{
  "aboutHtml": "<p>LFM2.5-Embedding-350M je gosti bi-kodirnik LiquidAI za večjezično in medjezično pridobivanje informacij. Za vsako besedilo ustvari en 1024-razsežen vektor in se osredotoča na iskanje s kratkim kontekstom v enajstih jezikih. Poimenovana družina modelov 350M uporablja dvosmerno prilagoditev LFM2.5-350M-Base; podrobna tabela modela za to izdajo embeddingov navaja približno 354 milijonov parametrov.</p><h4>Dvosmerna predstavitev za pridobivanje informacij</h4><p>Proizvajalec osnovo prilagodi tako, da pozornost in lokalne konvolucije lahko uporabljajo kontekst na obeh straneh žetona. Združevanje v slogu CLS obdelano besedilo pretvori v en gosti vektor. Tabela modela opisuje sedemnajst plasti: deset konvolucijskih blokov, šest blokov pozornosti in stopnjo združevanja predstavitev. To je kodirnik za pridobivanje informacij z lastno pripravo in izhodom, ne naloga ustvarjanja besedila osnovnega modela.</p><p>Ločeno poimenovani LFM2.5-ColBERT-350M ohrani vektorje posameznih žetonov za pozno interakcijo. Ta predstavitev potrebuje drugačen indeks in primerjalno metodo. Tukaj opisani model Embedding daje en vektor na dokument ali poizvedbo, s kosinusno podobnostjo kot dokumentirano primerjavo.</p><h4>Uporabite pravilne asimetrične pozive</h4><p>Iskalne poizvedbe pripravite s “query:”, izvorne odlomke pa z “document:”. Proizvajalec te pozive shrani v konfiguraciji in njegov referenčni potek uporabi ustrezno ime poziva. Izrecno priporoča ustrezno vlogo na vsaki strani, ker je bil model učen s temi predponami. Ta dokumentna predpona se razlikuje od konvencije “passage:” modelov E5.</p><p>Praktična zbirka za iskanje izdelkov lahko hrani opise v podprtih jezikih. Uporabnikovo iskalno besedilo pripravite kot poizvedbo in vsak opis izdelka kot dokument. Izvirno besedilo, identifikator izdelka in jezik shranite z vektorjem, da rezultat iskanja lahko vrne ustrezni zapis. Pri zbirki podpore ohranite pravilo ali navodilo, relevantno za vprašanje, ne nadomestite ga z nepovezano kratko oznako.</p><h4>Jeziki in velikost odlomkov</h4><p>Dokumentirani nabor jezikov sestavljajo angleščina, španščina, nemščina, francoščina, italijanščina, portugalščina, arabščina, švedščina, norveščina, japonščina in korejščina. Proizvajalec izrecno cilja na pridobivanje znotraj jezika in čez jezikovne meje. Pripravite dejanska vprašanja predvidenega občinstva in preglejte vrnjeno besedilo dokumentov v teh jezikih.</p><p>Specifikacija dolžine dokumenta je 512 žetonov. Dolg vir razdelite na povezane odlomke z ohranjenimi naslovom, opredelitvami in pogoji, ki jih pridobljeni rezultat potrebuje. Predpona vloge in dodani kontekst sodita v pripravljeni vhod. Odgovor FAQ, pojasnilo izdelka ali osredotočen del tehničnega dokumenta je primernejša enota kot celoten prevelik priročnik.</p><h4>Učenje in ujemanje</h4><p>Proizvajalec opisuje tri stopnje učenja: angleško kontrastivno predučenje, večjezično in medjezično destilacijo, nato dodatno učenje s težkimi negativnimi primeri, pridobljenimi z iskanjem. Nastali model je namenjen katalogom izdelkov, FAQ in zbirkam podpore, iskanju datotek ali zapiskov ter pridobivanju poslovnega znanja. To so naloge besedilnih predstavitev, ne trditve o namestitvi konkretne aplikacije.</p><p>Proizvajalčev primer normalizira vektorje poizvedb in dokumentov ter jih razvrsti s skalarnim produktom, ekvivalentnim kosinusni podobnosti. Predstavitve korpusa vnaprej izračunajte po pripravi izvornega gradiva, nato ustvarite embedding iskalne poizvedbe in vrnite kandidatne dokumente z besedilom in identifikatorji. Izbrani model in konvencijo vlog ohranite z indeksom, da številčna primerjava uporablja združljive predstavitve.</p><p>Koristni rezultat je zgoščen gosti iskalni indeks ali vektor poizvedbe, ki pridobi izvorno gradivo v dokumentiranem naboru jezikov. Ta konkretna izdaja LFM2.5 Embedding ostaja ločena od spremljevalnega ColBERT, starejših modelov LFM2 za pridobivanje informacij in zunanje kvantiziranih implementacij. Besedilo izbranega odlomka je dokaz, ki ga uporabi bralec ali poznejša stopnja odgovarjanja RAG.</p>",
  "aboutText": "LFM2.5-Embedding-350M je gosti bi-kodirnik LiquidAI za večjezično in medjezično pridobivanje informacij. Za vsako besedilo ustvari en 1024-razsežen vektor in se osredotoča na iskanje s kratkim kontekstom v enajstih jezikih. Poimenovana družina modelov 350M uporablja dvosmerno prilagoditev LFM2.5-350M-Base; podrobna tabela modela za to izdajo embeddingov navaja približno 354 milijonov parametrov.\n\n### Dvosmerna predstavitev za pridobivanje informacij\n\nProizvajalec osnovo prilagodi tako, da pozornost in lokalne konvolucije lahko uporabljajo kontekst na obeh straneh žetona. Združevanje v slogu CLS obdelano besedilo pretvori v en gosti vektor. Tabela modela opisuje sedemnajst plasti: deset konvolucijskih blokov, šest blokov pozornosti in stopnjo združevanja predstavitev. To je kodirnik za pridobivanje informacij z lastno pripravo in izhodom, ne naloga ustvarjanja besedila osnovnega modela.