{
  "aboutHtml": "<p>Mistral Embed 2312 là mô hình embedding văn bản của Mistral AI để biểu diễn ý nghĩa dưới dạng số. Mô hình nhận chuỗi văn bản hoặc danh sách chuỗi và trả về embedding cho mỗi đầu vào. Kết quả là vector mà ứng dụng dùng cho độ tương đồng, truy xuất, phân loại hoặc phân cụm, thay vì lời giải thích hội thoại. Trang mô hình cho phiên bản cụ thể của nhà sản xuất xác định mistral-embed-2312.</p><p>Đầu vào, ngữ cảnh và hình dạng vector</p><p>Trang mô hình cụ thể mô tả nhãn ngữ cảnh 8k. Chuẩn bị từng mục văn bản trong dung lượng đầu vào áp dụng và giữ định danh mục cùng vector. Có thể chia tài liệu nguồn dài thành các đoạn hữu ích, đồng thời giữ tiêu đề tài liệu, phần và vị trí nguồn cần để trả về đúng tài liệu về sau.</p><p>Hướng dẫn Mistral Embed của nhà sản xuất quy định 1.024 chiều cho mỗi embedding văn bản, bất kể độ dài đầu vào nhìn thấy được. Vì vậy, câu hỏi ngắn và đoạn dài hơn có cùng hình dạng vector dù nội dung và số token khác nhau. Đây là số chiều biểu diễn đầu ra, không phải ngân sách token trả lời hoặc thước đo số từ nguồn được giữ lại.</p><p>Phản hồi được tài liệu mô tả bao gồm embedding và thông tin sử dụng token; ví dụ endpoint gắn từng vector với chỉ số đầu vào. Giữ liên kết đó khi xử lý nhiều văn bản. Ứng dụng cần văn bản gốc và các định danh cùng kết quả số để hiển thị kết quả tìm kiếm hữu ích hoặc cung cấp tài liệu nguồn cho bước sau.</p><p>Độ tương đồng ngữ nghĩa</p><p>Hướng dẫn giải thích rằng các văn bản liên quan thường ở gần nhau trong không gian embedding. Điều này hỗ trợ tìm đoạn dùng từ khác để thể hiện cùng chủ đề hoặc yêu cầu. Truy vấn cơ sở kiến thức minh họa có thể hỏi cách khôi phục quyền truy cập, trong khi quy trình liên quan dùng cụm từ khác cho cùng thao tác. Ứng dụng có thể so sánh vector truy vấn với các vector đoạn đã lưu thay vì chỉ dựa vào khớp từ chính xác.</p><p>Các ví dụ của nhà sản xuất dùng embedding chuẩn hóa về độ dài đơn vị. Với những vector đó, độ tương đồng cosine, tích vô hướng và khoảng cách Euclidean cho thứ hạng tương đồng nhất quán, dù giá trị số không giống nhau. Chọn một phương pháp so sánh phù hợp và áp dụng nhất quán cho biểu diễn truy vấn và tài liệu.</p><p>Độ tương đồng không chứng minh hai phát biểu có thể thay thế cho nhau. Giữ văn bản nguồn và kiểm tra điều kiện, ngày hoặc định danh quan trọng đối với câu hỏi. Hai đoạn có thể cùng nói về một chủ đề nhưng mô tả quy trình hoặc ngoại lệ khác nhau. Embedding cung cấp tín hiệu truy xuất; diễn giải đoạn được chọn là phần riêng của nhiệm vụ.</p><p>Truy xuất và câu trả lời dựa trên nguồn</p><p>Quy trình tài liệu thực tế chuẩn bị vector cho các đoạn cơ sở kiến thức, lưu định danh và văn bản gốc, rồi so sánh câu hỏi mới với bộ sưu tập. Trả về đoạn liên quan kèm vị trí nguồn. Ứng dụng có thể hiển thị trực tiếp những đoạn đó hoặc cung cấp cho mô hình sinh văn bản để viết câu trả lời dựa trên tài liệu truy xuất.</p><p>Để có kết quả tìm kiếm hữu ích, giữ tiêu đề tài liệu, phần, đoạn và định danh dùng để tìm nó. Trợ lý hỗ trợ sau đó có thể truy xuất quy trình liên quan đến câu hỏi của người dùng rồi chuyển quy trình đó cho giai đoạn viết câu trả lời. Mistral Embed thực hiện bước biểu diễn số; bản thân nó không soạn lời giải thích cuối cùng hoặc thực hiện hành động bên ngoài.</p><p>Các cách dùng khác được mô tả</p><p>Nhà sản xuất còn liệt kê phát hiện cách diễn đạt tương đương, phân loại, phân cụm và xử lý theo batch trong các quy trình embedding. Tác vụ so sánh có thể truy xuất các đoạn có ý nghĩa liên quan để xem xét. Quy trình phân loại có thể so sánh đầu vào với ví dụ có nhãn hoặc dùng vector làm đặc trưng cho bộ phân loại riêng. Quy trình phân cụm có thể nhóm các mục tương tự để con người hoặc bước ứng dụng sau mô tả.</p><p>Định nghĩa mục đích biểu diễn trước khi chuẩn bị dữ liệu. Đoạn dùng cho tìm kiếm ngữ nghĩa nên giữ thông tin người đọc cần sau truy xuất; ví dụ phân loại nên chứa cách diễn đạt phân biệt lớp. Giữ cách chuẩn bị nhất quán để truy vấn và mục được lưu biểu diễn tài liệu có thể so sánh.</p><p>Ranh giới phiên bản và đầu ra</p><p>Dùng cùng phiên bản mô hình và biểu diễn tương thích cho tài liệu và truy vấn. Vector có cùng số tọa độ từ mô hình khác không tự động thuộc cùng không gian ngữ nghĩa. Khi thay mô hình hoặc biểu diễn, các mục lưu trữ và truy vấn cần tiếp tục đồng bộ.</p><p>Mục này mô tả đầu vào văn bản và đầu ra vector số, với ngữ cảnh 8k của nhà sản xuất cùng biểu diễn 1.024 chiều được tài liệu Mistral Embed quy định. Số chiều có thể cấu hình và định dạng lượng tử hóa của Codestral Embed thuộc mô hình mã được đặt tên riêng đó, không nên giả định ở đây. Hình ảnh, âm thanh, văn bản được sinh ra và thực thi công cụ là những khả năng riêng nằm ngoài kết quả embedding văn bản này.</p>",
