Source: https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/ Canonical: https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/ Language: nb # Perplexity: Embed V1 4B [Markdown](https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/index.md) · [JSON](https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/facts.json) ## [Perplexity: Embed V1 4B](https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/) Perplexity pplx-embed-v1-4B koder uavhengig tekst til 2560-dimensjonale gjenfinningsvektorer med en kontekst på 32K. Den krever ikke noe instruksjonsprefiks og produserer direkte unormaliserte INT8-embeddingvektorer, som sammenlignes ved hjelp av cosinuslikhet. - [**Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/nb/perplexity-pplx-embed-v1-4b/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. pplx-embed-v1-4B er Perplexitys større, uavhengige tekstembeddingutgave i v1-familien. Den representerer forespørsler eller dokumenter som 2560-dimensjonale vektorer for semantisk søk og gjenfinning. Produsenten bygger familien på Qwen3 med videreført forhåndstrening med diffusjon og bruker gjennomsnittspooling for tekstrepresentasjonen. Denne uavhengige encoderen er atskilt fra pplx-embed-context-v1, som representerer dokumentstykker med den omkringliggende konteksten. #### Beregn embeddingvektoren direkte fra den faktiske teksten Modellen krever ikke en instruksjonsstreng eller et query/passage-prefiks. Forbered teksten du vil representere, fremfor å legge til en rollekonvensjon lånt fra en annen familie. En søkesamling kan inneholde kildedokumenter, fokuserte passasjer eller korte tekstposter. Hold hvert elements opprinnelige ordlyd og identifikator ved siden av vektoren, slik at et gjenfunnet resultat forblir lesbart og sporbart. En praktisk oppgave er å gjenfinne en seksjon i en teknisk forklaring til et spørsmål om betingelsene. Bevar seksjonsoverskriften, regelen og unntaket samlet. Embeddingvektoren for forespørselens ordlyd beregnes uavhengig og sammenlignes deretter med de forberedte korpusrepresentasjonene. Et senere RAG-trinn bruker den returnerte passasjeteksten, ikke selve vektoren, som kildemateriale. #### Opprinnelig representasjon og sammenligning Produsenten sier uttrykkelig at de opprinnelige embeddingene er unormaliserte og INT8-kvantiserte. Sammenlign dem med cosinuslikhet. Et rått prikkprodukt på disse unormaliserte verdiene er ikke den dokumenterte ekvivalenten til cosinussammenligning. Representasjonstypen og likhetsfunksjonen hører derfor sammen når du velger hvordan en søkeindeks lagrer og sammenligner resultatet. Modellkortet dokumenterer også binært resultat og angir støtte for Matryoshka-representasjoner. Binære komponenter og pakket lagring er forskjellig fra vanlige flyttallsarrays, så indeksen må tolke den valgte representasjonen. Den fulle embeddingdimensjonen beskriver representasjonens komponenter, ikke antall byte i enhver koding. Hold dimensjonen og resultattypen konsekvent på forespørsels- og dokumentsiden. #### Lengde og dokumentgrenser Modellens publiserte kontekst er 32K. Det lar omfattende tekst representeres, mens passasjenes detaljeringsgrad fortsatt bør følge hva søket skal returnere. En full seksjon kan bevare en definisjon og dens forbehold; et fokusert utdrag kan peke direkte på en instruksjon. For stort materiale bør forberedes rundt det valgte inndatavinduet fremfor å anta at den utelatte slutten fortsatt er representert. Bevar identifikatoren for det overordnede dokumentet og kildeversjonen utenfor vektoren. Hvis teksten endres, oppdaterer du den tilsvarende korpusrepresentasjonen og beholder forbindelsen til den nye kilden. For en samling med flere språk undersøker du de faktiske spørsmålene og kandidatpassasjene i den tilsiktede språkblandingen fremfor å utlede lik relevans fra en flerspråklig betegnelse alene. #### Uavhengige og kontekstuelle utgaver v1-4B-modellen beregner embeddingvektoren for hver innsendte tekst uavhengig. Å legge flere strenger i en batch gjør den ikke til den separate context-v1-encoderen for dokumentstykker. Når dokumentet rundt må forme representasjonen av hvert stykke, tilhører oppgaven den kontekstuelle utgaven og dens egen forberedelse. Den mindre pplx-embed-v1-0.6B returnerer 1024 dimensjoner, mens denne 4B-utgaven returnerer 2560. Hold de nøyaktige identitetene og indeksrepresentasjonene atskilt med mindre en dokumentert kompatibilitetsvei er etablert. Det nyttige resultatet her er en uavhengig forespørsels- eller kildetekstvektor, med cosinussammenligning og den valgte kvantiserte representasjonen registrert for gjenfinningsoppgaven. **Ailoot Ultra · Vektorrepresentasjoner** `POST /v1/embeddings` `perplexity/pplx-embed-v1-4b` [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/nb/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-4b` ### Start Perplexity pplx-embed-v1-4B koder uavhengig tekst til 2560-dimensjonale gjenfinningsvektorer med en kontekst på 32K. Den krever ikke noe instruksjonsprefiks og produserer direkte unormaliserte INT8-embeddingvektorer, som sammenlignes ved hjelp av cosinuslikhet. 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 32 000 tokens Utdataformat json | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser perplexity/pplx-embed-v1-4b | 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: 32 000 · 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` | Avtale32000 | | 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 **$0.00006** / 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": "perplexity/pplx-embed-v1-4b", "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='perplexity/pplx-embed-v1-4b',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** [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/nb/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`perplexity/pplx-embed-v1-4b`](https://ailoot.ai/models/nb/#m=perplexity%2Fpplx-embed-v1-4b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-4b&fmt=embeddings) FAQ · Perplexity: Embed V1 4B Hvilke inndata og resultater er tilgjengelige? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `text`, `token_ids` → `embedding` Hvilke felt bruker forespørselen? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `model`, `input`, `encoding_format`, `provider` Hvilke grenser gjelder? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-4b`: `ctx`: `32000`; `input.budget.maximum`: `32000` (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.