{
  "aboutHtml": "<p>Voyage Code 3 to model embeddingów wyspecjalizowany w wyszukiwaniu kodu źródłowego. Producent opisuje zadania język naturalny–kod, kod–kod i docstring–kod: pytanie może znaleźć implementację, fragment kodu może znaleźć powiązaną logikę, a opis funkcji może zlokalizować właściwy kod. Model tworzy wektory do wyszukiwania, a nie zredagowany plik lub ukończony program.</p><p>Przygotuj materiał repozytorium wokół znaczących jednostek kodu. Zachowuj funkcję wraz z nazwą, sygnaturą i komentarzami objaśniającymi jej cel. Przy większym komponencie dołącz pobliskie definicje potrzebne do zrozumienia operacji. Repozytorium, rewizję, ścieżkę pliku i położenie w wierszach przechowuj osobno, aby wynik otwierał dokładne źródło, z którego utworzono embedding.</p><p>Wyszukiwanie w języku naturalnym może opisywać zachowanie, takie jak znalezienie części projektu sprawdzającej przesłany plik przed zapisaniem. Zapytanie oparte na kodzie może dostarczyć funkcję, której cel ma zostać dopasowany w innym miejscu. Wybieraj reprezentatywne wyszukiwania z rzeczywistych zadań programistycznych, w tym nieznane nazewnictwo, podobne implementacje i funkcje pomocnicze, których znaczenie zależy od otaczającego kodu.</p><p>Okno kontekstu 32 000 tokenów mieści obszerne fragmenty kodu. Wykorzystuj tę przestrzeń świadomie: kompletna funkcja i jej istotne zależności mogą dostarczyć więcej informacji niż arbitralny blok ucięty w połowie przepływu sterowania. Zachowuj czytelne formatowanie źródła i składnię języka podczas wyodrębniania. Jeżeli plik źródłowy przekracza okno wejścia, dziel go w użytecznych granicach strukturalnych i zachowuj związek fragmentów z plikiem nadrzędnym.</p><p>Voyage Code 3 obsługuje embeddingi o 2 048, 1 024, 512 lub 256 wymiarach oraz reprezentacje zmiennoprzecinkowe, ośmiobitowe ze znakiem lub bez znaku i binarne. Te ustawienia wspierają różne rozmiary indeksu repozytorium i konfiguracje wyszukiwania. Oceniaj zwięzłą reprezentację na tych samych rzeczywistych wyszukiwaniach co większą reprezentację bazową, sprawdzając, czy właściwa funkcja lub plik pozostaje wśród użytecznych wyników.</p><p>Dla asystenta programistycznego najpierw wyszukaj właściwe fragmenty źródła, a następnie przekaż je wraz z odwołaniami do plików komponentowi odpowiedzialnemu za odpowiedź lub zmianę. Dopasowanie podobieństwa pomaga dobrać kontekst; nie dowodzi, że dwie implementacje są zamienne. Sprawdź wejścia, skutki uboczne i otaczające kontrakty w wyszukanym kodzie, zanim użyjesz go do kierowania edycją.</p><p>Oddzielaj niepowiązane wersje repozytorium przez metadane i zachowuj identyfikowalność indeksowanych rewizji. Gdy funkcja zmienia położenie lub zachowanie, aktualizuj wektor i lokalizację źródłową. Te same ustawienia embeddingów powinny opisywać indeksowane źródło i jego zapytania. Przy migracji indeksu porównuj wyniki z istniejącym zestawem pytań, aby zmiana modelu lub reprezentacji wektorowej nie zmieniała po cichu kodu widocznego dla programisty.</p><p>Przydatne kontrole obejmują to, czy zapytanie znajduje rzeczywistą implementację, a nie tylko nazwę testu, czy docstring znajduje odpowiadającą mu funkcję i czy semantycznie powiązany kod jest odróżniany od powierzchownie podobnego fragmentu. Zachowaj zwrócony tekst źródłowy i położenie w wyniku wyszukiwania, aby programiści mogli zbadać dowody. Zamienia to embeddingi modelu ukierunkowane na kod w praktyczne narzędzie nawigacji i doboru kontekstu.</p>",
