Perplexity: Embed V1 4B

Perplexity pplx-embed-v1-4B koduje niezależne teksty w wektory wyszukiwania o 2560 wymiarach, z kontekstem 32K. Nie wymaga prefiksu instrukcji i natywnie tworzy nieznormalizowane osadzenia INT8, porównywane podobieństwem kosinusowym.

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings perplexity/pplx-embed-v1-4b

O modelu

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

pplx-embed-v1-4B to większe niezależne wydanie osadzeń tekstowych Perplexity w rodzinie v1. Reprezentuje zapytania lub dokumenty jako wektory o 2560 wymiarach do wyszukiwania semantycznego i pozyskiwania materiału. Producent buduje rodzinę na Qwen3 z kontynuowanym treningiem wstępnym wykorzystującym dyfuzję i używa uśredniania do reprezentacji tekstu. Ten niezależny koder jest odrębny od pplx-embed-context-v1, który reprezentuje części dokumentu z wykorzystaniem otaczającego kontekstu.

Osadzaj bezpośrednio rzeczywisty tekst

Model nie wymaga ciągu instrukcji ani prefiksu query/passage. Przygotuj tekst, który chcesz reprezentować, zamiast dodawać konwencję ról z innej rodziny. Zbiór wyszukiwawczy może zawierać dokumenty źródłowe, fragmenty o określonym temacie lub krótkie rekordy tekstowe. Zachowaj oryginalne sformułowania i identyfikator każdego elementu obok jego wektora, aby wyszukany wynik pozostał czytelny i możliwy do prześledzenia.

Praktycznym zadaniem jest wyszukanie sekcji technicznego wyjaśnienia dla pytania o jego warunki. Zachowaj razem nagłówek sekcji, regułę i wyjątek. Sformułowanie zapytania jest osadzane niezależnie, a następnie porównywane z przygotowanymi reprezentacjami korpusu. Późniejszy etap RAG używa tekstu zwróconego fragmentu, a nie samego wektora, jako materiału źródłowego.

Natywna reprezentacja i porównanie

Producent wyraźnie podaje, że natywne osadzenia są nieznormalizowane i skwantyzowane do INT8. Porównuj je podobieństwem cosinusowym. Surowy iloczyn skalarny tych nieznormalizowanych wartości nie jest udokumentowanym odpowiednikiem porównania cosinusowego. Typ reprezentacji i funkcja podobieństwa powinny więc być rozpatrywane razem przy wyborze sposobu przechowywania i porównywania wyjścia w indeksie wyszukiwania.

Karta modelu dokumentuje również wyjście binarne i zaznacza obsługę reprezentacji Matryoshka. Składowe binarne i ich spakowane przechowywanie różnią się od zwykłych tablic zmiennoprzecinkowych, dlatego indeks musi interpretować wybraną reprezentację. Pełny wymiar osadzenia opisuje składowe reprezentacji, a nie liczbę bajtów w każdym kodowaniu. Utrzymuj spójny wymiar i typ wyjścia po stronie zapytań i dokumentów.

Długość i granice dokumentów

Opublikowany kontekst modelu wynosi 32K. Pozwala to reprezentować obszerny tekst, ale szczegółowość fragmentów nadal powinna odpowiadać temu, co wyszukiwanie ma zwracać. Pełna sekcja może zachować definicję i jej zastrzeżenia; wycinek dotyczący konkretnego zagadnienia może bezpośrednio wskazać instrukcję. Zbyt duży materiał należy przygotować zgodnie z wybranym oknem wejścia, zamiast zakładać, że pominięta końcówka nadal jest reprezentowana.

Przechowuj identyfikator dokumentu nadrzędnego i wersję źródła poza wektorem. Jeśli tekst się zmienia, aktualizuj odpowiadającą mu reprezentację korpusu i zachowaj połączenie z nowym źródłem. W zbiorze zawierającym wiele języków sprawdzaj rzeczywiste pytania i proponowane fragmenty w docelowej mieszance językowej, zamiast wnioskować o równej trafności na podstawie samej etykiety wielojęzyczności.

Wydania niezależne i kontekstowe

Model v1-4B osadza każdy dostarczony tekst niezależnie. Dodanie kilku ciągów do partii nie zamienia go w osobny koder fragmentów context-v1. Gdy otaczający dokument ma kształtować reprezentację każdej części, zadanie należy do wydania kontekstowego i jego własnego przygotowania.

Mniejszy pplx-embed-v1-0.6B zwraca 1024 wymiary, a to wydanie 4B — 2560. Zachowaj ich dokładne tożsamości i reprezentacje indeksu osobno, chyba że ustanowiono udokumentowaną ścieżkę zgodności. Użyteczny wynik to tutaj niezależny wektor zapytania lub tekstu źródłowego, z zapisanym porównaniem cosinusowym i wybraną skwantyzowaną reprezentacją dla zadania wyszukiwania.

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings perplexity/pplx-embed-v1-4b

perplexity/pplx-embed-v1-4b

Perplexity /perplexity/pplx-embed-v1-4b

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-v1-4b	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 $0.00006 / 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-v1-4b", "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

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)

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-v1-4b

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

perplexity/pplx-embed-v1-4b

FAQ · Perplexity: Embed V1 4B

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/embeddings · perplexity/pplx-embed-v1-4b: text, token_ids → embedding
Jakich pól używa żądanie?: POST /v1/embeddings · perplexity/pplx-embed-v1-4b: model, input, encoding_format, provider
Jakie limity obowiązują?: POST /v1/embeddings · perplexity/pplx-embed-v1-4b: ctx: 32000; input.budget.maximum: 32000 (bajty UTF8); input.min_items: 1

Perplexity: Embed V1 4B