{
  "aboutHtml": "<p>Voyage Code 2 tworzy embeddingi liczbowe kodu źródłowego i powiązanego tekstu. Jest przeznaczony do semantycznego wyszukiwania kodu, w którym programista opisuje zachowanie lub podaje fragment kodu, a system wyszukiwania znajduje właściwe implementacje. Przykłady producenta obejmują jako wejścia wyszukiwania pytania w języku naturalnym, fragmenty kodu i połączenia obu.</p><p>Użyj go do budowy wyszukiwarki repozytorium wokół rzeczywistych pytań programistycznych. Programista może szukać procedury usuwającej tylko pierwszy i ostatni pasujący znak albo części projektu wykonującej określone przejście drzewa. Przygotuj zapytania precyzyjnie wyrażające zachowanie, w tym warunek odróżniający zamierzoną implementację od zbliżonej, lecz niepoprawnej.</p><p>Indeksuj kod w użytecznych jednostkach zamiast dzielić każdy plik po arbitralnej liczbie znaków. Zachowuj razem sygnaturę funkcji, jej ciało i istotne objaśnienie. Gdy funkcja pomocnicza zależy od lokalnych typów lub stałych, zachowaj wystarczająco dużo otaczającego tekstu, aby cel był zrozumiały. Ścieżki plików, rewizje repozytorium i lokalizacje źródłowe przechowuj poza embeddingiem, aby wynik mógł bezpośrednio otworzyć oryginalny kod.</p><p>Ta edycja ma okno kontekstu 16 000 tokenów i tworzy embeddingi o 1 536 wymiarach. Dopasuj indeks wektorowy do tej reprezentacji i powiąż embeddingi zapytań i dokumentów z tym samym modelem. Zbiór już zaindeksowany przez Voyage Code 2 może zachować spójną reprezentację wyszukiwania podczas aktualizacji rekordów źródłowych. Przejście do innej edycji embeddingów należy traktować jako migrację indeksu z jawnym porównaniem na tym samym repozytorium.</p><p>W zapytaniu w języku naturalnym opisz operację, wejścia i istotny wynik. W zapytaniu kodowym dołącz fragment, którego logika ma zostać dopasowana, i wyjaśnij warunki ważne dla wyszukiwania. Na przykład wyszukiwanie obsługi ponowień może określać, czy właściwy kod ponawia po przekroczeniu czasu czy po kompletnej odpowiedzi błędu. Wyszukane źródło należy sprawdzić pod kątem tego rozróżnienia, zanim zostanie użyte do edycji.</p><p>Zachowuj identyfikowalność dokumentacji i kodu źródłowego, gdy oba są indeksowane. Fragment objaśniający może stanowić pomocny kontekst, a implementacja jest materiałem, który programista musi zbadać. Oznaczaj te typy rekordów, aby strona wyszukiwania mogła pokazać właściwe miejsce docelowe, a asystent programistyczny odróżnić opis od wykonywalnego źródła.</p><p>Używaj wyszukanych fragmentów jako kontekstu do poruszania się po repozytorium, odnajdywania implementacji lub następnego kroku asystenta programistycznego. Przy przekazywaniu dalej zachowaj kompletny istotny fragment i jego położenie. Podobieństwo pomaga znaleźć kandydatów na kod; kontrola rzeczywistych wejść, skutków ubocznych i kontraktów ustala, czy kandydat rozwiązuje bieżący problem.</p><p>Oceniaj wyszukiwanie na zestawie rzeczywistych pytań ze znanymi odpowiedziami źródłowymi. Uwzględnij funkcje o zmienionych nazwach, mylące komentarze, podobne narzędzia pomocnicze z różnymi przypadkami brzegowymi oraz zapytania używające słownictwa nieobecnego w kodzie. Sprawdzaj, czy oczekiwana implementacja pojawia się wśród użytecznych wyników i czy wyświetlony fragment daje dość kontekstu do jej oceny. Zachowaj te pytania w miarę rozwoju repozytorium, aby zmiany wyodrębniania, granic fragmentów lub indeksowania można było porównać na tych samych zadaniach.</p>",
  "aboutText": "Voyage Code 2 tworzy embeddingi liczbowe kodu źródłowego i powiązanego tekstu. Jest przeznaczony do semantycznego wyszukiwania kodu, w którym programista opisuje zachowanie lub podaje fragment kodu, a system wyszukiwania znajduje właściwe implementacje. Przykłady producenta obejmują jako wejścia wyszukiwania pytania w języku naturalnym, fragmenty kodu i połączenia obu.\n\nUżyj go do budowy wyszukiwarki repozytorium wokół rzeczywistych pytań programistycznych. Programista może szukać procedury usuwającej tylko pierwszy i ostatni pasujący znak albo części projektu wykonującej określone przejście drzewa. Przygotuj zapytania precyzyjnie wyrażające zachowanie, w tym warunek odróżniający zamierzoną implementację od zbliżonej, lecz niepoprawnej.