  "aboutText": "Mistral Embed 2312 là mô hình embedding văn bản của Mistral AI để biểu diễn ý nghĩa dưới dạng số. Mô hình nhận chuỗi văn bản hoặc danh sách chuỗi và trả về embedding cho mỗi đầu vào. Kết quả là vector mà ứng dụng dùng cho độ tương đồng, truy xuất, phân loại hoặc phân cụm, thay vì lời giải thích hội thoại. Trang mô hình cho phiên bản cụ thể của nhà sản xuất xác định mistral-embed-2312.\n\nĐầu vào, ngữ cảnh và hình dạng vector\n\nTrang mô hình cụ thể mô tả nhãn ngữ cảnh 8k. Chuẩn bị từng mục văn bản trong dung lượng đầu vào áp dụng và giữ định danh mục cùng vector. Có thể chia tài liệu nguồn dài thành các đoạn hữu ích, đồng thời giữ tiêu đề tài liệu, phần và vị trí nguồn cần để trả về đúng tài liệu về sau.\n\nHướng dẫn Mistral Embed của nhà sản xuất quy định 1.024 chiều cho mỗi embedding văn bản, bất kể độ dài đầu vào nhìn thấy được. Vì vậy, câu hỏi ngắn và đoạn dài hơn có cùng hình dạng vector dù nội dung và số token khác nhau. Đây là số chiều biểu diễn đầu ra, không phải ngân sách token trả lời hoặc thước đo số từ nguồn được giữ lại.\n\nPhản hồi được tài liệu mô tả bao gồm embedding và thông tin sử dụng token; ví dụ endpoint gắn từng vector với chỉ số đầu vào. Giữ liên kết đó khi xử lý nhiều văn bản. Ứng dụng cần văn bản gốc và các định danh cùng kết quả số để hiển thị kết quả tìm kiếm hữu ích hoặc cung cấp tài liệu nguồn cho bước sau.\n\nĐộ tương đồng ngữ nghĩa\n\nHướng dẫn giải thích rằng các văn bản liên quan thường ở gần nhau trong không gian embedding. Điều này hỗ trợ tìm đoạn dùng từ khác để thể hiện cùng chủ đề hoặc yêu cầu. Truy vấn cơ sở kiến thức minh họa có thể hỏi cách khôi phục quyền truy cập, trong khi quy trình liên quan dùng cụm từ khác cho cùng thao tác. Ứng dụng có thể so sánh vector truy vấn với các vector đoạn đã lưu thay vì chỉ dựa vào khớp từ chính xác.\n\nCác ví dụ của nhà sản xuất dùng embedding chuẩn hóa về độ dài đơn vị. Với những vector đó, độ tương đồng cosine, tích vô hướng và khoảng cách Euclidean cho thứ hạng tương đồng nhất quán, dù giá trị số không giống nhau. Chọn một phương pháp so sánh phù hợp và áp dụng nhất quán cho biểu diễn truy vấn và tài liệu.\n\nĐộ tương đồng không chứng minh hai phát biểu có thể thay thế cho nhau. Giữ văn bản nguồn và kiểm tra điều kiện, ngày hoặc định danh quan trọng đối với câu hỏi. Hai đoạn có thể cùng nói về một chủ đề nhưng mô tả quy trình hoặc ngoại lệ khác nhau. Embedding cung cấp tín hiệu truy xuất; diễn giải đoạn được chọn là phần riêng của nhiệm vụ.\n\nTruy xuất và câu trả lời dựa trên nguồn\n\nQuy trình tài liệu thực tế chuẩn bị vector cho các đoạn cơ sở kiến thức, lưu định danh và văn bản gốc, rồi so sánh câu hỏi mới với bộ sưu tập. Trả về đoạn liên quan kèm vị trí nguồn. Ứng dụng có thể hiển thị trực tiếp những đoạn đó hoặc cung cấp cho mô hình sinh văn bản để viết câu trả lời dựa trên tài liệu truy xuất.\n\nĐể có kết quả tìm kiếm hữu ích, giữ tiêu đề tài liệu, phần, đoạn và định danh dùng để tìm nó. Trợ lý hỗ trợ sau đó có thể truy xuất quy trình liên quan đến câu hỏi của người dùng rồi chuyển quy trình đó cho giai đoạn viết câu trả lời. Mistral Embed thực hiện bước biểu diễn số; bản thân nó không soạn lời giải thích cuối cùng hoặc thực hiện hành động bên ngoài.\n\nCác cách dùng khác được mô tả\n\nNhà sản xuất còn liệt kê phát hiện cách diễn đạt tương đương, phân loại, phân cụm và xử lý theo batch trong các quy trình embedding. Tác vụ so sánh có thể truy xuất các đoạn có ý nghĩa liên quan để xem xét. Quy trình phân loại có thể so sánh đầu vào với ví dụ có nhãn hoặc dùng vector làm đặc trưng cho bộ phân loại riêng. Quy trình phân cụm có thể nhóm các mục tương tự để con người hoặc bước ứng dụng sau mô tả.\n\nĐịnh nghĩa mục đích biểu diễn trước khi chuẩn bị dữ liệu. Đoạn dùng cho tìm kiếm ngữ nghĩa nên giữ thông tin người đọc cần sau truy xuất; ví dụ phân loại nên chứa cách diễn đạt phân biệt lớp. Giữ cách chuẩn bị nhất quán để truy vấn và mục được lưu biểu diễn tài liệu có thể so sánh.\n\nRanh giới phiên bản và đầu ra\n\nDùng cùng phiên bản mô hình và biểu diễn tương thích cho tài liệu và truy vấn. Vector có cùng số tọa độ từ mô hình khác không tự động thuộc cùng không gian ngữ nghĩa. Khi thay mô hình hoặc biểu diễn, các mục lưu trữ và truy vấn cần tiếp tục đồng bộ.\n\nMục này mô tả đầu vào văn bản và đầu ra vector số, với ngữ cảnh 8k của nhà sản xuất cùng biểu diễn 1.024 chiều được tài liệu Mistral Embed quy định. Số chiều có thể cấu hình và định dạng lượng tử hóa của Codestral Embed thuộc mô hình mã được đặt tên riêng đó, không nên giả định ở đây. Hình ảnh, âm thanh, văn bản được sinh ra và thực thi công cụ là những khả năng riêng nằm ngoài kết quả embedding văn bản này.