임베딩 API는 텍스트와 일부 모델의 이미지나 비디오를 유사한 의미를 가까이 배치하는 숫자 벡터로 변환합니다. 최고의 일치를 재평가하는 리랭커와 함께, 이는 의미 탐색과 검색 증강 생성의 검색 단계를 형성합니다.
임베딩은 벡터라고 불리는 숫자의 목록으로, 입력의 의미를 나타냅니다. 임베딩 모델은 텍스트를 읽고 고정된 길이의 벡터를 반환합니다. 의미가 비슷한 입력은 단어가 없어도 비슷한 방향을 가리키는 벡터를 생성합니다: 내 비밀번호 재설정 그리고 계정에 로그인할 수 없습니다 서로 가까이 다가가게 되면, 내 청구 주소 업데이트 결국 더 멀리 떨어져 버리죠.
두 벡터를 유사성 척도로 비교하며, 대부분 코사인 유사도를 기준으로 합니다. 점수가 높을수록 입력값이 의미가 더 가깝다는 뜻입니다. 이 한 번의 연산은 의미 검색, 언어 모델 검색, 클러스터링, 중복 탐지, 추천 및 가장 가까운 예시별 분류를 지원합니다.
EmpirioLabs AI 보내는 순간 모델 번호: 그리고 입력 로 포스트 /v1/embeddings. 입력은 문자열 또는 문자열 목록이며, 응답은 입력당 벡터 하나를 가진다. 데이터, 그리고 a 사용 토큰이 청구된 객체. 임베딩 모델은 텍스트를 생성하지 않기 때문에 입력 토큰만 청구합니다.
치수 각 벡터의 길이를 설정합니다. 큰 벡터일수록 더 많은 세부 정보를 유지합니다; 작은 벡터일수록 저장 및 검색 비용이 적게 듭니다.encoding_format 벡터를 다음과 같이 반환합니다 float 배열 또는 컴팩트로 base64 줄.이름 * 그리고 비디오 텍스트 쿼리가 일치하는 이미지를 검색할 수 있도록 부품 구성 요소들입니다.output_type, 그리고 다음을 수락한다 지시하다 이는 쿼리를 임베드할 때 사용하는 검색 작업을 설명합니다.두 가지 규칙이 결과를 의미 있게 유지합니다. 서로 다른 모델의 벡터는 비교 불가능하기 때문에, 동일한 모델과 동일한 벡터 크기로 문서와 쿼리를 임베드합니다. 긴 문서를 모델의 최대 입력 길이에 맞는 구절로 나누고, 각 벡터를 해당 지문과 함께 저장합니다. 그 임베딩즈 API 참조 모든 필드를 나열합니다.
벡터 검색은 각 문서가 사전에 한 번씩 임베드되어 있고, 쿼리에는 새로운 벡터 하나만 있으면 되기 때문에 빠릅니다. 대신 정밀도가 문제입니다. 쿼리와 각 문서는 별도로 인코딩되기 때문에, 가장 가까운 벡터가 최종 순위보다는 좋은 최종 순위 리스트가 됩니다.
리랭커는 쿼리와 각 후보자를 함께 읽고, 그 후보자가 쿼리에 얼마나 잘 답했는지를 점수 매깁니다. 이 비교가 더 정확하고 문서당 작업량도 더 많기 때문에, 전체 컬렉션이 아니라 벡터 검색 상위 50개 결과 같은 단기 목록에 적용합니다.
EmpirioLabs AI 보내시면 쿼리 그리고 목록 문서 로 포스트 /v1/reranks. 응답에는 각 문서의 원본이 나열되어 있습니다 색인 with a relevance_score 0에서 1까지, 가장 관련 있는 것부터 시작합니다. Set top_n 가장 우수한 소수만을 돌려보내고, return_documents 그들의 텍스트를 포함하기 위해서입니다. 점수는 하나의 요청을 기준으로 하므로, 서로 다른 쿼리에 대한 고정된 컷오프가 아니라 결과를 순서 정렬하는 데 사용하세요. 자세한 내용은 API 참조 재순위 전체 요청 내용.
검색 증강 생성(RAG)은 언어 모델의 프롬프트에 가장 관련 있는 구절을 배치하여 자신의 콘텐츠에서 질문에 답합니다. 임베딩과 리랭커가 검색 단계를 이룹니다:
순위 조정은 프롬프트를 짧고 적합하게 유지합니다: 더 적고 좋은 지문은 입력 토큰을 적게 사용하며 더 많은 것을 남깁니다. 컨텍스트 창 답변을 위해. 둘러보기 모델 임베딩 그리고 리랭커, 또는 둘 다 시도해 보세요. Playground·.
모델 4개. 과금 단위가 같은 모델은 저렴한 순으로 정렬했습니다. 각 모델 페이지에 전체 요금표, 파라미터, 코드가 있습니다.
엔드포인트
/v1/embeddings100만 토큰당, 입력 요금 순
| 모델 | 입력 | 출력 |
|---|---|---|
| Text Embedding v4 Alibaba Cloud | $0.07 | - |
| Tongyi Embedding Vision Flash Alibaba Cloud | $0.09 | - |
| Tongyi Embedding Vision Plus Alibaba Cloud | $0.09 | - |
| Skylark Embedding Vision ByteDance | $0.25 | - |
모델 1개. 각 모델 페이지에 요금표, 파라미터, 코드가 있습니다.
엔드포인트
/v1/reranks임베딩 모델은 각 입력을 독립적으로 벡터로 변환하여 쿼리를 대규모 컬렉션과 빠르게 비교할 수 있습니다. 리랭커는 쿼리와 후보 문서를 함께 읽고 관련성을 더 정밀하게 평가하여 짧은 결과 목록에 사용되도록 합니다.
아니요. 각 모델은 의미를 각자의 벡터 공간에 배치하므로, 문서와 쿼리를 같은 모델과 벡터 크기로 임베드하세요.
임베딩과 리랭크 모델은 당신이 보내는 입력 토큰에 대해 요금을 청구합니다. 텍스트를 생성하지 않기 때문에 출력 토큰을 청구할 필요가 없습니다.
0부터 1까지의 숫자로 한 쿼리의 문서를 순위 매기며, 높을수록 더 관련성이 높다는 의미입니다. 점수는 요청 간 비교가 불가능하므로, 요청 내에서 결과를 정렬하는 데 점수를 사용하세요.
네, 멀티모달 임베딩 모델을 사용하면 가능합니다. 텍스트, 이미지, 비디오 입력을 받아서 텍스트 쿼리로 일치하는 이미지나 클립을 검색할 수 있습니다.
이 방식으로 과금되는 임베딩 모델 4개를 입력 요금 기준으로 비교하면 가장 저렴한 순서는 Text Embedding v4, Tongyi Embedding Vision Flash, Tongyi Embedding Vision Plus입니다. 이 페이지의 요금표에서 각 모델의 최저 요금과 적용 대상을 확인할 수 있습니다.