Perplexity: pplx-embed-v1-4B
pplx-embed-v1-4b- 入力 / 出力
- $0.03 / $0.00
- コンテキスト
- 32K
- モダリティ
- 埋め込み
pplx-embed-v1-4B について
pplx-embed-v1-4Bは、Perplexityの2つのpplx-embed-v1テキスト埋め込みモデルのうち大きい方のモデルで、ランキングの品質が最も重視されるウェブスケールの検索を目的としています。文章やクエリを2560次元のベクトルにマッピングし、どちらも指示プレフィックスなしで受け付け、MITライセンスのオープンな重みで提供されます。0.6Bモデルと比較して、より多くの容量と引き換えに、テキストあたりの計算量とストレージを多く消費します。
得意なこと
- 2560次元のベクトルを出力し、1024次元の0.6Bモデルよりも、テキスト内の微細な違いを区別するための余裕を持たせています。
- 両側ともプレーンテキスト入力です。モデルカードには、ドキュメントやクエリに指示プレフィックスは不要であると記載されています。
- Qwen3ベースのMITライセンス下で公開された重みであり、結果の再現と監査が可能です。
- INT8およびバイナリ出力オプションを提供しており、フル精度の浮動小数点ベクトルが大きすぎる場合にインデックスサイズを削減できます。
他のモデルを検討すべきケース
- ベクトルが広いため、同じコーパスであっても0.6Bモデルのベクトルよりインデックスが数倍大きくなります。これは数億件のドキュメントを扱う際に重要となります。
- 各テキストは単独で埋め込まれるため、同じドキュメント内の周囲のチャンクからのコンテキストは保持されません。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
埋め込みTokenLab エンドポイントPOST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "encoding_format": "float", "model": "pplx-embed-v1-4b", "input": "The quick brown fox jumps over the lazy dog." }'
パラメータ
埋め込み
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
encoding_format | 未提供 | 未提供 | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
input | 未提供 | 未提供 | 未提供 |
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
埋め込み
100万トークンあたり- Official 価格
- 入力 $0.03 / 出力 $0.00
- Verified 価格
- —
- 割引
- —
| Official 価格100万トークンあたり | Verified 価格100万トークンあたり | 割引 | |
|---|---|---|---|
| 埋め込み | 入力 $0.03 / 出力 $0.00 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
Consoleでpplx-embed-v1-4Bを開き、プロンプトを編集・送信できます。
pplx-embed-v1-4bと/v1/embeddingsでembeddingを実行。結果とコストを表示します。
ユースケース
高精度検索
ランキングの品質がインデックスサイズよりも優先される、ナレッジベースやドキュメントサイトの主要なセマンティック検索を強化します。
混合コンテンツに対するRAG
多言語や多様なウェブコンテンツ全体から回答生成のための文章を検索し、軽量な埋め込みモデルよりも取りこぼしを減らします。
重複排除とクラスタリング
より広いベクトルを用いたコサイン類似度により、重複に近いページやサポートチケットをグループ化します。
プロンプト例
どちらの当事者が便宜上の理由で契約を終了できる条項はどれですか？
config map変更後にkubernetes podがCrashLoopBackOffで停止した
Comment configurer l'authentification à deux facteurs sur le tableau de bord
このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。
FAQ
pplx-embed-v1-4Bとは正確には何ですか？
Perplexityのpplx-embed-v1ファミリーにおける40億パラメータのテキスト埋め込みモデルです。テキストをセマンティック検索、検索拡張生成（RAG）、クラスタリング、類似性マッチングのための高密度ベクトルに変換し、その重みはMITライセンスの下で公開されています。
ベクトルサイズはどのくらいですか？
モデルカードでは、0.6Bモデルの1024次元に対し、4Bモデルは2560次元とされています。コーパス全体の再埋め込みを行う前に、この広いサイズに合わせてベクトルストレージとインデックスメモリを計画してください。
指示プレフィックスは必要ですか？
いいえ。ドキュメントとクエリはプレーンテキストとして送信します。Perplexityは意図的に指示プレフィックスを避けており、単一のコードパスで検索の両側を埋め込めるようにしています。
ストレージを削減できますか？
モデルカードにはINT8およびバイナリ量子化出力が記載されています。これらは各保存ベクトルを大幅に縮小するため、わずかな精度の低下と引き換えにインデックスを大幅に小さくできます。切り替える前に、独自のクエリで再現率をテストしてください。
プロジェクトには4Bと0.6Bのどちらが良いですか？
回答の品質が微細なランキングに依存し、コーパスがメモリに十分に収まる場合は4Bを選択してください。膨大な量を埋め込む場合や、テキストあたりの計算コストを最小限に抑える必要がある場合は0.6Bを選択してください。
pplx-embed-v1-4B の料金はいくらですか？
TokenLab では pplx-embed-v1-4B は 入力 $0.03 / 出力 $0.00 100万トークンあたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
pplx-embed-v1-4B はどのエンドポイントを使うべきですか？
pplx-embed-v1-4B のデフォルトは https://api.tokenlab.sh/v1/embeddings です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
pplx-embed-v1-4B はどの操作に対応していますか？
pplx-embed-v1-4B は 埋め込み に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
pplx-embed-v1-4B を比較する
ソース
- perplexity-ai/pplx-embed-v1-4b model card (Hugging Face)
- perplexity-ai/pplx-embed-v1-0.6b model card (Hugging Face)
2026/10/02 時点での評価
