Perplexity: Embed V1 0.6B

Perplexity pplx-embed-v1-0.6B tworzy osadzenia o 1024 wymiarach do niezależnego wyszukiwania tekstu wielojęzycznego. Kontekst 32K, bezpośrednie przygotowanie tekstu oraz natywne reprezentacje INT8 lub binarne definiują mniejszy profil indeksu rodziny v1.

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings perplexity/pplx-embed-v1-0.6b

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

pplx-embed-v1-0.6B to mniejszy niezależny model osadzeń Perplexity w rodzinie v1. Zamienia tekst zapytania lub dokumentu w reprezentację o 1024 wymiarach do wyszukiwania i wyszukiwania semantycznego. Producent opisuje rodzinę opartą na Qwen3, dostosowaną przez kontynuowany trening wstępny wykorzystujący dyfuzję, z uśrednianiem i kontekstem 32K. Model koduje dostarczony tekst bezpośrednio, bez wymaganego prefiksu instrukcji.

Przygotuj niezależny rekord

Użyteczny zbiór może zawierać wyjaśnienia produktów, sekcje bazy wiedzy lub krótkie notatki badawcze. Nadaj każdemu tekstowi dość kontekstu źródłowego, aby był zrozumiały po zwróceniu przez wyszukiwanie: nagłówek, poszukiwane twierdzenie i warunek zmieniający jego znaczenie. Zachowaj oryginalny tekst i identyfikator rekordu obok wynikowego osadzenia.

W zadaniu wyszukiwania notatek pytanie o zmianę w procesie powinno odnaleźć notatkę opisującą tę zmianę. Osadź rzeczywiste pytanie i porównaj je z przygotowanymi rekordami korpusu. Nie dodawaj domyślnie instrukcji query/passage z innej rodziny modeli; bezpośredni tekst jest przygotowaniem udokumentowanym przez producenta dla tego modelu.

Skwantyzowane wektory i porównanie cosinusowe

Natywną reprezentacją jest nieznormalizowane osadzenie INT8. Perplexity wyraźnie zaleca podobieństwo cosinusowe do porównania. Surowa ocena iloczynem skalarnym nieznormalizowanego wyjścia zmienia porównanie, ponieważ wpływa na nią norma wektora. Wybierz indeks wyszukiwania i ścieżkę oceniania, które potrafią razem interpretować wybraną reprezentację i metrykę.

Dokumentowana jest również reprezentacja binarna, a tabela modelu wskazuje obsługę Matryoshka. Te opcje reprezentacji mogą mieć znaczenie dla przechowywania indeksu, ale ich składowe i spakowane bajty muszą być poprawnie interpretowane. Pełne wyjście o 1024 wymiarach jest odrębne od modelu 4B o 2560 wymiarach. Zmianę rozmiaru modelu lub reprezentacji wyjścia należy sprawdzić po stronie zapytania i korpusu, zamiast traktować ją jako automatycznie wspólną przestrzeń.

Używaj kontekstu świadomie

Specyfikacja kontekstu producenta wynosi 32K. Długa notatka lub sekcja dokumentu może pomieścić więcej otaczającego wyjaśnienia niż koder z krótkim oknem, lecz jednostka wyszukiwania nadal potrzebuje jasnego celu. Wybierz, czy trafienie powinno zwracać całą sekcję, czy fragment o określonym temacie zawierający odpowiedź. Zachowaj definicje i wyjątki z twierdzeniem, które doprecyzowują.

Dla większego materiału źródłowego przechowuj identyfikator dokumentu nadrzędnego i wersję poza wektorem. Pozwala to wynikowi wyszukiwania prowadzić do źródła, a zmienionemu tekstowi zastąpić odpowiadającą reprezentację. Sprawdzaj proponowane wyniki dla rzeczywistych pytań w docelowej mieszance językowej i weryfikuj, czy fragment dostarcza żądanych informacji, a nie jedynie omawia podobny temat.

Oddziel przetwarzanie niezależne i kontekstowe

Karta modelu odróżnia ten niezależny koder od pplx-embed-context-v1-0.6B. Model kontekstowy wykorzystuje otoczenie dokumentu do reprezentowania części; zwykły model v1 reprezentuje każdy dostarczony tekst osobno. Lista niezależnych ciągów nie dowodzi wykonania kontekstowego przetwarzania fragmentów.