  "aboutText": "Voyage Code 3 to model embeddingów wyspecjalizowany w wyszukiwaniu kodu źródłowego. Producent opisuje zadania język naturalny–kod, kod–kod i docstring–kod: pytanie może znaleźć implementację, fragment kodu może znaleźć powiązaną logikę, a opis funkcji może zlokalizować właściwy kod. Model tworzy wektory do wyszukiwania, a nie zredagowany plik lub ukończony program.\n\nPrzygotuj materiał repozytorium wokół znaczących jednostek kodu. Zachowuj funkcję wraz z nazwą, sygnaturą i komentarzami objaśniającymi jej cel. Przy większym komponencie dołącz pobliskie definicje potrzebne do zrozumienia operacji. Repozytorium, rewizję, ścieżkę pliku i położenie w wierszach przechowuj osobno, aby wynik otwierał dokładne źródło, z którego utworzono embedding.\n\nWyszukiwanie w języku naturalnym może opisywać zachowanie, takie jak znalezienie części projektu sprawdzającej przesłany plik przed zapisaniem. Zapytanie oparte na kodzie może dostarczyć funkcję, której cel ma zostać dopasowany w innym miejscu. Wybieraj reprezentatywne wyszukiwania z rzeczywistych zadań programistycznych, w tym nieznane nazewnictwo, podobne implementacje i funkcje pomocnicze, których znaczenie zależy od otaczającego kodu.\n\nOkno kontekstu 32 000 tokenów mieści obszerne fragmenty kodu. Wykorzystuj tę przestrzeń świadomie: kompletna funkcja i jej istotne zależności mogą dostarczyć więcej informacji niż arbitralny blok ucięty w połowie przepływu sterowania. Zachowuj czytelne formatowanie źródła i składnię języka podczas wyodrębniania. Jeżeli plik źródłowy przekracza okno wejścia, dziel go w użytecznych granicach strukturalnych i zachowuj związek fragmentów z plikiem nadrzędnym.\n\nVoyage Code 3 obsługuje embeddingi o 2 048, 1 024, 512 lub 256 wymiarach oraz reprezentacje zmiennoprzecinkowe, ośmiobitowe ze znakiem lub bez znaku i binarne. Te ustawienia wspierają różne rozmiary indeksu repozytorium i konfiguracje wyszukiwania. Oceniaj zwięzłą reprezentację na tych samych rzeczywistych wyszukiwaniach co większą reprezentację bazową, sprawdzając, czy właściwa funkcja lub plik pozostaje wśród użytecznych wyników.\n\nDla asystenta programistycznego najpierw wyszukaj właściwe fragmenty źródła, a następnie przekaż je wraz z odwołaniami do plików komponentowi odpowiedzialnemu za odpowiedź lub zmianę. Dopasowanie podobieństwa pomaga dobrać kontekst; nie dowodzi, że dwie implementacje są zamienne. Sprawdź wejścia, skutki uboczne i otaczające kontrakty w wyszukanym kodzie, zanim użyjesz go do kierowania edycją.\n\nOddzielaj niepowiązane wersje repozytorium przez metadane i zachowuj identyfikowalność indeksowanych rewizji. Gdy funkcja zmienia położenie lub zachowanie, aktualizuj wektor i lokalizację źródłową. Te same ustawienia embeddingów powinny opisywać indeksowane źródło i jego zapytania. Przy migracji indeksu porównuj wyniki z istniejącym zestawem pytań, aby zmiana modelu lub reprezentacji wektorowej nie zmieniała po cichu kodu widocznego dla programisty.\n\nPrzydatne kontrole obejmują to, czy zapytanie znajduje rzeczywistą implementację, a nie tylko nazwę testu, czy docstring znajduje odpowiadającą mu funkcję i czy semantycznie powiązany kod jest odróżniany od powierzchownie podobnego fragmentu. Zachowaj zwrócony tekst źródłowy i położenie w wyniku wyszukiwania, aby programiści mogli zbadać dowody. Zamienia to embeddingi modelu ukierunkowane na kod w praktyczne narzędzie nawigacji i doboru kontekstu.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "7517c4111f1cfc7e5eeb139c5d4a6f432e3d5e9fe13da4377f0176c6e24a1d60",
    "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 3</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-3</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-3\">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 3 tworzy embeddingi do wyszukiwania tekst–kod, kod–kod i docstring–kod. Okno 32 000 tokenów, wybór liczby wymiarów wektora i skwantowany wynik wspierają przeszukiwanie repozytoriów i dobór kontekstu kodowego dla asystentów programistycznych.