\n\nLočeno poimenovani LFM2.5-ColBERT-350M ohrani vektorje posameznih žetonov za pozno interakcijo. Ta predstavitev potrebuje drugačen indeks in primerjalno metodo. Tukaj opisani model Embedding daje en vektor na dokument ali poizvedbo, s kosinusno podobnostjo kot dokumentirano primerjavo.\n\n### Uporabite pravilne asimetrične pozive\n\nIskalne poizvedbe pripravite s “query:”, izvorne odlomke pa z “document:”. Proizvajalec te pozive shrani v konfiguraciji in njegov referenčni potek uporabi ustrezno ime poziva. Izrecno priporoča ustrezno vlogo na vsaki strani, ker je bil model učen s temi predponami. Ta dokumentna predpona se razlikuje od konvencije “passage:” modelov E5.\n\nPraktična zbirka za iskanje izdelkov lahko hrani opise v podprtih jezikih. Uporabnikovo iskalno besedilo pripravite kot poizvedbo in vsak opis izdelka kot dokument. Izvirno besedilo, identifikator izdelka in jezik shranite z vektorjem, da rezultat iskanja lahko vrne ustrezni zapis. Pri zbirki podpore ohranite pravilo ali navodilo, relevantno za vprašanje, ne nadomestite ga z nepovezano kratko oznako.\n\n### Jeziki in velikost odlomkov\n\nDokumentirani nabor jezikov sestavljajo angleščina, španščina, nemščina, francoščina, italijanščina, portugalščina, arabščina, švedščina, norveščina, japonščina in korejščina. Proizvajalec izrecno cilja na pridobivanje znotraj jezika in čez jezikovne meje. Pripravite dejanska vprašanja predvidenega občinstva in preglejte vrnjeno besedilo dokumentov v teh jezikih.\n\nSpecifikacija dolžine dokumenta je 512 žetonov. Dolg vir razdelite na povezane odlomke z ohranjenimi naslovom, opredelitvami in pogoji, ki jih pridobljeni rezultat potrebuje. Predpona vloge in dodani kontekst sodita v pripravljeni vhod. Odgovor FAQ, pojasnilo izdelka ali osredotočen del tehničnega dokumenta je primernejša enota kot celoten prevelik priročnik.\n\n### Učenje in ujemanje\n\nProizvajalec opisuje tri stopnje učenja: angleško kontrastivno predučenje, večjezično in medjezično destilacijo, nato dodatno učenje s težkimi negativnimi primeri, pridobljenimi z iskanjem. Nastali model je namenjen katalogom izdelkov, FAQ in zbirkam podpore, iskanju datotek ali zapiskov ter pridobivanju poslovnega znanja. To so naloge besedilnih predstavitev, ne trditve o namestitvi konkretne aplikacije.\n\nProizvajalčev primer normalizira vektorje poizvedb in dokumentov ter jih razvrsti s skalarnim produktom, ekvivalentnim kosinusni podobnosti. Predstavitve korpusa vnaprej izračunajte po pripravi izvornega gradiva, nato ustvarite embedding iskalne poizvedbe in vrnite kandidatne dokumente z besedilom in identifikatorji. Izbrani model in konvencijo vlog ohranite z indeksom, da številčna primerjava uporablja združljive predstavitve.\n\nKoristni rezultat je zgoščen gosti iskalni indeks ali vektor poizvedbe, ki pridobi izvorno gradivo v dokumentiranem naboru jezikov. Ta konkretna izdaja LFM2.5 Embedding ostaja ločena od spremljevalnega ColBERT, starejših modelov LFM2 za pridobivanje informacij in zunanje kvantiziranih implementacij. Besedilo izbranega odlomka je dokaz, ki ga uporabi bralec ali poznejša stopnja odgovarjanja RAG.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "0439d9f174b529982bc61d9746e4223d9bb0b96b41fb7323b888ac4d92f28d47",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "sl",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">LiquidAI: LFM2.5-Embedding-350M (free)</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Zapri\">×</button></div><div class=\"idline\"><span>LiquidAI /</span><code>liquid/lfm-2.5-embedding-350m:free</code><button type=\"button\" id=\"copy-id\">Kopiraj ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Razdelki kartice modela\"><button type=\"button\" data-card-jump=\"overview\">Začetek</button><button type=\"button\" data-card-jump=\"methods\">Vhodi in metode</button><button type=\"button\" data-card-jump=\"pricing\">Cenik</button><button type=\"button\" data-card-jump=\"examples\">Primeri</button><button type=\"button\" data-card-jump=\"results\">Rezultati</button><button type=\"button\" data-card-jump=\"aliases\">Druga imena</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metode 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|liquid%2Flfm-2.5-embedding-350m%3Afree\">Vektorske predstavitve</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\">Začetek</h3><p class=\"mdesc-full\">LiquidAI LFM2.5-Embedding-350M za vsako besedilo ustvari en 1024-razsežen vektor za večjezično in medjezično pridobivanje informacij. Namenjen je 11 jezikom in kratkim vhodom s 512 žetoni, z ločenima predponama query/document.