\n\nIndeksuj kod w użytecznych jednostkach zamiast dzielić każdy plik po arbitralnej liczbie znaków. Zachowuj razem sygnaturę funkcji, jej ciało i istotne objaśnienie. Gdy funkcja pomocnicza zależy od lokalnych typów lub stałych, zachowaj wystarczająco dużo otaczającego tekstu, aby cel był zrozumiały. Ścieżki plików, rewizje repozytorium i lokalizacje źródłowe przechowuj poza embeddingiem, aby wynik mógł bezpośrednio otworzyć oryginalny kod.\n\nTa edycja ma okno kontekstu 16 000 tokenów i tworzy embeddingi o 1 536 wymiarach. Dopasuj indeks wektorowy do tej reprezentacji i powiąż embeddingi zapytań i dokumentów z tym samym modelem. Zbiór już zaindeksowany przez Voyage Code 2 może zachować spójną reprezentację wyszukiwania podczas aktualizacji rekordów źródłowych. Przejście do innej edycji embeddingów należy traktować jako migrację indeksu z jawnym porównaniem na tym samym repozytorium.\n\nW zapytaniu w języku naturalnym opisz operację, wejścia i istotny wynik. W zapytaniu kodowym dołącz fragment, którego logika ma zostać dopasowana, i wyjaśnij warunki ważne dla wyszukiwania. Na przykład wyszukiwanie obsługi ponowień może określać, czy właściwy kod ponawia po przekroczeniu czasu czy po kompletnej odpowiedzi błędu. Wyszukane źródło należy sprawdzić pod kątem tego rozróżnienia, zanim zostanie użyte do edycji.\n\nZachowuj identyfikowalność dokumentacji i kodu źródłowego, gdy oba są indeksowane. Fragment objaśniający może stanowić pomocny kontekst, a implementacja jest materiałem, który programista musi zbadać. Oznaczaj te typy rekordów, aby strona wyszukiwania mogła pokazać właściwe miejsce docelowe, a asystent programistyczny odróżnić opis od wykonywalnego źródła.\n\nUżywaj wyszukanych fragmentów jako kontekstu do poruszania się po repozytorium, odnajdywania implementacji lub następnego kroku asystenta programistycznego. Przy przekazywaniu dalej zachowaj kompletny istotny fragment i jego położenie. Podobieństwo pomaga znaleźć kandydatów na kod; kontrola rzeczywistych wejść, skutków ubocznych i kontraktów ustala, czy kandydat rozwiązuje bieżący problem.\n\nOceniaj wyszukiwanie na zestawie rzeczywistych pytań ze znanymi odpowiedziami źródłowymi. Uwzględnij funkcje o zmienionych nazwach, mylące komentarze, podobne narzędzia pomocnicze z różnymi przypadkami brzegowymi oraz zapytania używające słownictwa nieobecnego w kodzie. Sprawdzaj, czy oczekiwana implementacja pojawia się wśród użytecznych wyników i czy wyświetlony fragment daje dość kontekstu do jej oceny. Zachowaj te pytania w miarę rozwoju repozytorium, aby zmiany wyodrębniania, granic fragmentów lub indeksowania można było porównać na tych samych zadaniach.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "aafda9a5e53a7d5794593248e065f1b50ad1d8d73abd766ba3829fab192892f4",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "pl",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Voyage AI: Voyage Code 2</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Zamknij\">×</button></div><div class=\"idline\"><span>Voyage AI /</span><code>voyage-code-2</code><button type=\"button\" id=\"copy-id\">Kopiuj ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Sekcje karty modelu\"><button type=\"button\" data-card-jump=\"overview\">Start</button><button type=\"button\" data-card-jump=\"methods\">Dane wejściowe i metody</button><button type=\"button\" data-card-jump=\"pricing\">Cennik</button><button type=\"button\" data-card-jump=\"examples\">Przykłady</button><button type=\"button\" data-card-jump=\"results\">Wyniki</button><button type=\"button\" data-card-jump=\"aliases\">Aliasy</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metody API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|embeddings|/v1/embeddings|voyage-code-2\">Reprezentacje wektorowe</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Start</h3><p class=\"mdesc-full\">Voyage Code 2 tworzy embeddingi kodu źródłowego i powiązanego tekstu do semantycznego przeszukiwania repozytorium. Pytania w języku naturalnym, fragmenty kodu lub łączone zapytania pozwalają znaleźć odpowiednie implementacje; ta edycja używa okna 16 000 tokenów i wektorów o 1 536 wymiarach.</p><dl class=\"card-io\" data-card-io><div><dt>Akceptowane dane wejściowe</dt><dd>Tekst</dd></div><div><dt>Wyniki</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>O modelu</summary><p class=\"note-s\" data-model-method-boundary>Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.