</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 3 to model embeddingów wyspecjalizowany w wyszukiwaniu kodu źródłowego. Producent opisuje zadania język naturalny–kod, kod–kod i docstring–kod: pytanie może znaleźć implementację, fragment kodu może znaleźć powiązaną logikę, a opis funkcji może zlokalizować właściwy kod. Model tworzy wektory do wyszukiwania, a nie zredagowany plik lub ukończony program.</p><p>Przygotuj materiał repozytorium wokół znaczących jednostek kodu. Zachowuj funkcję wraz z nazwą, sygnaturą i komentarzami objaśniającymi jej cel. Przy większym komponencie dołącz pobliskie definicje potrzebne do zrozumienia operacji. Repozytorium, rewizję, ścieżkę pliku i położenie w wierszach przechowuj osobno, aby wynik otwierał dokładne źródło, z którego utworzono embedding.</p><p>Wyszukiwanie w języku naturalnym może opisywać zachowanie, takie jak znalezienie części projektu sprawdzającej przesłany plik przed zapisaniem. Zapytanie oparte na kodzie może dostarczyć funkcję, której cel ma zostać dopasowany w innym miejscu. Wybieraj reprezentatywne wyszukiwania z rzeczywistych zadań programistycznych, w tym nieznane nazewnictwo, podobne implementacje i funkcje pomocnicze, których znaczenie zależy od otaczającego kodu.</p><p>Okno kontekstu 32 000 tokenów mieści obszerne fragmenty kodu. Wykorzystuj tę przestrzeń świadomie: kompletna funkcja i jej istotne zależności mogą dostarczyć więcej informacji niż arbitralny blok ucięty w połowie przepływu sterowania. Zachowuj czytelne formatowanie źródła i składnię języka podczas wyodrębniania. Jeżeli plik źródłowy przekracza okno wejścia, dziel go w użytecznych granicach strukturalnych i zachowuj związek fragmentów z plikiem nadrzędnym.</p><p>Voyage Code 3 obsługuje embeddingi o 2 048, 1 024, 512 lub 256 wymiarach oraz reprezentacje zmiennoprzecinkowe, ośmiobitowe ze znakiem lub bez znaku i binarne. Te ustawienia wspierają różne rozmiary indeksu repozytorium i konfiguracje wyszukiwania. Oceniaj zwięzłą reprezentację na tych samych rzeczywistych wyszukiwaniach co większą reprezentację bazową, sprawdzając, czy właściwa funkcja lub plik pozostaje wśród użytecznych wyników.</p><p>Dla asystenta programistycznego najpierw wyszukaj właściwe fragmenty źródła, a następnie przekaż je wraz z odwołaniami do plików komponentowi odpowiedzialnemu za odpowiedź lub zmianę. Dopasowanie podobieństwa pomaga dobrać kontekst; nie dowodzi, że dwie implementacje są zamienne. Sprawdź wejścia, skutki uboczne i otaczające kontrakty w wyszukanym kodzie, zanim użyjesz go do kierowania edycją.</p><p>Oddzielaj niepowiązane wersje repozytorium przez metadane i zachowuj identyfikowalność indeksowanych rewizji. Gdy funkcja zmienia położenie lub zachowanie, aktualizuj wektor i lokalizację źródłową. Te same ustawienia embeddingów powinny opisywać indeksowane źródło i jego zapytania. Przy migracji indeksu porównuj wyniki z istniejącym zestawem pytań, aby zmiana modelu lub reprezentacji wektorowej nie zmieniała po cichu kodu widocznego dla programisty.</p><p>Przydatne kontrole obejmują to, czy zapytanie znajduje rzeczywistą implementację, a nie tylko nazwę testu, czy docstring znajduje odpowiadającą mu funkcję i czy semantycznie powiązany kod jest odróżniany od powierzchownie podobnego fragmentu. Zachowaj zwrócony tekst źródłowy i położenie w wyniku wyszukiwania, aby programiści mogli zbadać dowody. Zamienia to embeddingi modelu ukierunkowane na kod w praktyczne narzędzie nawigacji i doboru kontekstu.</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-3</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>$0</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Odczyt cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache, 1 godz.