</p><dl class=\"card-io\" data-card-io><div><dt>Dovoljeni vhodi</dt><dd>Besedilo · token_ids</dd></div><div><dt>Rezultati</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>O modelu</summary><p class=\"note-s\" data-model-method-boundary>Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.</p><div class=\"mabout\" id=\"m-about\"><p>LFM2.5-Embedding-350M je gosti bi-kodirnik LiquidAI za večjezično in medjezično pridobivanje informacij. Za vsako besedilo ustvari en 1024-razsežen vektor in se osredotoča na iskanje s kratkim kontekstom v enajstih jezikih. Poimenovana družina modelov 350M uporablja dvosmerno prilagoditev LFM2.5-350M-Base; podrobna tabela modela za to izdajo embeddingov navaja približno 354 milijonov parametrov.</p><h4>Dvosmerna predstavitev za pridobivanje informacij</h4><p>Proizvajalec osnovo prilagodi tako, da pozornost in lokalne konvolucije lahko uporabljajo kontekst na obeh straneh žetona. Združevanje v slogu CLS obdelano besedilo pretvori v en gosti vektor. Tabela modela opisuje sedemnajst plasti: deset konvolucijskih blokov, šest blokov pozornosti in stopnjo združevanja predstavitev. To je kodirnik za pridobivanje informacij z lastno pripravo in izhodom, ne naloga ustvarjanja besedila osnovnega modela.</p><p>Ločeno poimenovani LFM2.5-ColBERT-350M ohrani vektorje posameznih žetonov za pozno interakcijo. Ta predstavitev potrebuje drugačen indeks in primerjalno metodo. Tukaj opisani model Embedding daje en vektor na dokument ali poizvedbo, s kosinusno podobnostjo kot dokumentirano primerjavo.</p><h4>Uporabite pravilne asimetrične pozive</h4><p>Iskalne poizvedbe pripravite s “query:”, izvorne odlomke pa z “document:”. Proizvajalec te pozive shrani v konfiguraciji in njegov referenčni potek uporabi ustrezno ime poziva. Izrecno priporoča ustrezno vlogo na vsaki strani, ker je bil model učen s temi predponami. Ta dokumentna predpona se razlikuje od konvencije “passage:” modelov E5.</p><p>Praktična zbirka za iskanje izdelkov lahko hrani opise v podprtih jezikih. Uporabnikovo iskalno besedilo pripravite kot poizvedbo in vsak opis izdelka kot dokument. Izvirno besedilo, identifikator izdelka in jezik shranite z vektorjem, da rezultat iskanja lahko vrne ustrezni zapis. Pri zbirki podpore ohranite pravilo ali navodilo, relevantno za vprašanje, ne nadomestite ga z nepovezano kratko oznako.</p><h4>Jeziki in velikost odlomkov</h4><p>Dokumentirani nabor jezikov sestavljajo angleščina, španščina, nemščina, francoščina, italijanščina, portugalščina, arabščina, švedščina, norveščina, japonščina in korejščina. Proizvajalec izrecno cilja na pridobivanje znotraj jezika in čez jezikovne meje. Pripravite dejanska vprašanja predvidenega občinstva in preglejte vrnjeno besedilo dokumentov v teh jezikih.</p><p>Specifikacija dolžine dokumenta je 512 žetonov. Dolg vir razdelite na povezane odlomke z ohranjenimi naslovom, opredelitvami in pogoji, ki jih pridobljeni rezultat potrebuje. Predpona vloge in dodani kontekst sodita v pripravljeni vhod. Odgovor FAQ, pojasnilo izdelka ali osredotočen del tehničnega dokumenta je primernejša enota kot celoten prevelik priročnik.</p><h4>Učenje in ujemanje</h4><p>Proizvajalec opisuje tri stopnje učenja: angleško kontrastivno predučenje, večjezično in medjezično destilacijo, nato dodatno učenje s težkimi negativnimi primeri, pridobljenimi z iskanjem. Nastali model je namenjen katalogom izdelkov, FAQ in zbirkam podpore, iskanju datotek ali zapiskov ter pridobivanju poslovnega znanja. To so naloge besedilnih predstavitev, ne trditve o namestitvi konkretne aplikacije.</p><p>Proizvajalčev primer normalizira vektorje poizvedb in dokumentov ter jih razvrsti s skalarnim produktom, ekvivalentnim kosinusni podobnosti. Predstavitve korpusa vnaprej izračunajte po pripravi izvornega gradiva, nato ustvarite embedding iskalne poizvedbe in vrnite kandidatne dokumente z besedilom in identifikatorji. Izbrani model in konvencijo vlog ohranite z indeksom, da številčna primerjava uporablja združljive predstavitve.</p><p>Koristni rezultat je zgoščen gosti iskalni indeks ali vektor poizvedbe, ki pridobi izvorno gradivo v dokumentiranem naboru jezikov. Ta konkretna izdaja LFM2.5 Embedding ostaja ločena od spremljevalnega ColBERT, starejših modelov LFM2 za pridobivanje informacij in zunanje kvantiziranih implementacij. Besedilo izbranega odlomka je dokaz, ki ga uporabi bralec ali poznejša stopnja odgovarjanja RAG.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Na voljo v Ailoot · vhodi in metode</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Vektorske predstavitve</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Vhod</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>Izhod</dt><dd><code>embedding</code></dd></div><div><dt>Kontekst</dt><dd>512 tokens</dd></div><div><dt>Izhodni format</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Polje</th><th>Vrsta</th><th>Zahteva</th><th>Vrednosti in omejitve</th><th>Privzeto</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>string</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Obvezno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>liquid/lfm-2.5-embedding-350m:free</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Obvezno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Najmanjše število elementov: 1</div><div>Pogoji: Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila.