Perplexity: Embed V1 4B
Perplexity pplx-embed-v1-4B kodar fristående text till 2560-dimensionella sökvektorer med en kontext på 32K. Den kräver inget instruktionsprefix och producerar direkt onormaliserade INT8-inbäddningar som jämförs med cosinuslikhet.
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
pplx-embed-v1-4B är Perplexitys större fristående textinbäddningsutgåva i v1-familjen. Den representerar frågor eller dokument som 2560-dimensionella vektorer för semantisk sökning och informationssökning. Tillverkaren bygger familjen på Qwen3 med fortsatt förträning med diffusion och använder medelvärdespoolning för textrepresentationen. Denna fristående kodare är åtskild från pplx-embed-context-v1, som representerar dokumentdelar med omgivande kontext.
Beräkna inbäddningen direkt från den faktiska texten
Modellen kräver ingen instruktionssträng eller något query/passage-prefix. Förbered texten som ska representeras i stället för att lägga till en rollkonvention lånad från en annan familj. En söksamling kan innehålla källdokument, fokuserade passager eller korta textposter. Behåll varje objekts ursprungliga ordalydelse och identifierare bredvid vektorn så att ett hämtat resultat förblir läsbart och spårbart.
En praktisk uppgift är att hämta ett avsnitt ur en teknisk förklaring till en fråga om dess villkor. Bevara avsnittsrubriken, regeln och undantaget tillsammans. Frågans ordalydelse bäddas in självständigt och jämförs sedan med de förberedda korpusrepresentationerna. Ett senare RAG-steg använder den returnerade passagetexten, inte vektorn själv, som källmaterial.
Modellens egen representation och jämförelse
Tillverkaren anger uttryckligen att modellens egna inbäddningar är onormaliserade och INT8-kvantiserade. Jämför dem med cosinuslikhet. En rå skalärprodukt på dessa onormaliserade värden är inte den dokumenterade motsvarigheten till cosinusjämförelse. Representationstypen och likhetsfunktionen hör därför ihop när du väljer hur ett sökindex lagrar och jämför resultatet.
Modellkortet dokumenterar också binärt resultat och anger stöd för Matryoshka-representationer. Binära komponenter och deras packade lagring skiljer sig från vanliga flyttalsarrayer, så indexet måste tolka den valda representationen. Den fulla inbäddningsdimensionen beskriver representationens komponenter, inte antalet byte i varje kodning. Håll dimensionen och resultattypen konsekventa på fråge- och dokumentsidan.
Längd och dokumentgränser
Modellens publicerade kontext är 32K. Det låter omfattande text representeras, medan passagernas detaljnivå ändå bör följa vad sökningen ska returnera. Ett helt avsnitt kan bevara en definition och dess förbehåll; ett fokuserat utdrag kan peka direkt på en instruktion. För stort material bör förberedas kring det valda indatafönstret i stället för att anta att det utelämnade slutet fortfarande representeras.
Bevara en identifierare för det överordnade dokumentet och källversionen utanför vektorn. Om texten ändras uppdaterar du motsvarande korpusrepresentation och behåller kopplingen till den nya källan. I en samling med flera språk granskar du faktiska frågor och kandidatpassager i den avsedda språkblandningen i stället för att dra slutsatsen om lika relevans från en flerspråkig etikett ensam.
Fristående och kontextuella utgåvor
v1-4B-modellen bäddar in varje inskickad text självständigt. Att lägga flera strängar i en batch gör den inte till den separata context-v1-kodaren för dokumentdelar. När det omgivande dokumentet ska forma varje dels representation hör uppgiften till den kontextuella utgåvan och dess egen förberedelse.
Den mindre pplx-embed-v1-0.6B returnerar 1024 dimensioner, medan denna 4B-utgåva returnerar 2560. Håll deras exakta identiteter och indexrepresentationer åtskilda om ingen dokumenterad kompatibilitetsväg har fastställts. Det användbara resultatet här är en fristående fråge- eller källtextvektor, med cosinusjämförelse och vald kvantiserad representation registrerade för sökuppgiften.
Ailoot Ultra · Embeddings POST /v1/embeddings perplexity/pplx-embed-v1-4b
perplexity/pplx-embed-v1-4bStart
Perplexity pplx-embed-v1-4B kodar fristående text till 2560-dimensionella sökvektorer med en kontext på 32K. Den kräver inget instruktionsprefix och producerar direkt onormaliserade INT8-inbäddningar som jämförs med cosinuslikhet.
- 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-v1-4b | 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 $0.00006 / 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-v1-4b", "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-v1-4b',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-v1-4b
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · Perplexity: Embed V1 4B
- Vilka indata och resultat finns?
POST /v1/embeddings·perplexity/pplx-embed-v1-4b:text,token_ids→embedding- Vilka fält använder begäran?
POST /v1/embeddings·perplexity/pplx-embed-v1-4b:model,input,encoding_format,provider- Vilka gränser gäller?
POST /v1/embeddings·perplexity/pplx-embed-v1-4b:ctx:32000;input.budget.maximum:32000(UTF8-byte);input.min_items:1