</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. <a href=\"/docs/pl/billing/reserve/\">Jak działają rezerwacja i rozliczenie →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Przykładowe żądania</h3><h4>Ailoot Ultra · Reprezentacje wektorowe</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Warianty kodu\"><button class=\"cg-tab\" id=\"model-code-2790-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2790-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · zapisz wszystkie wektory i dane użycia</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiuj kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2790-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2790-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${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-3&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-3&amp;route=Ultra&amp;caller=voyage-code-3&amp;fmt=embeddings\"><code>voyage-code-3</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-3&amp;route=Ultra&amp;caller=voyage-code-3&amp;fmt=embeddings\"><code>voyage-code-3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "voyage-code-3",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "voyage-code-3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|voyage-code-3",
      "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-3"
                ],
                "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-3"
                  ],
                  "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-3"
              },
              "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-3\",\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-3",
        "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-3",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "f738620d0e597f23145aef3df9ff80b23e6130bb800e206d6571834a7727ec39",
    "input_html_sha256": "8b6009c06e9e832394979c88fc5e22449dc8a871491ceccb1b4e1e26354ec11a",
    "private_audit_sha256": "16f1b18f3d852d1f9c4bb28deb9fc9121c98d2bb0627c1ddd798f6e148ecdd58",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/pl/voyage-code-3/",
    "description": "Voyage Code 3 tworzy embeddingi do wyszukiwania tekst–kod, kod–kod i docstring–kod. Okno 32 000 tokenów, wybór liczby wymiarów wektora i skwantowany wynik wspierają przeszukiwanie repozytoriów i dobór kontekstu kodowego dla asystentów programistycznych.",
    "locale": "pl",
    "md_url": "https://ailoot.ai/models/pl/voyage-code-3/index.md",
    "title": "Voyage AI: Voyage Code 3 — Ailoot",
    "url": "https://ailoot.ai/models/pl/voyage-code-3/"
  },
  "rawModel": {
    "about": "Voyage Code 3 to model embeddingów wyspecjalizowany w wyszukiwaniu kodu źródłowego. Producent opisuje zadania język naturalny–kod, kod–kod i docstring–kod: pytanie może znaleźć implementację, fragment kodu może znaleźć powiązaną logikę, a opis funkcji może zlokalizować właściwy kod. Model tworzy wektory do wyszukiwania, a nie zredagowany plik lub ukończony program.\n\nPrzygotuj materiał repozytorium wokół znaczących jednostek kodu. Zachowuj funkcję wraz z nazwą, sygnaturą i komentarzami objaśniającymi jej cel. Przy większym komponencie dołącz pobliskie definicje potrzebne do zrozumienia operacji. Repozytorium, rewizję, ścieżkę pliku i położenie w wierszach przechowuj osobno, aby wynik otwierał dokładne źródło, z którego utworzono embedding.\n\nWyszukiwanie w języku naturalnym może opisywać zachowanie, takie jak znalezienie części projektu sprawdzającej przesłany plik przed zapisaniem. Zapytanie oparte na kodzie może dostarczyć funkcję, której cel ma zostać dopasowany w innym miejscu. Wybieraj reprezentatywne wyszukiwania z rzeczywistych zadań programistycznych, w tym nieznane nazewnictwo, podobne implementacje i funkcje pomocnicze, których znaczenie zależy od otaczającego kodu.\n\nOkno kontekstu 32 000 tokenów mieści obszerne fragmenty kodu. Wykorzystuj tę przestrzeń świadomie: kompletna funkcja i jej istotne zależności mogą dostarczyć więcej informacji niż arbitralny blok ucięty w połowie przepływu sterowania. Zachowuj czytelne formatowanie źródła i składnię języka podczas wyodrębniania. Jeżeli plik źródłowy przekracza okno wejścia, dziel go w użytecznych granicach strukturalnych i zachowuj związek fragmentów z plikiem nadrzędnym.