Perplexity: Embed V1 0.6B
Perplexity pplx-embed-v1-0.6B producerar 1024-dimensionella inbäddningar för fristående flerspråkig textsökning. Kontexten på 32K, direkt textförberedelse och modellens egna INT8- eller binärrepresentationer definierar en mindre indexprofil i v1-familjen.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
pplx-embed-v1-0.6B är Perplexitys mindre fristående inbäddningsmodell i v1-familjen. Den omvandlar fråge- eller dokumenttext till en 1024-dimensionell representation för informationssökning och semantisk sökning. Tillverkaren beskriver en Qwen3-baserad familj anpassad genom fortsatt förträning med diffusion, med medelvärdespoolning och en kontext på 32K. Modellen kodar den inskickade texten direkt utan ett obligatoriskt instruktionsprefix.
Förbered en fristående post
En användbar samling kan innehålla produktförklaringar, kunskapsbasavsnitt eller korta forskningsanteckningar. Ge varje text tillräckligt källsammanhang för att förstås när den returneras av sökning: en rubrik, det sökta påståendet och villkoret som ändrar dess betydelse. Behåll originaltexten och postidentifieraren tillsammans med den resulterande inbäddningen.
Vid sökning i anteckningar bör en fråga om vad som ändrats i en process hämta anteckningen som beskriver ändringen. Beräkna inbäddningen för den faktiska frågan och jämför den med de förberedda korpusposterna. Lägg inte till en annan modellfamiljs query/passage-instruktion som standard; direkt text är tillverkarens dokumenterade förberedelse för denna modell.
Kvantiserade vektorer och cosinusjämförelse
Modellens egen representation är en onormaliserad INT8-inbäddning. Perplexity rekommenderar uttryckligen cosinuslikhet för jämförelse. En rå skalärproduktspoäng på onormaliserat resultat ändrar jämförelsen eftersom vektorns norm bidrar. Välj ett sökindex och en poängsättningsväg som kan tolka vald representation och metrik tillsammans.
Binärrepresentation är också dokumenterad och modelltabellen anger Matryoshka-stöd. Dessa representationsalternativ kan vara relevanta för indexlagring, men deras komponenter och packade byte måste tolkas korrekt. Det fulla 1024-dimensionella resultatet skiljer sig från 4B-modellen med 2560 dimensioner. En ändring av modellstorlek eller resultatrepresentation bör kontrolleras på fråge- och korpussidan i stället för att behandlas som ett automatiskt gemensamt rum.
Använd kontexten medvetet
Tillverkarens kontextspecifikation är 32K. En lång anteckning eller ett dokumentavsnitt kan rymma mer omgivande förklaring än en kodare med kort fönster, medan sökenheten fortfarande behöver ett tydligt syfte. Välj om en träff ska returnera ett helt avsnitt eller en fokuserad passage som innehåller svaret. Behåll definitioner och undantag tillsammans med påståendet de preciserar.
För större källmaterial bevarar du det överordnade dokumentets identifierare och version utanför vektorn. Det låter sökresultatet leda tillbaka till källan och låter ändrad text ersätta sin motsvarande representation. Granska kandidatresultat för verkliga frågor i den avsedda språkblandningen och kontrollera att passagen ger den efterfrågade informationen i stället för att bara diskutera ett liknande ämne.
Skilj fristående och kontextuell behandling åt
Modellkortet skiljer denna fristående kodare från pplx-embed-context-v1-0.6B. Den kontextuella modellen använder dokumentets omgivning för delrepresentationer; den vanliga v1-modellen representerar varje inskickad text för sig. En lista med fristående strängar fastställer inte att kontextuell behandling av dokumentdelar skedde.
Det användbara resultatet är en korpusrepresentation eller frågevektor kopplad till den faktiska källtexten, med valt INT8- eller binärformat och cosinusjämförelse registrerade. Ett senare rangordnings- eller RAG-svarssteg använder den hämtade texten som en separat artefakt. Denna profil hör till den exakta fristående 0.6B-utgåvan, inte 4B- eller context-v1-modellerna.
Ailoot Ultra · Embeddings POST /v1/embeddings perplexity/pplx-embed-v1-0.6b
perplexity/pplx-embed-v1-0.6bStart
Perplexity pplx-embed-v1-0.6B producerar 1024-dimensionella inbäddningar för fristående flerspråkig textsökning. Kontexten på 32K, direkt textförberedelse och modellens egna INT8- eller binärrepresentationer definierar en mindre indexprofil i v1-familjen.
- Godkända indata
- Text · token_ids
- Resultat
- embedding
Tillgängligt i Ailoot · indata & metoder
Ailoot Ultra · Embeddings POST /v1/embeddings
- Indatatyper
text,token_ids- Utdatatyper
embedding- Kontext
- 32 000 tokens
- Utdataformat
- json
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser perplexity/pplx-embed-v1-0.6b | Standard— |
Fältinput | Typstring|string[]|integer[]|integer[][] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: En homogen batch som inte är tom. Token-ID:n är heltal som är större än eller lika med noll. Indatabudget: Maximum: 32 000 · Textenhet: UTF8-byte · Tokenenhet: element i en tokenarray | Standard— |
Fältencoding_format | Typstring | KravValfritt | Värden & gränser float | Standardfloat |
Fältdimensions | Typinteger | KravStöds inte | Värden & gränser Minimum: 1 | Standard— |
Fältuser | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fältsession_id | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fälttrace | Typjson_value | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisades | Standard— |
Kombinationer av indatamaterial
text_to_embedding
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, input |
Parameterinput_shapes | Avtalstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Avtalfloat |
Parameterdimensions_override | Avtalfalse |
Parametermax_input_budget_units | Avtal32000 |
Parametermultimodal_objects | Avtalfalse |
Parametermaterial_types | Avtaltext, token_ids |
Livscykel: synchronous_json
Behåll varje vektorindex och dimension.
Att modellen har ett multimodalt namn innebär inte att bildobjekt tillåts på just denna anropsväg.
Priser
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
- Snabbt läge
- Standardpris När snabbt läge är valt
- Flex-läge
- Standardpris När läget flex är valt
- Högsta resonemangsnivå
- Standardpris När den högsta resonemangsnivån använder standardjusteringen (default)
Ailoot-priser
Priser efter konfiguration
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.000008 / 1K token Utdata · Utdatatoken $0 / 1K token Indata · Cacheläsning — / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot Ultra · Embeddings
set -eu
: "${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
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)
Ta emot och spara resultat
Ailoot Ultra · Embeddings
json
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje vektor tillsammans med dess index. Antalet vektorer måste vara lika med antalet indataobjekt; dimensionerna måste vara konsekventa.
Om det ursprungliga svaret behöver kontrolleras
Ingen endpoint för inbäddningsjobb införs.
Svarsfält
| Fält | Typ |
|---|---|
Fältobject | Typstring |
Fältmodel | Typstring |
Fältdata[].index | Typinteger |
Fältdata[].embedding | Typfinite float[] |
Fältusage | Typobject |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Alias
Modellalias
Ailoot Ultra perplexity/pplx-embed-v1-0.6b
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · Perplexity: Embed V1 0.6B
- Vilka indata och resultat finns?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:text,token_ids→embedding- Vilka fält använder begäran?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:model,input,encoding_format,provider- Vilka gränser gäller?
POST /v1/embeddings·perplexity/pplx-embed-v1-0.6b:ctx:32000;input.budget.maximum:32000(UTF8-byte);input.min_items:1