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "edda5300ea19dfb70bba49066d875a22559223ecb7ddb7160c3c00509bbd2634",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "vi",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Mistral: Mistral Embed 2312</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Đóng\">×</button></div><div class=\"idline\"><span>Mistral /</span><code>mistralai/mistral-embed-2312</code><button type=\"button\" id=\"copy-id\">Sao chép ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Các phần của thẻ mô hình\"><button type=\"button\" data-card-jump=\"overview\">Bắt đầu</button><button type=\"button\" data-card-jump=\"methods\">Đầu vào &amp; phương thức</button><button type=\"button\" data-card-jump=\"pricing\">Bảng giá</button><button type=\"button\" data-card-jump=\"examples\">Ví dụ</button><button type=\"button\" data-card-jump=\"results\">Kết quả</button><button type=\"button\" data-card-jump=\"aliases\">Bí danh</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Phương thức 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|mistralai%2Fmistral-embed-2312\">Biểu diễn nhúng</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\">Bắt đầu</h3><p class=\"mdesc-full\">Mistral Embed 2312 chuyển văn bản thành vector 1.024 chiều cho tìm kiếm ngữ nghĩa, truy xuất và phân tích văn bản liên quan. Trang của nhà sản xuất mô tả ngữ cảnh 8k; kết quả là biểu diễn số liên kết với mỗi đầu vào, thay vì câu trả lời được sinh ra.</p><dl class=\"card-io\" data-card-io><div><dt>Đầu vào được chấp nhận</dt><dd>Văn bản · token_ids</dd></div><div><dt>Kết quả</dt><dd>embedding</dd></div></dl><details class=\"card-about\"><summary>Về mô hình</summary><p class=\"note-s\" data-model-method-boundary>Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.</p><div class=\"mabout\" id=\"m-about\"><p>Mistral Embed 2312 là mô hình embedding văn bản của Mistral AI để biểu diễn ý nghĩa dưới dạng số. Mô hình nhận chuỗi văn bản hoặc danh sách chuỗi và trả về embedding cho mỗi đầu vào. Kết quả là vector mà ứng dụng dùng cho độ tương đồng, truy xuất, phân loại hoặc phân cụm, thay vì lời giải thích hội thoại. Trang mô hình cho phiên bản cụ thể của nhà sản xuất xác định mistral-embed-2312.</p><p>Đầu vào, ngữ cảnh và hình dạng vector</p><p>Trang mô hình cụ thể mô tả nhãn ngữ cảnh 8k. Chuẩn bị từng mục văn bản trong dung lượng đầu vào áp dụng và giữ định danh mục cùng vector. Có thể chia tài liệu nguồn dài thành các đoạn hữu ích, đồng thời giữ tiêu đề tài liệu, phần và vị trí nguồn cần để trả về đúng tài liệu về sau.</p><p>Hướng dẫn Mistral Embed của nhà sản xuất quy định 1.024 chiều cho mỗi embedding văn bản, bất kể độ dài đầu vào nhìn thấy được. Vì vậy, câu hỏi ngắn và đoạn dài hơn có cùng hình dạng vector dù nội dung và số token khác nhau. Đây là số chiều biểu diễn đầu ra, không phải ngân sách token trả lời hoặc thước đo số từ nguồn được giữ lại.</p><p>Phản hồi được tài liệu mô tả bao gồm embedding và thông tin sử dụng token; ví dụ endpoint gắn từng vector với chỉ số đầu vào. Giữ liên kết đó khi xử lý nhiều văn bản. Ứng dụng cần văn bản gốc và các định danh cùng kết quả số để hiển thị kết quả tìm kiếm hữu ích hoặc cung cấp tài liệu nguồn cho bước sau.</p><p>Độ tương đồng ngữ nghĩa</p><p>Hướng dẫn giải thích rằng các văn bản liên quan thường ở gần nhau trong không gian embedding. Điều này hỗ trợ tìm đoạn dùng từ khác để thể hiện cùng chủ đề hoặc yêu cầu. Truy vấn cơ sở kiến thức minh họa có thể hỏi cách khôi phục quyền truy cập, trong khi quy trình liên quan dùng cụm từ khác cho cùng thao tác. Ứng dụng có thể so sánh vector truy vấn với các vector đoạn đã lưu thay vì chỉ dựa vào khớp từ chính xác.</p><p>Các ví dụ của nhà sản xuất dùng embedding chuẩn hóa về độ dài đơn vị. Với những vector đó, độ tương đồng cosine, tích vô hướng và khoảng cách Euclidean cho thứ hạng tương đồng nhất quán, dù giá trị số không giống nhau. Chọn một phương pháp so sánh phù hợp và áp dụng nhất quán cho biểu diễn truy vấn và tài liệu.</p><p>Độ tương đồng không chứng minh hai phát biểu có thể thay thế cho nhau. Giữ văn bản nguồn và kiểm tra điều kiện, ngày hoặc định danh quan trọng đối với câu hỏi. Hai đoạn có thể cùng nói về một chủ đề nhưng mô tả quy trình hoặc ngoại lệ khác nhau. Embedding cung cấp tín hiệu truy xuất; diễn giải đoạn được chọn là phần riêng của nhiệm vụ.</p><p>Truy xuất và câu trả lời dựa trên nguồn</p><p>Quy trình tài liệu thực tế chuẩn bị vector cho các đoạn cơ sở kiến thức, lưu định danh và văn bản gốc, rồi so sánh câu hỏi mới với bộ sưu tập. Trả về đoạn liên quan kèm vị trí nguồn. Ứng dụng có thể hiển thị trực tiếp những đoạn đó hoặc cung cấp cho mô hình sinh văn bản để viết câu trả lời dựa trên tài liệu truy xuất.</p><p>Để có kết quả tìm kiếm hữu ích, giữ tiêu đề tài liệu, phần, đoạn và định danh dùng để tìm nó. Trợ lý hỗ trợ sau đó có thể truy xuất quy trình liên quan đến câu hỏi của người dùng rồi chuyển quy trình đó cho giai đoạn viết câu trả lời. Mistral Embed thực hiện bước biểu diễn số; bản thân nó không soạn lời giải thích cuối cùng hoặc thực hiện hành động bên ngoài.</p><p>Các cách dùng khác được mô tả</p><p>Nhà sản xuất còn liệt kê phát hiện cách diễn đạt tương đương, phân loại, phân cụm và xử lý theo batch trong các quy trình embedding. Tác vụ so sánh có thể truy xuất các đoạn có ý nghĩa liên quan để xem xét. Quy trình phân loại có thể so sánh đầu vào với ví dụ có nhãn hoặc dùng vector làm đặc trưng cho bộ phân loại riêng. Quy trình phân cụm có thể nhóm các mục tương tự để con người hoặc bước ứng dụng sau mô tả.