, dimensjoner og kildeidentifikator. Et nyttig endelig resultat er et rangert sett med passasjer, relaterte elementer eller grupperte poster med en uttrykkelig utvalgsregel. Vurder om resultatet gjelder forespørselen, og bevar kildebeleggene for neste trinn fremfor å behandle vektorlikhet som bekreftelse av de faktiske påstandene i en post.

**Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `openai/text-embedding-3-large`

[`openai/text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings)

OpenAI /`openai/text-embedding-3-large`

Modell-ID

- `openai/text-embedding-3-large`
- `text-embedding-3-large`

### Start

OpenAIs større tekstembeddingmodell fra tredje generasjon returnerer vektorer med 3 072 dimensjoner som standard, med en produsentkontroll for kortere representasjoner. Bruk den til semantisk gjenfinning, flerspråklig sammenligning og arbeidsflyter for relatert innhold eller klassifisering.

Godkjente inndata

Tekst · token\_ids

Resultater

embedding

### Tilgjengelig i Ailoot · inndata & metoder

**Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings`

Inndatatyper

`text`, `token_ids`

Utdatatyper

`embedding`

Kontekst

8 192 tokens

Utdataformat

json

| Felt | Type | Krav | Verdier & grenser | Standard |
| --- | --- | --- | --- | --- |
| Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser openai/text-embedding-3-large | Standard— |
| Felt`input` | Type`string\|string[]\|integer[]\|integer[][]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall. Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet | Standard— |
| Felt`encoding_format` | Type`string` | KravValgfritt | Verdier & grenser float | Standardfloat |
| Felt`dimensions` | Type`integer` | KravStøttes ikke | Verdier & grenser Minimum: 1 | Standard— |
| Felt`user` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— |
| Felt`session_id` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— |
| Felt`trace` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig. | Standard— |
| Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises | Standard— |

Kombinasjoner av inngående materialer

**text\_to\_embedding**

Metodeparametere og livssyklus

| Parameter | Avtale |
| --- | --- |
| Parameter`content_type` | Avtaleapplication/json |
| Parameter`required` | Avtalemodel, input |
| Parameter`input_shapes` | Avtalestring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Avtalefloat |
| Parameter`dimensions_override` | Avtalefalse |
| Parameter`max_input_budget_units` | Avtale8192 |
| Parameter`multimodal_objects` | Avtalefalse |
| Parameter`material_types` | Avtaletext, token\_ids |

Livssyklus: `synchronous_json`

Bevar hver vektors indeks og dimensjon.

Et multimodalt modellnavn innebærer ikke at bildeobjekter er tillatt på denne nøyaktige stien.

### Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus

Standardpris Når hurtigmodus er valgt

Flex-modus

Standardpris Når flex-modus er valgt

Maksimal resonneringsinnsats

Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

#### Ailoot-satser

#### Priser etter konfigurasjon

| Konfigurasjon | Prisplan | Kostnad |
| --- | --- | --- |
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.00026** / 1K tokener Utdata · Utgående tokener **$0** / 1K tokener Inndata · Lesing fra hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener |

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/)

### Eksempelforespørsler

#### Ailoot Ultra · Vektorrepresentasjoner

curlPython SDK

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-3-large", "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
```

```python
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='openai/text-embedding-3-large',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Motta og lagre resultater

#### Ailoot Ultra · Vektorrepresentasjoner

json

##### Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hver vektor sammen med indeksen. Antall vektorer må være lik antall inndata; dimensjonene må være konsistente.

##### Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter

| Felt | Type |
| --- | --- |
| Felt`object` | Typestring |
| Felt`model` | Typestring |
| Felt`data[].index` | Typeinteger |
| Felt`data[].embedding` | Typefinite float\[\] |
| Felt`usage` | Typeobject |

Feil og neste trinn

| Svar | Vilkår | Neste trinn |
| --- | --- | --- |
| Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |

### Aliaser

#### Modellaliaser

**Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

#### Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

#### Tilknyttede anroper-ID-er

[`openai/text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

**Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large`

[`text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

OpenAI /`text-embedding-3-large`

Modell-ID

- `openai/text-embedding-3-large`
- `text-embedding-3-large`

### Start

OpenAIs større tekstembeddingmodell fra tredje generasjon returnerer vektorer med 3 072 dimensjoner som standard, med en produsentkontroll for kortere representasjoner. Bruk den til semantisk gjenfinning, flerspråklig sammenligning og arbeidsflyter for relatert innhold eller klassifisering.