</div><div>Vhodni proračun: Največ: 512 · Besedilna enota: bajti UTF8 · Enota žetonov: elementi polja žetonov</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>string</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Izbirno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>float</div></td><td data-cell-label=\"Privzeto\" data-default=\"known\"><span class=\"card-cell-label\">Privzeto</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>integer</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Ni podprto</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Najmanj: 1</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>json_value</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Izbirno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>json_value</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Izbirno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>json_value</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Izbirno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span><code>object</code></td><td data-cell-label=\"Zahteva\"><span class=\"card-cell-label\">Zahteva</span>Izbirno</td><td data-cell-label=\"Vrednosti in omejitve\"><span class=\"card-cell-label\">Vrednosti in omejitve</span><div>Pogoji: provider.options je zavrnjen</div></td><td data-cell-label=\"Privzeto\" data-default=\"unspecified\"><span class=\"card-cell-label\">Privzeto</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Kombinacije vhodnih gradiv</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Parametri in življenjski cikel metode</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Specifikacija</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>model, input</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>input_shapes</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>encoding_format</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>float</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>dimensions_override</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>false</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>max_input_budget_units</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>512</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>multimodal_objects</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>false</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Specifikacija\"><span class=\"card-cell-label\">Specifikacija</span>text, token_ids</td></tr></tbody></table></div><p>Življenjski cikel: <code>synchronous_json</code></p><p class=\"note-s\">Shranite indeks in dimenzijo vsakega vektorja.</p><p class=\"note-s\">Ime multimodalnega modela ne pomeni, da so na tej točno določeni poti dovoljeni slikovni objekti.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Cenik</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.</p><dl data-price-conditions><dt>Hitri način</dt><dd>Standardna tarifa <span class=\"note-s\">Ko je izbran hitri način</span></dd><dt>Način flex</dt><dd>Standardna tarifa <span class=\"note-s\">Ko je izbran način flex</span></dd><dt>Najvišja raven razmišljanja</dt><dd>Standardna tarifa <span class=\"note-s\">Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Cene Ailoot</h4><h4>Cene po nastavitvah</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Nastavitev</th><th>Cenovna lestvica</th><th>Strošek</th></tr></thead><tbody><tr><th data-cell-label=\"Nastavitev\" scope=\"row\"><span class=\"card-cell-label\">Nastavitev</span>Osnovne cene za žetone</th><td data-cell-label=\"Cenovna lestvica\"><span class=\"card-cell-label\">Cenovna lestvica</span>Osnovna cena</td><td data-cell-label=\"Strošek\"><span class=\"card-cell-label\">Strošek</span><div><span>Vhod · Vhodni žetoni</span> <b>$0</b> <span class=\"price-unit\">/ 1K žetonov</span></div><div><span>Izhod · Izhodni žetoni</span> <b>$0</b> <span class=\"price-unit\">/ 1K žetonov</span></div><div><span>Vhod · Branje predpomnilnika</span> <b>—</b> <span class=\"price-unit\">/ 1K žetonov</span></div><div><span>Vhod · Zapis v predpomnilnik</span> <b>—</b> <span class=\"price-unit\">/ 1K žetonov</span></div><div><span>Vhod · Zapis v predpomnilnik, 1 ura</span> <b>—</b> <span class=\"price-unit\">/ 1K žetonov</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. <a href=\"/docs/sl/billing/reserve/\">Kako delujeta rezervacija in obračun →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Primeri zahtev</h3><h4>Ailoot Ultra · Vektorske