</p><p>Định nghĩa mục đích biểu diễn trước khi chuẩn bị dữ liệu. Đoạn dùng cho tìm kiếm ngữ nghĩa nên giữ thông tin người đọc cần sau truy xuất; ví dụ phân loại nên chứa cách diễn đạt phân biệt lớp. Giữ cách chuẩn bị nhất quán để truy vấn và mục được lưu biểu diễn tài liệu có thể so sánh.</p><p>Ranh giới phiên bản và đầu ra</p><p>Dùng cùng phiên bản mô hình và biểu diễn tương thích cho tài liệu và truy vấn. Vector có cùng số tọa độ từ mô hình khác không tự động thuộc cùng không gian ngữ nghĩa. Khi thay mô hình hoặc biểu diễn, các mục lưu trữ và truy vấn cần tiếp tục đồng bộ.</p><p>Mục này mô tả đầu vào văn bản và đầu ra vector số, với ngữ cảnh 8k của nhà sản xuất cùng biểu diễn 1.024 chiều được tài liệu Mistral Embed quy định. Số chiều có thể cấu hình và định dạng lượng tử hóa của Codestral Embed thuộc mô hình mã được đặt tên riêng đó, không nên giả định ở đây. Hình ảnh, âm thanh, văn bản được sinh ra và thực thi công cụ là những khả năng riêng nằm ngoài kết quả embedding văn bản này.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Có trên Ailoot · đầu vào &amp; phương thức</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Biểu diễn nhúng</b> <code>POST /v1/embeddings</code></summary><dl class=\"method-capabilities\"><div><dt>Đầu vào</dt><dd><code>text</code>, <code>token_ids</code></dd></div><div><dt>Đầu ra</dt><dd><code>embedding</code></dd></div><div><dt>Ngữ cảnh</dt><dd>8.192 tokens</dd></div><div><dt>Định dạng đầu ra</dt><dd>json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Trường</th><th>Loại</th><th>Yêu cầu</th><th>Giá trị &amp; giới hạn</th><th>Mặc định</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>string</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>mistralai/mistral-embed-2312</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">input</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>string|string[]|integer[]|integer[][]</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Số mục tối thiểu: 1</div><div>Điều kiện: Lô không rỗng và đồng nhất. ID token là số nguyên không âm.</div><div>Ngân sách đầu vào: Tối đa: 8.192 · Đơn vị văn bản: byte UTF8 · Đơn vị token: phần tử của mảng token</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">encoding_format</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>string</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>float</div></td><td data-cell-label=\"Mặc định\" data-default=\"known\"><span class=\"card-cell-label\">Mặc định</span>float</td></tr><tr data-parameter-availability=\"unsupported\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">dimensions</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>integer</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không hỗ trợ</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Tối thiểu: 1</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">user</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>json_value</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">session_id</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>json_value</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"pass_through_metadata\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">trace</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>json_value</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span><code>object</code></td><td data-cell-label=\"Yêu cầu\"><span class=\"card-cell-label\">Yêu cầu</span>Không bắt buộc</td><td data-cell-label=\"Giá trị &amp; giới hạn\"><span class=\"card-cell-label\">Giá trị &amp; giới hạn</span><div>Điều kiện: provider.options bị từ chối</div></td><td data-cell-label=\"Mặc định\" data-default=\"unspecified\"><span class=\"card-cell-label\">Mặc định</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Tổ hợp tư liệu đầu vào</summary><p class=\"note-s\"><b>text_to_embedding</b></p></details><details class=\"note-s\" data-method-contract><summary>Tham số phương thức và vòng đời</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Tham số</th><th>Hợp đồng</th></tr></thead><tbody><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>content_type</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>application/json</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>required</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>model, input</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>input_shapes</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>string, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>encoding_format</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>float</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>dimensions_override</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>false</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>max_input_budget_units</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>8192</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>multimodal_objects</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>false</td></tr><tr><th data-cell-label=\"Tham số\" scope=\"row\"><span class=\"card-cell-label\">Tham số</span><code>material_types</code></th><td data-cell-label=\"Hợp đồng\"><span class=\"card-cell-label\">Hợp đồng</span>text, token_ids</td></tr></tbody></table></div><p>Vòng đời: <code>synchronous_json</code></p><p class=\"note-s\">Giữ lại chỉ mục và số chiều của mọi vector.