</p><div class=\"mabout\" id=\"m-about\"><p>Voyage Code 2 tworzy embeddingi liczbowe kodu źródłowego i powiązanego tekstu. Jest przeznaczony do semantycznego wyszukiwania kodu, w którym programista opisuje zachowanie lub podaje fragment kodu, a system wyszukiwania znajduje właściwe implementacje. Przykłady producenta obejmują jako wejścia wyszukiwania pytania w języku naturalnym, fragmenty kodu i połączenia obu.</p><p>Użyj go do budowy wyszukiwarki repozytorium wokół rzeczywistych pytań programistycznych. Programista może szukać procedury usuwającej tylko pierwszy i ostatni pasujący znak albo części projektu wykonującej określone przejście drzewa. Przygotuj zapytania precyzyjnie wyrażające zachowanie, w tym warunek odróżniający zamierzoną implementację od zbliżonej, lecz niepoprawnej.</p><p>Indeksuj kod w użytecznych jednostkach zamiast dzielić każdy plik po arbitralnej liczbie znaków. Zachowuj razem sygnaturę funkcji, jej ciało i istotne objaśnienie. Gdy funkcja pomocnicza zależy od lokalnych typów lub stałych, zachowaj wystarczająco dużo otaczającego tekstu, aby cel był zrozumiały. Ścieżki plików, rewizje repozytorium i lokalizacje źródłowe przechowuj poza embeddingiem, aby wynik mógł bezpośrednio otworzyć oryginalny kod.</p><p>Ta edycja ma okno kontekstu 16 000 tokenów i tworzy embeddingi o 1 536 wymiarach. Dopasuj indeks wektorowy do tej reprezentacji i powiąż embeddingi zapytań i dokumentów z tym samym modelem. Zbiór już zaindeksowany przez Voyage Code 2 może zachować spójną reprezentację wyszukiwania podczas aktualizacji rekordów źródłowych. Przejście do innej edycji embeddingów należy traktować jako migrację indeksu z jawnym porównaniem na tym samym repozytorium.</p><p>W zapytaniu w języku naturalnym opisz operację, wejścia i istotny wynik. W zapytaniu kodowym dołącz fragment, którego logika ma zostać dopasowana, i wyjaśnij warunki ważne dla wyszukiwania. Na przykład wyszukiwanie obsługi ponowień może określać, czy właściwy kod ponawia po przekroczeniu czasu czy po kompletnej odpowiedzi błędu. Wyszukane źródło należy sprawdzić pod kątem tego rozróżnienia, zanim zostanie użyte do edycji.</p><p>Zachowuj identyfikowalność dokumentacji i kodu źródłowego, gdy oba są indeksowane. Fragment objaśniający może stanowić pomocny kontekst, a implementacja jest materiałem, który programista musi zbadać. Oznaczaj te typy rekordów, aby strona wyszukiwania mogła pokazać właściwe miejsce docelowe, a asystent programistyczny odróżnić opis od wykonywalnego źródła.</p><p>Używaj wyszukanych fragmentów jako kontekstu do poruszania się po repozytorium, odnajdywania implementacji lub następnego kroku asystenta programistycznego. Przy przekazywaniu dalej zachowaj kompletny istotny fragment i jego położenie. Podobieństwo pomaga znaleźć kandydatów na kod; kontrola rzeczywistych wejść, skutków ubocznych i kontraktów ustala, czy kandydat rozwiązuje bieżący problem.</p><p>Oceniaj wyszukiwanie na zestawie rzeczywistych pytań ze znanymi odpowiedziami źródłowymi. Uwzględnij funkcje o zmienionych nazwach, mylące komentarze, podobne narzędzia pomocnicze z różnymi przypadkami brzegowymi oraz zapytania używające słownictwa nieobecnego w kodzie. Sprawdzaj, czy oczekiwana implementacja pojawia się wśród użytecznych wyników i czy wyświetlony fragment daje dość kontekstu do jej oceny. Zachowaj te pytania w miarę rozwoju repozytorium, aby zmiany wyodrębniania, granic fragmentów lub indeksowania można było porównać na tych samych zadaniach.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Dostępne w Ailoot · dane wejściowe i metody</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Reprezentacje wektorowe</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>embedding</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Pole</th><th>Typ</th><th>Wymaganie</th><th>Wartości i limity</th><th>Domyślnie</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>voyage-code-2</div><div>Warunki: Użyj dokładnego selektora modelu Ailoot.</div></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string or array&lt;string&gt;</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>Warunki: Tekst lub lista tekstów; zachowaj po jednym wektorze dla każdego zwróconego elementu data wraz z jego indeksem.