predstavitve</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Primeri kode\"><button class=\"cg-tab\" id=\"model-code-1793-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-1793-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1793-panel-1\" aria-selected=\"false\" tabindex=\"-1\">Python SDK</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiraj kodo\"><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-1793-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\np=json.loads(&#39;{&quot;model&quot;: &quot;liquid/lfm-2.5-embedding-350m:free&quot;, &quot;input&quot;: [&quot;First document&quot;, &quot;Second document&quot;]}&#39;)\n\nPath(&quot;request.json&quot;).write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - &lt;&lt;&#39;PY_RESULT&#39;\nimport json\nfrom pathlib import Path\nr=json.loads(Path(&quot;result.json&quot;).read_text())\nfor x in r.get(&quot;data&quot;,[]): print(json.dumps({&quot;index&quot;:x.get(&quot;index&quot;),&quot;embedding&quot;:x.get(&quot;embedding&quot;)}))\nPY_RESULT\n</code></pre></div><div class=\"cg-pane\" id=\"model-code-1793-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1793-tab-1\" hidden><pre data-lang=\"python\"><code>from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=&quot;https://api.ailoot.ai/v1&quot;,api_key=os.environ[&quot;AILOOT_API_KEY&quot;],max_retries=0)\nresult=client.embeddings.create(model=&#39;liquid/lfm-2.5-embedding-350m:free&#39;,input=[&quot;First document&quot;,&quot;Second document&quot;])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Prejmi in shrani rezultate</h3><h4>Ailoot Ultra · Vektorske predstavitve</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Ohrani vse dokončane rezultate</h5><p class=\"note-s\">Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.</p><p class=\"note-s\">Shranite vsak vektor skupaj z njegovim indeksom. Število vektorjev mora biti enako številu vhodov; dimenzije morajo biti skladne.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Če je treba preveriti izvirni odgovor</h5><p class=\"note-s\">Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.</p></div><details class=\"card-about\" data-output-fields><summary>Polja odgovora</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Polje</th><th>Vrsta</th></tr></thead><tbody><tr><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span>string</td></tr><tr><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span>string</td></tr><tr><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span>integer</td></tr><tr><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span>finite float[]</td></tr><tr><th data-cell-label=\"Polje\" scope=\"row\"><span class=\"card-cell-label\">Polje</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Vrsta\" data-field-type><span class=\"card-cell-label\">Vrsta</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Napake in naslednji koraki</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Odgovor</th><th>Pogoj</th><th>Naslednji korak</th></tr></thead><tbody><tr><th data-cell-label=\"Odgovor\" scope=\"row\"><span class=\"card-cell-label\">Odgovor</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Pogoj\"><span class=\"card-cell-label\">Pogoj</span>Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra</td><td data-cell-label=\"Naslednji korak\"><span class=\"card-cell-label\">Naslednji korak</span>Pred novo zahtevo za ustvarjanje popravite navedena polja.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Druga imena</h3><h4>Druga imena modelov</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></span></p><h4>Druga imena poti metod</h4><p class=\"note-s\">Uporabite zgoraj navedene poti metod.</p><h4>Povezani ID-ji za klic</h4><p class=\"note-s\"><a href=\"#m=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;route=Ultra&amp;caller=liquid%2Flfm-2.5-embedding-350m%3Afree&amp;fmt=embeddings\"><code>liquid/lfm-2.5-embedding-350m:free</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|liquid%2Flfm-2.5-embedding-350m%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra",
                "http_status": 400,
                "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Shranite vsak vektor skupaj z njegovim indeksom. Število vektorjev mora biti enako številu vhodov; dimenzije morajo biti skladne.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "bajti UTF8",
                  "token_unit": "elementi polja žetonov"
                },
                "conditions": "Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options je zavrnjen",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "Shranite indeks in dimenzijo vsakega vektorja.",
            "Ime multimodalnega modela ne pomeni, da so na tej točno določeni poti dovoljeni slikovni objekti."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Osnovne cene za žetone",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Hitri način",