</p><p class=\"note-s\">Việc mô hình mang tên đa phương thức không có nghĩa là đường dẫn cụ thể này chấp nhận đối tượng ảnh.</p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Bảng giá</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.</p><dl data-price-conditions><dt>Chế độ nhanh</dt><dd>Mức giá tiêu chuẩn <span class=\"note-s\">Khi chọn chế độ nhanh</span></dd><dt>Chế độ Flex</dt><dd>Mức giá tiêu chuẩn <span class=\"note-s\">Khi chọn chế độ flex</span></dd><dt>Mức độ suy luận tối đa</dt><dd>Mức giá tiêu chuẩn <span class=\"note-s\">Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa</span></dd></dl></div><div data-declared-tariff-pricing><h4>Mức phí Ailoot</h4><h4>Giá theo cấu hình</h4><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Cấu hình</th><th>Biểu mức phí</th><th>Phí</th></tr></thead><tbody><tr><th data-cell-label=\"Cấu hình\" scope=\"row\"><span class=\"card-cell-label\">Cấu hình</span>Giá cơ sở cho token</th><td data-cell-label=\"Biểu mức phí\"><span class=\"card-cell-label\">Biểu mức phí</span>Mức phí cơ bản</td><td data-cell-label=\"Phí\"><span class=\"card-cell-label\">Phí</span><div><span>Đầu vào · Token đầu vào</span> <b>$0.0002</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Đầu ra · Token đầu ra</span> <b>$0</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Đầu vào · Đọc bộ nhớ đệm</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Đầu vào · Ghi bộ nhớ đệm</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Đầu vào · Ghi bộ nhớ đệm, 1 giờ</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. <a href=\"/docs/vi/billing/reserve/\">Cách hoạt động của cơ chế tạm giữ và quyết toán →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Ví dụ yêu cầu</h3><h4>Ailoot Ultra · Biểu diễn nhúng</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Các phiên bản mã\"><button class=\"cg-tab\" id=\"model-code-1903-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1903-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl</button><button class=\"cg-tab\" id=\"model-code-1903-tab-1\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1903-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=\"Sao chép mã\"><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-1903-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1903-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;mistralai/mistral-embed-2312&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-1903-panel-1\" role=\"tabpanel\" aria-labelledby=\"model-code-1903-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;mistralai/mistral-embed-2312&#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\">Nhận và lưu kết quả</h3><h4>Ailoot Ultra · Biểu diễn nhúng</h4><p class=\"note-s\">json</p><div class=\"card-result-process\" data-all-results><h5>Lưu tất cả kết quả đã hoàn tất</h5><p class=\"note-s\">Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.</p><p class=\"note-s\">Giữ lại mọi vector kèm chỉ mục của nó. Số lượng vector phải bằng số lượng đầu vào; số chiều phải nhất quán.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Nếu cần kiểm tra phản hồi gốc</h5><p class=\"note-s\">Không có điểm cuối tác vụ embedding nào được bổ sung.</p></div><details class=\"card-about\" data-output-fields><summary>Trường phản hồi</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Trường</th><th>Loại</th></tr></thead><tbody><tr><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">object</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span>string</td></tr><tr><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span>string</td></tr><tr><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">data[].index</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span>integer</td></tr><tr><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">data[].embedding</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span>finite float[]</td></tr><tr><th data-cell-label=\"Trường\" scope=\"row\"><span class=\"card-cell-label\">Trường</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Loại\" data-field-type><span class=\"card-cell-label\">Loại</span>object</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Lỗi và bước tiếp theo</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Phản hồi</th><th>Điều kiện</th><th>Bước tiếp theo</th></tr></thead><tbody><tr><th data-cell-label=\"Phản hồi\" scope=\"row\"><span class=\"card-cell-label\">Phản hồi</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Điều kiện\"><span class=\"card-cell-label\">Điều kiện</span>Trường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ</td><td data-cell-label=\"Bước tiếp theo\"><span class=\"card-cell-label\">Bước tiếp theo</span>Sửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Bí danh</h3><h4>Bí danh mô hình</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=mistralai%2Fmistral-embed-2312&amp;route=Ultra&amp;caller=mistralai%2Fmistral-embed-2312&amp;fmt=embeddings\"><code>mistralai/mistral-embed-2312</code></a></span></p><h4>Bí danh đường dẫn phương thức</h4><p class=\"note-s\">Dùng các đường dẫn phương thức hiển thị ở trên.