Użyteczne wyjście to reprezentacja korpusu lub wektor zapytania połączony z rzeczywistym tekstem źródłowym, z zapisanym wybranym formatem INT8 lub binarnym i porównaniem cosinusowym. Późniejszy etap rankingu lub odpowiedzi RAG używa wyszukanego tekstu jako osobnego artefaktu. Ten profil należy do dokładnego niezależnego wydania 0.6B, a nie do modeli 4B lub context-v1.

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings perplexity/pplx-embed-v1-0.6b

perplexity/pplx-embed-v1-0.6b

Perplexity /perplexity/pplx-embed-v1-0.6b

Start

Akceptowane dane wejściowe: Tekst · token_ids
Wyniki: embedding

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings

Wejście: text, token_ids
Wyjście: embedding
Kontekst: 32 000 tokens
Format wyjściowy: json

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity perplexity/pplx-embed-v1-0.6b	Domyślnie—
Pole`input`	Typ`string\|string[]\|integer[]\|integer[][]`	WymaganieWymagane	Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 32 000 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów	Domyślnie—
Pole`encoding_format`	Typ`string`	WymaganieOpcjonalne	Wartości i limity float	Domyślniefloat
Pole`dimensions`	Typ`integer`	WymaganieNieobsługiwane	Wartości i limity Minimum: 1	Domyślnie—
Pole`user`	Typ`json_value`	WymaganieOpcjonalne	Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.	Domyślnie—
Pole`session_id`	Typ`json_value`	WymaganieOpcjonalne	Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.	Domyślnie—
Pole`trace`	Typ`json_value`	WymaganieOpcjonalne	Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.	Domyślnie—
Pole`provider`	Typ`object`	WymaganieOpcjonalne	Wartości i limity Warunki: Odrzucono provider.options	Domyślnie—

Kombinacje materiałów wejściowych

text_to_embedding

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`content_type`	Kontraktapplication/json
Parametr`required`	Kontraktmodel, input
Parametr`input_shapes`	Kontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametr`encoding_format`	Kontraktfloat
Parametr`dimensions_override`	Kontraktfalse
Parametr`max_input_budget_units`	Kontrakt32000
Parametr`multimodal_objects`	Kontraktfalse
Parametr`material_types`	Kontrakttext, token_ids

Cykl życia: synchronous_json

Zachowaj indeks i liczbę wymiarów każdego wektora.

Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki: Stawka standardowa Gdy wybrany jest tryb szybki
Tryb flex: Stawka standardowa Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania: Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Konfiguracja	Tabela stawek	Opłata
KonfiguracjaPodstawowe stawki za tokeny	Tabela stawekStawka podstawowa	Opłata Wejście · Tokeny wejściowe $0.000008 / 1K tokenów Wyjście · Tokeny wyjściowe $0 / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Reprezentacje wektorowe

curlPython SDK

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)

Odbieranie i zapisywanie wyników

Ailoot Ultra · Reprezentacje wektorowe

json

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Nie wprowadzono endpointu zadań generowania osadzeń.

Pola odpowiedzi

Pole	Typ
Pole`object`	Typstring
Pole`model`	Typstring
Pole`data[].index`	Typinteger
Pole`data[].embedding`	Typfinite float[]
Pole`usage`	Typobject

Błędy i dalsze kroki

Odpowiedź	Warunek	Następny krok
Odpowiedź400 · `invalid_request_error`	WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru	Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

Ailoot Ultra perplexity/pplx-embed-v1-0.6b

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

perplexity/pplx-embed-v1-0.6b

FAQ · Perplexity: Embed V1 0.6B

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/embeddings · perplexity/pplx-embed-v1-0.6b: text, token_ids → embedding
Jakich pól używa żądanie?: POST /v1/embeddings · perplexity/pplx-embed-v1-0.6b: model, input, encoding_format, provider
Jakie limity obowiązują?: POST /v1/embeddings · perplexity/pplx-embed-v1-0.6b: ctx: 32000; input.budget.maximum: 32000 (bajty UTF8); input.min_items: 1

Perplexity: Embed V1 0.6B