            "value": "Standardna tarifa",
            "when": "Ko je izbran hitri način"
          },
          {
            "label": "Način flex",
            "value": "Standardna tarifa",
            "when": "Ko je izbran način flex"
          },
          {
            "label": "Najvišja raven razmišljanja",
            "value": "Standardna tarifa",
            "when": "Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)"
          }
        ],
        "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",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "liquid/lfm-2.5-embedding-350m:free",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "36bab4556dc77d85e315b70636f3524bc06ab0f3c6c3e546f2b72ada52d0a1e6",
    "input_html_sha256": "21a833e5aa0d1a3dec191652dfe4ff32a2549b7825360f58fbd67f76bedfaa79",
    "private_audit_sha256": "0ad1a16da1c9600fffc3a575682a998ff4ac44ceae46dfff35b5104a6277e4de",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/sl/liquid-lfm-2-5-embedding-350m-u003a-free/",
    "description": "LiquidAI LFM2.5-Embedding-350M za vsako besedilo ustvari en 1024-razsežen vektor za večjezično in medjezično pridobivanje informacij. Namenjen je 11 jezikom in kratkim vhodom s 512 žetoni, z ločenima predponama query/document.",
    "locale": "sl",
    "md_url": "https://ailoot.ai/models/sl/liquid-lfm-2-5-embedding-350m-u003a-free/index.md",
    "title": "LiquidAI: LFM2.5-Embedding-350M (free) — Ailoot",
    "url": "https://ailoot.ai/models/sl/liquid-lfm-2-5-embedding-350m-u003a-free/"
  },
  "rawModel": {
    "about": "LFM2.5-Embedding-350M je gosti bi-kodirnik LiquidAI za večjezično in medjezično pridobivanje informacij. Za vsako besedilo ustvari en 1024-razsežen vektor in se osredotoča na iskanje s kratkim kontekstom v enajstih jezikih. Poimenovana družina modelov 350M uporablja dvosmerno prilagoditev LFM2.5-350M-Base; podrobna tabela modela za to izdajo embeddingov navaja približno 354 milijonov parametrov.\n\n### Dvosmerna predstavitev za pridobivanje informacij\n\nProizvajalec osnovo prilagodi tako, da pozornost in lokalne konvolucije lahko uporabljajo kontekst na obeh straneh žetona. Združevanje v slogu CLS obdelano besedilo pretvori v en gosti vektor. Tabela modela opisuje sedemnajst plasti: deset konvolucijskih blokov, šest blokov pozornosti in stopnjo združevanja predstavitev. To je kodirnik za pridobivanje informacij z lastno pripravo in izhodom, ne naloga ustvarjanja besedila osnovnega modela.\n\nLočeno poimenovani LFM2.5-ColBERT-350M ohrani vektorje posameznih žetonov za pozno interakcijo. Ta predstavitev potrebuje drugačen indeks in primerjalno metodo. Tukaj opisani model Embedding daje en vektor na dokument ali poizvedbo, s kosinusno podobnostjo kot dokumentirano primerjavo.\n\n### Uporabite pravilne asimetrične pozive\n\nIskalne poizvedbe pripravite s “query:”, izvorne odlomke pa z “document:”. Proizvajalec te pozive shrani v konfiguraciji in njegov referenčni potek uporabi ustrezno ime poziva. Izrecno priporoča ustrezno vlogo na vsaki strani, ker je bil model učen s temi predponami. Ta dokumentna predpona se razlikuje od konvencije “passage:” modelov E5.\n\nPraktična zbirka za iskanje izdelkov lahko hrani opise v podprtih jezikih. Uporabnikovo iskalno besedilo pripravite kot poizvedbo in vsak opis izdelka kot dokument. Izvirno besedilo, identifikator izdelka in jezik shranite z vektorjem, da rezultat iskanja lahko vrne ustrezni zapis. Pri zbirki podpore ohranite pravilo ali navodilo, relevantno za vprašanje, ne nadomestite ga z nepovezano kratko oznako.\n\n### Jeziki in velikost odlomkov\n\nDokumentirani nabor jezikov sestavljajo angleščina, španščina, nemščina, francoščina, italijanščina, portugalščina, arabščina, švedščina, norveščina, japonščina in korejščina. Proizvajalec izrecno cilja na pridobivanje znotraj jezika in čez jezikovne meje. Pripravite dejanska vprašanja predvidenega občinstva in preglejte vrnjeno besedilo dokumentov v teh jezikih.\n\nSpecifikacija dolžine dokumenta je 512 žetonov. Dolg vir razdelite na povezane odlomke z ohranjenimi naslovom, opredelitvami in pogoji, ki jih pridobljeni rezultat potrebuje. Predpona vloge in dodani kontekst sodita v pripravljeni vhod. Odgovor FAQ, pojasnilo izdelka ali osredotočen del tehničnega dokumenta je primernejša enota kot celoten prevelik priročnik.\n\n### Učenje in ujemanje\n\nProizvajalec opisuje tri stopnje učenja: angleško kontrastivno predučenje, večjezično in medjezično destilacijo, nato dodatno učenje s težkimi negativnimi primeri, pridobljenimi z iskanjem. Nastali model je namenjen katalogom izdelkov, FAQ in zbirkam podpore, iskanju datotek ali zapiskov ter pridobivanju poslovnega znanja. To so naloge besedilnih predstavitev, ne trditve o namestitvi konkretne aplikacije.