</p><h4>ID gọi liên quan</h4><p class=\"note-s\"><a href=\"#m=mistralai%2Fmistral-embed-2312&amp;route=Ultra&amp;caller=mistralai%2Fmistral-embed-2312&amp;fmt=embeddings\"><code>mistralai/mistral-embed-2312</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "mistralai/mistral-embed-2312",
        "fmt": "embeddings",
        "http": "POST",
        "path": "/v1/embeddings",
        "request_model_id": "mistralai/mistral-embed-2312",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|embeddings|/v1/embeddings|mistralai%2Fmistral-embed-2312",
      "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": "Trường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ",
                "http_status": 400,
                "recovery": "Sửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Không có điểm cuối tác vụ embedding nào được bổ sung."
            },
            "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": "Giữ lại mọi vector kèm chỉ mục của nó. Số lượng vector phải bằng số lượng đầu vào; số chiều phải nhất quán.",
              "default_dimensions": null,
              "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": [
                  "mistralai/mistral-embed-2312"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 8192,
                  "text_unit": "byte UTF8",
                  "token_unit": "phần tử của mảng token"
                },
                "conditions": "Lô không rỗng và đồng nhất. ID token là số nguyên không âm.",
                "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": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options bị từ chối",
                "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": [
            "Giữ lại chỉ mục và số chiều của mọi vector.",
            "Việc mô hình mang tên đa phương thức không có nghĩa là đường dẫn cụ thể này chấp nhận đối tượng ảnh."
          ],
          "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": 8192,
            "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": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Giá cơ sở cho token",
            "units": [
              {
                "amount": "0.0002000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000002",
                "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\": \"mistralai/mistral-embed-2312\", \"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='mistralai/mistral-embed-2312',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": 0.2,
        "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": "Chế độ nhanh",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi chọn chế độ nhanh"
          },
          {
            "label": "Chế độ Flex",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi chọn chế độ flex"
          },
          {
            "label": "Mức độ suy luận tối đa",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa"
          }
        ],
        "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": "0.0002000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000002",
                "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": "mistralai/mistral-embed-2312",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0002000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000002",
            "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": "mistralai/mistral-embed-2312",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "fd9c36584aba9710970559ea7ca9c827f1469091f046a03dc7aab565f32b84b7",
    "input_html_sha256": "9b9d41a6cd1a906faba298e422274a900dd3d04d45b2f094840d2cfba7f092d7",
    "private_audit_sha256": "ad60cf0802cb8ece19fd966a9e28af0ec8f9e087f0fccdc42ff0a155c359266f",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/vi/mistralai-mistral-embed-2312/",
    "description": "Mistral Embed 2312 chuyển văn bản thành vector 1.024 chiều cho tìm kiếm ngữ nghĩa, truy xuất và phân tích văn bản liên quan. Trang của nhà sản xuất mô tả ngữ cảnh 8k; kết quả là biểu diễn số liên kết với mỗi đầu vào, thay vì câu trả lời được sinh ra.",
    "locale": "vi",
    "md_url": "https://ailoot.ai/models/vi/mistralai-mistral-embed-2312/index.md",
    "title": "Mistral: Mistral Embed 2312 — Ailoot",
    "url": "https://ailoot.ai/models/vi/mistralai-mistral-embed-2312/"
  },
  "rawModel": {