</div></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Parametry i cykl życia metody</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametr</th><th>Kontrakt</th></tr></thead><tbody><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>content_type</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>application/json</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>required</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>model, input</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>optional</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span></td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>material_types</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>text</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>conditions</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>Wyślij tekst z wybranym modelem; zachowaj każdy zwrócony wektor i jego indeks.</td></tr></tbody></table></div><p>Cykl życia: <code>synchronous</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Cennik</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.</p><dl data-price-conditions><dt>Tryb szybki</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb szybki</span></dd><dt>Tryb flex</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb flex</span></dd><dt>Maksymalna intensywność rozumowania</dt><dd>Nie określono <span class=\"note-s\">Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Stawki Ailoot</h4><h4>Ceny według konfiguracji</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguracja</th><th>Tabela stawek</th><th>Opłata</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>Bazowe stawki za tokeny</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>Stawka podstawowa</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wejście · Tokeny wejściowe</span> <b>$0.0004</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wyjście · Tokeny wyjściowe</span> <b>$0</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Odczyt cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache, 1 godz.</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. <a href=\"/docs/pl/billing/reserve/\">Jak działają rezerwacja i rozliczenie →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Przykładowe żądania</h3><h4>Ailoot Ultra · Reprezentacje wektorowe</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Warianty kodu\"><button class=\"cg-tab\" id=\"model-code-2789-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2789-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · zapisz wszystkie wektory i dane użycia</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiuj kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2789-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2789-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncat &gt; request.json &lt;&lt;&#39;JSON&#39;\n{\n  &quot;model&quot;: &quot;voyage-code-2&quot;,\n  &quot;input&quot;: &quot;The quick brown fox jumps over the lazy dog&quot;\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Odbieranie i zapisywanie wyników</h3></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasy</h3><h4>Aliasy modelu</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=voyage-code-2&amp;route=Ultra&amp;caller=voyage-code-2&amp;fmt=embeddings\"><code>voyage-code-2</code></a></span></p><h4>Aliasy ścieżek metod</h4><p class=\"note-s\">Użyj ścieżek metod podanych powyżej.</p><h4>Powiązane ID modeli</h4><p class=\"note-s\"><a href=\"#m=voyage-code-2&amp;route=Ultra&amp;caller=voyage-code-2&amp;fmt=embeddings\"><code>voyage-code-2</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-code-2",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-code-2",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-code-2",
      "ordinal": 0,
      "rawMethod": {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Zachowaj oryginalną odpowiedź i X-Client-Request-ID na potrzeby uzgodnienia danych. Niejednoznaczna odpowiedź nie uprawnia do ponownego wysłania tego samego żądania utworzenia.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Zapisz pełną odpowiedź JSON, każdy wektor wraz z jego indeksem, wszystkie pola z danymi o użyciu oraz nagłówki żądania.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Użyj dokładnego selektora modelu Ailoot.",
                "default_known": false,
                "enum": [