\n\nVoyage Code 3 obsługuje embeddingi o 2 048, 1 024, 512 lub 256 wymiarach oraz reprezentacje zmiennoprzecinkowe, ośmiobitowe ze znakiem lub bez znaku i binarne. Te ustawienia wspierają różne rozmiary indeksu repozytorium i konfiguracje wyszukiwania. Oceniaj zwięzłą reprezentację na tych samych rzeczywistych wyszukiwaniach co większą reprezentację bazową, sprawdzając, czy właściwa funkcja lub plik pozostaje wśród użytecznych wyników.\n\nDla asystenta programistycznego najpierw wyszukaj właściwe fragmenty źródła, a następnie przekaż je wraz z odwołaniami do plików komponentowi odpowiedzialnemu za odpowiedź lub zmianę. Dopasowanie podobieństwa pomaga dobrać kontekst; nie dowodzi, że dwie implementacje są zamienne. Sprawdź wejścia, skutki uboczne i otaczające kontrakty w wyszukanym kodzie, zanim użyjesz go do kierowania edycją.\n\nOddzielaj niepowiązane wersje repozytorium przez metadane i zachowuj identyfikowalność indeksowanych rewizji. Gdy funkcja zmienia położenie lub zachowanie, aktualizuj wektor i lokalizację źródłową. Te same ustawienia embeddingów powinny opisywać indeksowane źródło i jego zapytania. Przy migracji indeksu porównuj wyniki z istniejącym zestawem pytań, aby zmiana modelu lub reprezentacji wektorowej nie zmieniała po cichu kodu widocznego dla programisty.\n\nPrzydatne kontrole obejmują to, czy zapytanie znajduje rzeczywistą implementację, a nie tylko nazwę testu, czy docstring znajduje odpowiadającą mu funkcję i czy semantycznie powiązany kod jest odróżniany od powierzchownie podobnego fragmentu. Zachowaj zwrócony tekst źródłowy i położenie w wyniku wyszukiwania, aby programiści mogli zbadać dowody. Zamienia to embeddingi modelu ukierunkowane na kod w praktyczne narzędzie nawigacji i doboru kontekstu.",
    "about_sha256": "7a62faecaa1a469a228fb832e8fd51d0fb1ee7fc0232e975614f45428c1f130f",
    "alias_of": null,
    "aliases": [],
    "author": "Voyage AI",
    "capabilities": {
      "context_length": 32000,
      "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 3",
    "formats": [
      "embeddings"
    ],
    "id": "voyage-code-3",
    "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-3"
                ],
                "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-3"
                  ],
                  "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-3"
              },
              "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-3\",\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-3",
        "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-3",
        "request_model_id": "voyage-code-3",
        "route_label": "Ultra"
      }
    ],
    "name": "Voyage AI: Voyage Code 3",
    "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 3 tworzy embeddingi do wyszukiwania tekst–kod, kod–kod i docstring–kod. Okno 32 000 tokenów, wybór liczby wymiarów wektora i skwantowany wynik wspierają przeszukiwanie repozytoriów i dobór kontekstu kodowego dla asystentów programistycznych.",
    "short_sha256": "d4d092b4a7555efe0f233ac899b7e43901dde1d9465c4a647af52200c6d5d963"
  },
  "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 3 tworzy embeddingi do wyszukiwania tekst–kod, kod–kod i docstring–kod. Okno 32 000 tokenów, wybór liczby wymiarów wektora i skwantowany wynik wspierają przeszukiwanie repozytoriów i dobór kontekstu kodowego dla asystentów programistycznych.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "dd316854969214abf96ebcb740d15b1956a5244dc936dc8d1b57770f5cfd52b0",
    "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb"
  },
  "sourceRevision": "1b4c9486eaffb4af29003c0af23258060cf640f394c34179b4f738c530c71f5c"
}