    "about": "Mistral Embed 2312 là mô hình embedding văn bản của Mistral AI để biểu diễn ý nghĩa dưới dạng số. Mô hình nhận chuỗi văn bản hoặc danh sách chuỗi và trả về embedding cho mỗi đầu vào. Kết quả là vector mà ứng dụng dùng cho độ tương đồng, truy xuất, phân loại hoặc phân cụm, thay vì lời giải thích hội thoại. Trang mô hình cho phiên bản cụ thể của nhà sản xuất xác định mistral-embed-2312.\n\nĐầu vào, ngữ cảnh và hình dạng vector\n\nTrang mô hình cụ thể mô tả nhãn ngữ cảnh 8k. Chuẩn bị từng mục văn bản trong dung lượng đầu vào áp dụng và giữ định danh mục cùng vector. Có thể chia tài liệu nguồn dài thành các đoạn hữu ích, đồng thời giữ tiêu đề tài liệu, phần và vị trí nguồn cần để trả về đúng tài liệu về sau.\n\nHướng dẫn Mistral Embed của nhà sản xuất quy định 1.024 chiều cho mỗi embedding văn bản, bất kể độ dài đầu vào nhìn thấy được. Vì vậy, câu hỏi ngắn và đoạn dài hơn có cùng hình dạng vector dù nội dung và số token khác nhau. Đây là số chiều biểu diễn đầu ra, không phải ngân sách token trả lời hoặc thước đo số từ nguồn được giữ lại.\n\nPhản hồi được tài liệu mô tả bao gồm embedding và thông tin sử dụng token; ví dụ endpoint gắn từng vector với chỉ số đầu vào. Giữ liên kết đó khi xử lý nhiều văn bản. Ứng dụng cần văn bản gốc và các định danh cùng kết quả số để hiển thị kết quả tìm kiếm hữu ích hoặc cung cấp tài liệu nguồn cho bước sau.\n\nĐộ tương đồng ngữ nghĩa\n\nHướng dẫn giải thích rằng các văn bản liên quan thường ở gần nhau trong không gian embedding. Điều này hỗ trợ tìm đoạn dùng từ khác để thể hiện cùng chủ đề hoặc yêu cầu. Truy vấn cơ sở kiến thức minh họa có thể hỏi cách khôi phục quyền truy cập, trong khi quy trình liên quan dùng cụm từ khác cho cùng thao tác. Ứng dụng có thể so sánh vector truy vấn với các vector đoạn đã lưu thay vì chỉ dựa vào khớp từ chính xác.\n\nCác ví dụ của nhà sản xuất dùng embedding chuẩn hóa về độ dài đơn vị. Với những vector đó, độ tương đồng cosine, tích vô hướng và khoảng cách Euclidean cho thứ hạng tương đồng nhất quán, dù giá trị số không giống nhau. Chọn một phương pháp so sánh phù hợp và áp dụng nhất quán cho biểu diễn truy vấn và tài liệu.\n\nĐộ tương đồng không chứng minh hai phát biểu có thể thay thế cho nhau. Giữ văn bản nguồn và kiểm tra điều kiện, ngày hoặc định danh quan trọng đối với câu hỏi. Hai đoạn có thể cùng nói về một chủ đề nhưng mô tả quy trình hoặc ngoại lệ khác nhau. Embedding cung cấp tín hiệu truy xuất; diễn giải đoạn được chọn là phần riêng của nhiệm vụ.\n\nTruy xuất và câu trả lời dựa trên nguồn\n\nQuy trình tài liệu thực tế chuẩn bị vector cho các đoạn cơ sở kiến thức, lưu định danh và văn bản gốc, rồi so sánh câu hỏi mới với bộ sưu tập. Trả về đoạn liên quan kèm vị trí nguồn. Ứng dụng có thể hiển thị trực tiếp những đoạn đó hoặc cung cấp cho mô hình sinh văn bản để viết câu trả lời dựa trên tài liệu truy xuất.\n\nĐể có kết quả tìm kiếm hữu ích, giữ tiêu đề tài liệu, phần, đoạn và định danh dùng để tìm nó. Trợ lý hỗ trợ sau đó có thể truy xuất quy trình liên quan đến câu hỏi của người dùng rồi chuyển quy trình đó cho giai đoạn viết câu trả lời. Mistral Embed thực hiện bước biểu diễn số; bản thân nó không soạn lời giải thích cuối cùng hoặc thực hiện hành động bên ngoài.\n\nCác cách dùng khác được mô tả\n\nNhà sản xuất còn liệt kê phát hiện cách diễn đạt tương đương, phân loại, phân cụm và xử lý theo batch trong các quy trình embedding. Tác vụ so sánh có thể truy xuất các đoạn có ý nghĩa liên quan để xem xét. Quy trình phân loại có thể so sánh đầu vào với ví dụ có nhãn hoặc dùng vector làm đặc trưng cho bộ phân loại riêng. Quy trình phân cụm có thể nhóm các mục tương tự để con người hoặc bước ứng dụng sau mô tả.\n\nĐịnh nghĩa mục đích biểu diễn trước khi chuẩn bị dữ liệu. Đoạn dùng cho tìm kiếm ngữ nghĩa nên giữ thông tin người đọc cần sau truy xuất; ví dụ phân loại nên chứa cách diễn đạt phân biệt lớp. Giữ cách chuẩn bị nhất quán để truy vấn và mục được lưu biểu diễn tài liệu có thể so sánh.\n\nRanh giới phiên bản và đầu ra\n\nDùng cùng phiên bản mô hình và biểu diễn tương thích cho tài liệu và truy vấn. Vector có cùng số tọa độ từ mô hình khác không tự động thuộc cùng không gian ngữ nghĩa. Khi thay mô hình hoặc biểu diễn, các mục lưu trữ và truy vấn cần tiếp tục đồng bộ.\n\nMục này mô tả đầu vào văn bản và đầu ra vector số, với ngữ cảnh 8k của nhà sản xuất cùng biểu diễn 1.024 chiều được tài liệu Mistral Embed quy định. Số chiều có thể cấu hình và định dạng lượng tử hóa của Codestral Embed thuộc mô hình mã được đặt tên riêng đó, không nên giả định ở đây. Hình ảnh, âm thanh, văn bản được sinh ra và thực thi công cụ là những khả năng riêng nằm ngoài kết quả embedding văn bản này.",
    "alias_of": null,
    "aliases": [],
    "author": "Mistral",
    "available": null,
    "canonical_model": "mistralai/mistral-embed-2312",
    "capabilities": {
      "context_length": 8192,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "embeddings"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0002000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000002",
            "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": "Giá theo cấu hình được trình bày đầy đủ trong phần chi tiết."