                  "voyage-code-2"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Tekst lub lista tekstów; zachowaj po jednym wektorze dla każdego zwróconego elementu data wraz z jego indeksem.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-code-2"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-code-2"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Wyślij tekst z wybranym modelem; zachowaj każdy zwrócony wektor i jego indeks."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Bazowe stawki za tokeny",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-code-2\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Reprezentacje wektorowe",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-code-2",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    }
  ],
  "model_id": "voyage-code-2",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "eac538012d2ca5e8d461a653fc94e51c369594cd94d44ec3aedc5253e4f23d73",
    "input_html_sha256": "e53d41e95122325dd80c3b404bf0c49def48aba62fdb27c12c1e21d78b984e4d",
    "private_audit_sha256": "e93272c86f08859587a14aedf676bbe772bdcec0ca78c9afb362d100e1dac07f",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/pl/voyage-code-2/",
    "description": "Voyage Code 2 tworzy embeddingi kodu źródłowego i powiązanego tekstu do semantycznego przeszukiwania repozytorium. Pytania w języku naturalnym, fragmenty kodu lub łączone zapytania pozwalają znaleźć odpowiednie implementacje; ta edycja używa okna 16 000 tokenów i wektorów o 1 536 wymiarach.",
    "locale": "pl",
    "md_url": "https://ailoot.ai/models/pl/voyage-code-2/index.md",
    "title": "Voyage AI: Voyage Code 2 — Ailoot",
    "url": "https://ailoot.ai/models/pl/voyage-code-2/"
  },
  "rawModel": {
    "about": "Voyage Code 2 tworzy embeddingi liczbowe kodu źródłowego i powiązanego tekstu. Jest przeznaczony do semantycznego wyszukiwania kodu, w którym programista opisuje zachowanie lub podaje fragment kodu, a system wyszukiwania znajduje właściwe implementacje. Przykłady producenta obejmują jako wejścia wyszukiwania pytania w języku naturalnym, fragmenty kodu i połączenia obu.\n\nUżyj go do budowy wyszukiwarki repozytorium wokół rzeczywistych pytań programistycznych. Programista może szukać procedury usuwającej tylko pierwszy i ostatni pasujący znak albo części projektu wykonującej określone przejście drzewa. Przygotuj zapytania precyzyjnie wyrażające zachowanie, w tym warunek odróżniający zamierzoną implementację od zbliżonej, lecz niepoprawnej.\n\nIndeksuj kod w użytecznych jednostkach zamiast dzielić każdy plik po arbitralnej liczbie znaków. Zachowuj razem sygnaturę funkcji, jej ciało i istotne objaśnienie. Gdy funkcja pomocnicza zależy od lokalnych typów lub stałych, zachowaj wystarczająco dużo otaczającego tekstu, aby cel był zrozumiały. Ścieżki plików, rewizje repozytorium i lokalizacje źródłowe przechowuj poza embeddingiem, aby wynik mógł bezpośrednio otworzyć oryginalny kod.\n\nTa edycja ma okno kontekstu 16 000 tokenów i tworzy embeddingi o 1 536 wymiarach. Dopasuj indeks wektorowy do tej reprezentacji i powiąż embeddingi zapytań i dokumentów z tym samym modelem. Zbiór już zaindeksowany przez Voyage Code 2 może zachować spójną reprezentację wyszukiwania podczas aktualizacji rekordów źródłowych. Przejście do innej edycji embeddingów należy traktować jako migrację indeksu z jawnym porównaniem na tym samym repozytorium.\n\nW zapytaniu w języku naturalnym opisz operację, wejścia i istotny wynik. W zapytaniu kodowym dołącz fragment, którego logika ma zostać dopasowana, i wyjaśnij warunki ważne dla wyszukiwania. Na przykład wyszukiwanie obsługi ponowień może określać, czy właściwy kod ponawia po przekroczeniu czasu czy po kompletnej odpowiedzi błędu. Wyszukane źródło należy sprawdzić pod kątem tego rozróżnienia, zanim zostanie użyte do edycji.\n\nZachowuj identyfikowalność dokumentacji i kodu źródłowego, gdy oba są indeksowane. Fragment objaśniający może stanowić pomocny kontekst, a implementacja jest materiałem, który programista musi zbadać. Oznaczaj te typy rekordów, aby strona wyszukiwania mogła pokazać właściwe miejsce docelowe, a asystent programistyczny odróżnić opis od wykonywalnego źródła.\n\nUżywaj wyszukanych fragmentów jako kontekstu do poruszania się po repozytorium, odnajdywania implementacji lub następnego kroku asystenta programistycznego. Przy przekazywaniu dalej zachowaj kompletny istotny fragment i jego położenie. Podobieństwo pomaga znaleźć kandydatów na kod; kontrola rzeczywistych wejść, skutków ubocznych i kontraktów ustala, czy kandydat rozwiązuje bieżący problem.