\n\nProizvajalčev primer normalizira vektorje poizvedb in dokumentov ter jih razvrsti s skalarnim produktom, ekvivalentnim kosinusni podobnosti. Predstavitve korpusa vnaprej izračunajte po pripravi izvornega gradiva, nato ustvarite embedding iskalne poizvedbe in vrnite kandidatne dokumente z besedilom in identifikatorji. Izbrani model in konvencijo vlog ohranite z indeksom, da številčna primerjava uporablja združljive predstavitve.\n\nKoristni rezultat je zgoščen gosti iskalni indeks ali vektor poizvedbe, ki pridobi izvorno gradivo v dokumentiranem naboru jezikov. Ta konkretna izdaja LFM2.5 Embedding ostaja ločena od spremljevalnega ColBERT, starejših modelov LFM2 za pridobivanje informacij in zunanje kvantiziranih implementacij. Besedilo izbranega odlomka je dokaz, ki ga uporabi bralec ali poznejša stopnja odgovarjanja RAG.",
    "alias_of": null,
    "aliases": [],
    "author": "LiquidAI",
    "available": null,
    "canonical_model": "liquid/lfm-2.5-embedding-350m:free",
    "capabilities": {
      "context_length": 512,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "Celoten cenik konfiguracije je v podrobnostih."
      }
    ],
    "ctx": 512,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "liquid/lfm-2.5-embedding-350m:free",
    "input": [
      "text",
      "token_ids"
    ],
    "kind": "embedding",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.",
            "errors": [
              {
                "code": null,
                "condition": "Neveljavna obvezna polja, predstavitev gradiva ali vrednost parametra",
                "http_status": 400,
                "recovery": "Pred novo zahtevo za ustvarjanje popravite navedena polja.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja."
            },
            "material_combinations": [
              {
                "alternatives": [
                  "string",
                  "string[]",
                  "nonnegative_integer_token_array",
                  "nonnegative_integer_token_array[]"
                ],
                "mode": "text_to_embedding"
              }
            ],
            "operation_modes": [
              "single_embedding",
              "batched_embeddings"
            ],
            "outputs": {
              "all_results": "Shranite vsak vektor skupaj z njegovim indeksom. Število vektorjev mora biti enako številu vhodov; dimenzije morajo biti skladne.",
              "default_dimensions": 1024,
              "family": "embedding",
              "fields": [
                {
                  "description": null,
                  "name": "object",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": null,
                  "name": "data[].index",
                  "type": "integer"
                },
                {
                  "description": null,
                  "name": "data[].embedding",
                  "type": "finite float[]"
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": "object"
                }
              ],
              "format": "json"
            },
            "parameters": [
              {
                "availability": "source_interface",
                "default": null,
                "default_known": false,
                "enum": [
                  "liquid/lfm-2.5-embedding-350m:free"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 512,
                  "text_unit": "bajti UTF8",
                  "token_unit": "elementi polja žetonov"
                },
                "conditions": "Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "min_items": 1,
                "name": "input",
                "required": true,
                "type": "string|string[]|integer[]|integer[][]"
              },
              {
                "availability": "source_interface",
                "default": "float",
                "default_known": true,
                "enum": [
                  "float"
                ],
                "enum_known": true,
                "name": "encoding_format",
                "required": false,
                "type": "string"
              },
              {
                "availability": "unsupported",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "minimum": 1,
                "name": "dimensions",
                "required": false,
                "type": "integer"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options je zavrnjen",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.",
            "unsupported": [
              "mixed input kinds",
              "empty input",
              "image/audio/file objects",
              "encoding_format=base64",
              "dimensions override"
            ]
          },
          "hints": [
            "Shranite indeks in dimenzijo vsakega vektorja.",
            "Ime multimodalnega modela ne pomeni, da so na tej točno določeni poti dovoljeni slikovni objekti."