      }
    ],
    "ctx": 8192,
    "entity_type": "model",
    "formats": [
      "embeddings"
    ],
    "id": "mistralai/mistral-embed-2312",
    "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": "Trường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ",
                "http_status": 400,
                "recovery": "Sửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.",
                "type": "invalid_request_error"
              }
            ],
            "hints": [],
            "ignored_fields": [],
            "lifecycle": {
              "create": {
                "http": "POST",
                "path": "/v1/embeddings"
              },
              "job_read": null,
              "mode": "synchronous_json",
              "unknown": "Không có điểm cuối tác vụ embedding nào được bổ sung."
            },
            "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": "Giữ lại mọi vector kèm chỉ mục của nó. Số lượng vector phải bằng số lượng đầu vào; số chiều phải nhất quán.",
              "default_dimensions": null,
              "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": [
                  "mistralai/mistral-embed-2312"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "budget": {
                  "maximum": 8192,
                  "text_unit": "byte UTF8",
                  "token_unit": "phần tử của mảng token"
                },
                "conditions": "Lô không rỗng và đồng nhất. ID token là số nguyên không âm.",
                "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": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "user",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "session_id",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "pass_through_metadata",
                "conditions": "Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "trace",
                "required": false,
                "type": "json_value"
              },
              {
                "availability": "source_interface",
                "conditions": "provider.options bị từ chối",
                "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": [
            "Giữ lại chỉ mục và số chiều của mọi vector.",
            "Việc mô hình mang tên đa phương thức không có nghĩa là đường dẫn cụ thể này chấp nhận đối tượng ảnh."
          ],
          "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": 8192,
            "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": null,
            "family": "embedding",
            "format": "json",
            "http_success": 200,
            "vectors": "one dense float vector per input; indices/model/usage validated"
          }
        },
        "ctx": 8192,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Giá cơ sở cho token",
            "units": [
              {
                "amount": "0.0002000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000002",
                "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\": \"mistralai/mistral-embed-2312\", \"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='mistralai/mistral-embed-2312',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": 0.2,
        "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": "Chế độ nhanh",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi chọn chế độ nhanh"
          },
          {
            "label": "Chế độ Flex",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi chọn chế độ flex"
          },
          {
            "label": "Mức độ suy luận tối đa",
            "value": "Mức giá tiêu chuẩn",
            "when": "Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa"
          }
        ],
        "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": "0.0002000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": "0.0000002",
                "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": "mistralai/mistral-embed-2312",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": "0.0002000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000002",
            "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": "mistralai/mistral-embed-2312",
        "request_model_id": "mistralai/mistral-embed-2312",
        "route_label": "Ultra"
      }
    ],
    "name": "Mistral: Mistral Embed 2312",
    "price": {
      "in": 0.2,
      "in_label": null,
      "out": 0,
      "out_label": null,
      "scope_label": "Token rates",
      "sort_in": 0.2,
      "sort_out": 0,
      "varies": false
    },
    "pricing_profiles": [
      {
        "dimensions": {
          "regime": "base"
        },
        "label": "Эмбеддинги · Base token rates",
        "units": [
          {
            "amount": "0.0002000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": "0.0000002",
            "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": "mistralai/mistral-embed-2312",
    "short": "Mistral Embed 2312 chuyển văn bản thành vector 1.024 chiều cho tìm kiếm ngữ nghĩa, truy xuất và phân tích văn bản liên quan. Trang của nhà sản xuất mô tả ngữ cảnh 8k; kết quả là biểu diễn số liên kết với mỗi đầu vào, thay vì câu trả lời được sinh ra."
  },
  "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": "Mistral Embed 2312 chuyển văn bản thành vector 1.024 chiều cho tìm kiếm ngữ nghĩa, truy xuất và phân tích văn bản liên quan. Trang của nhà sản xuất mô tả ngữ cảnh 8k; kết quả là biểu diễn số liên kết với mỗi đầu vào, thay vì câu trả lời được sinh ra.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "c70fbf0c9698eac99e6a63caac71405820fd43c466be123aaab2b51778c89345",
    "renderer_sha256": "64a62299639eb843877e9ec5c95e32bf22bac3acfe230f6f502c5c3aa186f9c1"
  },
  "sourceRevision": "22ae757009687c4617cfbd85afc3b929b016e0c057a16def73ed36b27332e8eb"
}