\n\nOceniaj wyszukiwanie na zestawie rzeczywistych pytań ze znanymi odpowiedziami źródłowymi. Uwzględnij funkcje o zmienionych nazwach, mylące komentarze, podobne narzędzia pomocnicze z różnymi przypadkami brzegowymi oraz zapytania używające słownictwa nieobecnego w kodzie. Sprawdzaj, czy oczekiwana implementacja pojawia się wśród użytecznych wyników i czy wyświetlony fragment daje dość kontekstu do jej oceny. Zachowaj te pytania w miarę rozwoju repozytorium, aby zmiany wyodrębniania, granic fragmentów lub indeksowania można było porównać na tych samych zadaniach.",
    "about_sha256": "02443af503f57362991a7f624a9b2b777836a591a3816de5330425a291427ffb",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 16000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          }
        ],
        "summary": "Pełny cennik konfiguracji w szczegółach."
      }
    ],
    "ctx": null,
    "display_name": "Voyage AI: Voyage Code 2",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-code-2",
    "input": [
      "text"
    ],
    "kind": "embedding",
    "locale": "en",
    "max_out": null,
    "methods": [
      {
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "mode": "synchronous",
              "status": [],
              "unknown": "Zachowaj oryginalną odpowiedź i X-Client-Request-ID na potrzeby uzgodnienia danych. Niejednoznaczna odpowiedź nie uprawnia do ponownego wysłania tego samego żądania utworzenia.",
              "unknown_no_replay": true
            },
            "outputs": {
              "all_results": "Zapisz pełną odpowiedź JSON, każdy wektor wraz z jego indeksem, wszystkie pola z danymi o użyciu oraz nagłówki żądania.",
              "every_actual_output": true,
              "family": "embedding",
              "fields": [
                {
                  "name": "object",
                  "type": "string"
                },
                {
                  "name": "model",
                  "type": "string"
                },
                {
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "name": "data[].embedding",
                  "type": "array<number>"
                },
                {
                  "name": "usage",
                  "type": "object"
                },
                {
                  "name": "usage.prompt_tokens",
                  "type": "integer"
                },
                {
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ]
            },
            "parameters": [
              {
                "conditions": "Użyj dokładnego selektora modelu Ailoot.",
                "default_known": false,
                "enum": [
                  "voyage-code-2"
                ],
                "enum_known": true,
                "maximum_length": null,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "conditions": "Tekst lub lista tekstów; zachowaj po jednym wektorze dla każdego zwróconego elementu data wraz z jego indeksem.",
                "default_known": false,
                "enum_known": false,
                "maximum_length": null,
                "name": "input",
                "oneOf": [
                  {
                    "minLength": 1,
                    "type": "string"
                  },
                  {
                    "items": {
                      "minLength": 1,
                      "type": "string"
                    },
                    "minItems": 1,
                    "type": "array"
                  }
                ],
                "required": true,
                "type": "string or array<string>"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "input": {
                  "oneOf": [
                    {
                      "minLength": 1,
                      "type": "string"
                    },
                    {
                      "items": {
                        "minLength": 1,
                        "type": "string"
                      },
                      "minItems": 1,
                      "type": "array"
                    }
                  ]
                },
                "model": {
                  "enum": [