          ],
          "input": {
            "content_type": "application/json",
            "dimensions_override": false,
            "encoding_format": [
              "float"
            ],
            "input_shapes": [
              "string",
              "string[]",
              "nonnegative_integer_token_array",
              "nonnegative_integer_token_array[]"
            ],
            "material_types": [
              "text",
              "token_ids"
            ],
            "max_input_budget_units": 512,
            "multimodal_objects": false,
            "required": [
              "model",
              "input"
            ]
          },
          "lifecycle": {
            "mode": "synchronous_json",
            "unknown": "no embedding job endpoint inferred"
          },
          "manufacturer_capability": null,
          "method": {
            "http": "POST",
            "path": "/v1/embeddings"
          },
          "method_aliases": [],
          "operation_modes": [
            "text_to_embedding"
          ],
          "output": {
            "default_dimensions": 1024,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 512,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Osnovne cene za žetone",
            "units": [
              {
                "amount": "0",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"liquid/lfm-2.5-embedding-350m:free\", \"input\": [\"First document\", \"Second document\"]}')\n\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path(\"result.json\").read_text())\nfor x in r.get(\"data\",[]): print(json.dumps({\"index\":x.get(\"index\"),\"embedding\":x.get(\"embedding\")}))\nPY_RESULT\n",
            "label": "curl · retained exact creation",
            "language": "bash"
          },
          {
            "code": "from openai import OpenAI\nimport os\n\nclient=OpenAI(base_url=\"https://api.ailoot.ai/v1\",api_key=os.environ[\"AILOOT_API_KEY\"],max_retries=0)\nresult=client.embeddings.create(model='liquid/lfm-2.5-embedding-350m:free',input=[\"First document\",\"Second document\"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\n",
            "label": "Python SDK · all vectors",
            "language": "python"
          }
        ],
        "family": "openai",
        "fast_multiplier": 1,
        "flex_multiplier": 1,
        "fmt": "embeddings",
        "hints": [
          "Keep every vector index and dimension.",
          "Multimodal model name does not admit image objects on this exact path."
        ],
        "http": "POST",
        "in": 0,
        "input": [
          "text",
          "token_ids"
        ],
        "label": "Эмбеддинги",
        "max_out": null,
        "max_reasoning_effort_multiplier": 1,
        "method_aliases": [],
        "out": 0,
        "output": [
          "embedding"
        ],
        "path": "/v1/embeddings",
        "price_conditions": [
          {
            "label": "Hitri način",
            "value": "Standardna tarifa",
            "when": "Ko je izbran hitri način"
          },
          {
            "label": "Način flex",
            "value": "Standardna tarifa",
            "when": "Ko je izbran način flex"
          },
          {
            "label": "Najvišja raven razmišljanja",
            "value": "Standardna tarifa",
            "when": "Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)"
          }
        ],
        "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",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0",
                "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": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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": "liquid/lfm-2.5-embedding-350m:free",
        "request_model_id": "liquid/lfm-2.5-embedding-350m:free",
        "route_label": "Ultra"
      }
    ],
    "name": "LiquidAI: LFM2.5-Embedding-350M (free)",
    "price": {
      "in": 0,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0",
            "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"
          }
        ]
      }
    ],
    "public_id": "liquid/lfm-2.5-embedding-350m:free",
    "short": "LiquidAI LFM2.5-Embedding-350M za vsako besedilo ustvari en 1024-razsežen vektor za večjezično in medjezično pridobivanje informacij. Namenjen je 11 jezikom in kratkim vhodom s 512 žetoni, z ločenima predponama query/document."
  },
  "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": "LiquidAI LFM2.5-Embedding-350M za vsako besedilo ustvari en 1024-razsežen vektor za večjezično in medjezično pridobivanje informacij. Namenjen je 11 jezikom in kratkim vhodom s 512 žetoni, z ločenima predponama query/document.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "b5eaf741187bd6f4f3ab0b4ac722ef693d7de1088b7e3f6aca5214ec107baec7",
    "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2"
  },
  "sourceRevision": "e40cc6f9fdfbcb2f2d3d0382758c08b320dc0b2862b90ff48c643689ff09a045"
}