Godkjente inndata

Tekst

Resultater

embedding

### Tilgjengelig i Ailoot · inndata & metoder

**Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-large** `POST /v1/embeddings`

Inndatatyper

`text`

Utdatatyper

`embedding`

Kontekst

8 192 tokens

Utdataformat

json

| Felt | Type | Krav | Verdier & grenser | Standard |
| --- | --- | --- | --- | --- |
| Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser text-embedding-3-large | Standard— |
| Felt`input` | Type`string\|string[]\|integer[]\|integer[][]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall. Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet | Standard— |
| Felt`encoding_format` | Type`string` | KravValgfritt | Verdier & grenser float | Standardfloat |
| Felt`dimensions` | Type`integer` | KravStøttes ikke | Verdier & grenser Minimum: 1 | Standard— |
| Felt`user` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen. | Standard— |
| Felt`session_id` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen. | Standard— |
| Felt`trace` | Type`json_value` | KravValgfritt | Verdier & grenser Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen. | Standard— |
| Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises | Standard— |

Kombinasjoner av inngående materialer

**text\_to\_embedding**

Metodeparametere og livssyklus

| Parameter | Avtale |
| --- | --- |
| Parameter`content_type` | Avtaleapplication/json |
| Parameter`required` | Avtalemodel, input |
| Parameter`input_shapes` | Avtalestring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Avtalefloat |
| Parameter`dimensions_override` | Avtalefalse |
| Parameter`max_input_budget_units` | Avtale8192 |
| Parameter`multimodal_objects` | Avtalefalse |
| Parameter`material_types` | Avtaletext |
| Parameter`text_file_material` | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. |

Livssyklus: `synchronous_json`

Send den eksakte modell-ID-en og de påkrevde feltene.

Behold hvert returnert element og de opprinnelige identifikatorene.

### Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus

Standardpris Når hurtigmodus er valgt

Flex-modus

Standardpris Når flex-modus er valgt

Maksimal resonneringsinnsats

Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

#### Ailoot-satser

#### Priser etter konfigurasjon

| Konfigurasjon | Prisplan | Kostnad |
| --- | --- | --- |
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.00026** / 1K tokener Utdata · Utgående tokener **$0** / 1K tokener Inndata · Lesing fra hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener |

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/)

### Eksempelforespørsler

#### Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-large

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet

```json
{
  "model": "text-embedding-3-large",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
```

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
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

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
```

```python
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
```

### Motta og lagre resultater

#### Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-large

json

##### Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hver vektor med endelige verdier og dens opprinnelige indeks. Bevar alle dimensjoner og hele forbruksobjektet.

##### Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter

| Felt | Type |
| --- | --- |
| Felt`object` | Typestring |
| Felt`model` | Typestring |
| Felt`data[].index` | Typeinteger |
| Felt`data[].embedding` | Typefinite float\[\] |
| Felt`usage` | Typeobject |

Feil og neste trinn

| Svar | Vilkår | Neste trinn |
| --- | --- | --- |
| Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. |

### Aliaser

#### Modellaliaser

**Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

#### Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

#### Tilknyttede anroper-ID-er

[`openai/text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/nb/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

FAQ · OpenAI: Text Embedding 3 Large

Hvilke inndata og resultater er tilgjengelige?

`POST /v1/embeddings` · `openai/text-embedding-3-large`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-3-large`: `text` → `embedding`

Hvilke felt bruker forespørselen?

`POST /v1/embeddings` · `openai/text-embedding-3-large`: `model`, `input`, `encoding_format`, `provider` `POST /v1/embeddings` · `text-embedding-3-large`: `model`, `input`, `encoding_format`, `provider`

Hvilke grenser gjelder?

`POST /v1/embeddings` · `openai/text-embedding-3-large`: `ctx`: `8192`; `input.budget.maximum`: `8192` (UTF8-byte); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-3-large`: `ctx`: `8192`; `input.budget.maximum`: `8192` (UTF8-byte); `input.min_items`: `1`

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

## Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

## Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement

Velg et rabattabonnement for faste forespørsler.

Kampanjekode opptil 50%

Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.

Kostnader i historikken

Modell, tokener og beløp lagres for hver forespørsel.

[Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/)

## Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon

Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.

Forhandlerlisens

Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.

Dokumenter på nettstedet

Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

[Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb)

## Ailoot · Selskapet og dets prosjektportefølje





Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll.





Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.





Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.