                    "voyage-code-2"
                  ],
                  "type": "string"
                }
              },
              "required": [
                "model",
                "input"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "input": "The quick brown fox jumps over the lazy dog",
                "model": "voyage-code-2"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "conditions": [
              "Wyślij tekst z wybranym modelem; zachowaj każdy zwrócony wektor i jego indeks."
            ],
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/embeddings"
            },
            "mode": "synchronous",
            "status": [],
            "unknown": "Keep the original response and X-Client-Request-ID for reconciliation. An ambiguous response is not permission to submit the same creation again.",
            "unknown_no_replay": true
          },
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "output": {
            "all_results": "Save the complete JSON response, every vector with its index, all usage fields and request headers.",
            "every_actual_output": true,
            "family": "embedding",
            "fields": [
              {
                "name": "object",
                "type": "string"
              },
              {
                "name": "model",
                "type": "string"
              },
              {
                "name": "data[].index",
                "type": "integer"
              },
              {
                "name": "data[].embedding",
                "type": "array<number>"
              },
              {
                "name": "usage",
                "type": "object"
              },
              {
                "name": "usage.prompt_tokens",
                "type": "integer"
              },
              {
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Bazowe stawki za tokeny",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncat > request.json <<'JSON'\n{\n  \"model\": \"voyage-code-2\",\n  \"input\": \"The quick brown fox jumps over the lazy dog\"\n}\nJSON\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o embeddings.json\n# Keep every data item and its index, the full usage object and response headers.\n",
            "label": "curl · save all vectors and usage",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "embeddings",
        "http": "POST",
        "in": 0.4,
        "input": [
          "text"
        ],
        "label": "Reprezentacje wektorowe",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "token",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": "0.0004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000004",
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": "0",
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          }
        ],
        "request_model_id": "voyage-code-2",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000004",
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": "0",
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "voyage-code-2",
        "request_model_id": "voyage-code-2",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage Code 2",
    "price": {
      "in": 0.4,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.4,
      "sort_out": 0,
      "varies": false
    },
    "short": "Voyage Code 2 tworzy embeddingi kodu źródłowego i powiązanego tekstu do semantycznego przeszukiwania repozytorium. Pytania w języku naturalnym, fragmenty kodu lub łączone zapytania pozwalają znaleźć odpowiednie implementacje; ta edycja używa okna 16 000 tokenów i wektorów o 1 536 wymiarach.",
    "short_sha256": "392f5ff2471da11418d1ad1c0971fff44fb348ff0d8d619073b3d78c51bb9acb"
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Voyage Code 2 tworzy embeddingi kodu źródłowego i powiązanego tekstu do semantycznego przeszukiwania repozytorium. Pytania w języku naturalnym, fragmenty kodu lub łączone zapytania pozwalają znaleźć odpowiednie implementacje; ta edycja używa okna 16 000 tokenów i wektorów o 1 536 wymiarach.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "2bebff3b652cf4cc5092cc7b10bc9dc3d26a1bd2703b8c6b31c5ee708115eb5c",
    "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb"
  },
  "sourceRevision": "6c5f6d522686f32e4e874a2f27a1855d68903d233c269371a252c3086635b015"
}