Source: https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/ Canonical: https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/ Language: pt-pt # Perplexity: Embed V1 0.6B [Markdown](https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/index.md) · [JSON](https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/facts.json) ## [Perplexity: Embed V1 0.6B](https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/) Perplexity pplx-embed-v1-0.6B produz embeddings de 1024 dimensões para recuperação independente de texto multilingue. O seu contexto de 32K, a preparação direta do texto e as representações nativas INT8 ou binárias definem um perfil de índice menor da família v1. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/pt-pt/perplexity-pplx-embed-v1-0-6b/#method-0) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. pplx-embed-v1-0.6B é o modelo menor de embeddings independentes da Perplexity na família v1. Transforma o texto de uma consulta ou documento numa representação de 1024 dimensões para recuperação e pesquisa semântica. O fabricante descreve uma família baseada em Qwen3, adaptada através de pré-treino continuado por difusão, com mean pooling e um contexto de 32K. O modelo codifica diretamente o texto fornecido, sem exigir um prefixo de instrução. #### Prepare um registo independente Uma coleção útil pode conter explicações de produtos, secções de uma base de conhecimento ou notas curtas de investigação. Dê a cada texto contexto de origem suficiente para ser compreendido quando for devolvido pela pesquisa: um título, a afirmação procurada e a condição que altera o seu significado. Mantenha o texto original e o identificador do registo junto do embedding resultante. Numa tarefa de pesquisa de notas, uma pergunta sobre o que mudou num processo deve recuperar a nota que descreve essa alteração. Gere o embedding da pergunta real e compare-o com os registos preparados do corpus. Não acrescente por predefinição a instrução de consulta/passagem de outra família de modelos; o texto direto é a preparação documentada pelo fabricante para este modelo. #### Vetores quantizados e comparação por cosseno A representação nativa é um embedding INT8 não normalizado. A Perplexity recomenda explicitamente a similaridade do cosseno para comparação. Uma pontuação de produto escalar em bruto sobre a saída não normalizada altera a comparação, porque a magnitude do vetor contribui para ela. Selecione um índice de pesquisa e um percurso de pontuação que consigam interpretar em conjunto a representação e a métrica escolhidas. A representação binária também está documentada, e a tabela do modelo identifica suporte para Matryoshka. Essas opções de representação podem ser relevantes para o armazenamento do índice, mas os seus componentes e bytes compactados têm de ser interpretados corretamente. A saída completa de 1024 dimensões é distinta da do modelo 4B de 2560 dimensões. Uma alteração do tamanho do modelo ou da representação de saída deve ser verificada nos lados da consulta e do corpus, em vez de ser tratada como um espaço comum automático. #### Utilize o contexto deliberadamente A especificação de contexto do fabricante é de 32K. Uma nota longa ou uma secção de documento pode conter mais explicação circundante do que num codificador de janela curta, embora a unidade de recuperação continue a precisar de um propósito claro. Escolha se um resultado deve devolver uma secção inteira ou uma passagem focada que contenha a resposta. Mantenha as definições e exceções junto da afirmação que qualificam. Para material de origem maior, conserve o identificador do documento principal e a versão fora do vetor. Isto permite que o resultado de pesquisa conduza à fonte e que texto alterado substitua a sua representação correspondente. Examine os resultados candidatos para perguntas reais na combinação linguística prevista e verifique se a passagem fornece a informação pedida, em vez de apenas abordar um assunto semelhante. #### Separe processamento independente e contextual A ficha do modelo distingue este codificador independente de pplx-embed-context-v1-0.6B. O modelo contextual utiliza o contexto circundante do documento nas representações dos fragmentos; o modelo v1 comum representa cada texto fornecido por si só. Uma lista de cadeias independentes não demonstra que tenha ocorrido processamento contextual de fragmentos. A saída útil é uma representação do corpus ou um vetor de consulta ligado ao texto de origem real, com o formato INT8 ou binário selecionado e a comparação por cosseno registados. Uma etapa posterior de ordenação ou de resposta RAG utiliza o texto recuperado como artefacto separado. Este perfil pertence à edição independente exata 0.6B, não aos modelos 4B ou context-v1. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `perplexity/pplx-embed-v1-0.6b` [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/pt-pt/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) Perplexity /`perplexity/pplx-embed-v1-0.6b` ### Introdução Perplexity pplx-embed-v1-0.6B produz embeddings de 1024 dimensões para recuperação independente de texto multilingue. O seu contexto de 32K, a preparação direta do texto e as representações nativas INT8 ou binárias definem um perfil de índice menor da família v1. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Contexto 32 000 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites perplexity/pplx-embed-v1-0.6b | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 32 000 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato32000 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.000008** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "perplexity/pplx-embed-v1-0.6b", "input": ["First document", "Second document"]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")})) PY_RESULT ``` ```python from openai import OpenAI import os client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.embeddings.create(model='perplexity/pplx-embed-v1-0.6b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/pt-pt/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`perplexity/pplx-embed-v1-0.6b`](https://ailoot.ai/models/pt-pt/#m=perplexity%2Fpplx-embed-v1-0.6b&route=Ultra&caller=perplexity%2Fpplx-embed-v1-0.6b&fmt=embeddings) FAQ · Perplexity: Embed V1 0.6B Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `text`, `token_ids` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `perplexity/pplx-embed-v1-0.6b`: `ctx`: `32000`; `input.budget.maximum`: `32000` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.