Perplexity: pplx-embed-v1-4B
pplx-embed-v1-4b- 입력 / 출력
- $0.03 / $0.00
- 컨텍스트
- 32K
- 모달리티
- 임베딩
pplx-embed-v1-4B 소개
pplx-embed-v1-4B는 Perplexity의 두 가지 pplx-embed-v1 텍스트 임베딩 모델 중 더 큰 모델로, 순위 품질이 가장 중요한 웹 규모의 검색을 목표로 합니다. 이 모델은 구절이나 쿼리를 2560차원 벡터로 매핑하며, 지시어 접두사 없이 두 가지 모두를 허용하고 MIT 라이선스가 적용된 오픈 가중치로 제공됩니다. 0.6B 모델과 비교했을 때, 더 많은 용량을 위해 텍스트당 더 많은 연산과 저장 공간을 사용합니다.
강점
- 2560차원 벡터를 출력하여, 1024차원의 0.6B 모델보다 각 텍스트의 미세한 차이를 구분할 수 있는 더 많은 공간을 제공합니다.
- 양쪽 모두 일반 텍스트 입력: 모델 카드에 따르면 문서나 쿼리에 지시어 접두사가 필요하지 않습니다.
- Qwen3 기반의 MIT 라이선스 오픈 가중치로, 결과를 재현하고 검증할 수 있습니다.
- INT8 및 이진 출력 옵션을 제공하며, 전체 너비의 부동 소수점 벡터가 너무 클 경우 인덱스 크기를 줄일 수 있습니다.
다른 모델이 필요한 경우
- 넓은 벡터는 동일한 말뭉치에 대해 0.6B 벡터보다 인덱스를 몇 배 더 크게 만들며, 이는 수억 개의 문서 단위에서 중요합니다.
- 각 텍스트는 독립적으로 임베딩되므로, 동일 문서 내 주변 청크의 문맥은 캡처되지 않습니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
임베딩TokenLab 엔드포인트POST/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." }'
매개변수
임베딩
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
encoding_format | 제공되지 않음 | 제공되지 않음 | 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 | 제공되지 않음 | 제공되지 않음 | 제공되지 않음 |
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
임베딩
1M Token 당- Official 가격
- 입력 $0.03 / 출력 $0.00
- Verified 가격
- —
- 할인
- —
| Official 가격1M Token 당 | Verified 가격1M Token 당 | 할인 | |
|---|---|---|---|
| 임베딩 | 입력 $0.03 / 출력 $0.00 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 pplx-embed-v1-4B을 열고 프롬프트를 수정하거나 전송하세요.
/v1/embeddings에서 embedding을(를) 사용하여 pplx-embed-v1-4b을(를) 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
고정밀 검색
순위 품질이 인덱스 크기보다 중요한 지식 베이스나 문서 사이트의 주요 의미론적 검색을 구동합니다.
혼합 콘텐츠에 대한 RAG
다국어 또는 다양한 웹 콘텐츠 전반에서 답변 생성을 위한 구절을 검색하며, 가벼운 임베딩보다 누락이 적습니다.
중복 제거 및 클러스터링
더 넓은 벡터의 코사인 유사도를 통해 거의 중복되는 페이지나 지원 티켓을 그룹화합니다.
프롬프트 예제
어느 조항이 양 당사자 중 누구라도 편의에 따라 계약을 해지할 수 있도록 허용합니까?
config map 변경 후 CrashLoopBackOff 상태에 빠진 kubernetes pod
Comment configurer l'authentification à deux facteurs sur le tableau de bord
이 모델은 조건부 요금제입니다. 월간 토큰 총량만으로는 신뢰할 수 있는 견적을 낼 수 없습니다. 요청 사양, 캐시, 해당 시간대에 맞는 상세 요금을 사용하세요.
FAQ
pplx-embed-v1-4B란 정확히 무엇입니까?
Perplexity의 pplx-embed-v1 제품군에 속하는 40억 개의 파라미터를 가진 텍스트 임베딩 모델입니다. 이 모델은 텍스트를 의미론적 검색, 검색 증강 생성(RAG), 클러스터링 및 유사성 매칭을 위한 밀집 벡터로 변환하며, 가중치는 MIT 라이선스 하에 공개되어 있습니다.
벡터 크기는 얼마입니까?
모델 카드는 4B 모델에 대해 2560차원을 제시하며, 0.6B 모델의 1024차원과 비교됩니다. 말뭉치 전체를 재임베딩하기 전에 더 넓은 크기에 맞춰 벡터 저장소와 인덱스 메모리를 계획하십시오.
지시어 접두사가 필요합니까?
아니요. 문서와 쿼리를 일반 텍스트로 전송하면 됩니다. Perplexity는 의도적으로 지시어 접두사를 피하므로, 단일 코드 경로로 검색의 양쪽 측면을 모두 임베딩할 수 있다고 명시합니다.
저장 공간을 줄일 수 있습니까?
모델 카드는 INT8 및 이진 양자화 출력을 나열합니다. 이를 통해 저장된 각 벡터를 크게 줄일 수 있으므로, 정확도를 약간 희생하는 대신 인덱스 크기를 훨씬 작게 만들 수 있습니다. 전환하기 전에 자신의 쿼리로 재현율을 테스트하십시오.
내 프로젝트에 4B와 0.6B 중 무엇을 선택해야 합니까?
답변 품질이 세밀한 순위 지정에 달려 있고 말뭉치가 메모리에 충분히 들어갈 때는 4B를 선택하십시오. 방대한 양을 임베딩하거나 텍스트당 가장 저렴한 연산 비용이 필요할 때는 0.6B를 선택하십시오.
pplx-embed-v1-4B 의 가격은 얼마인가요?
TokenLab 에서 pplx-embed-v1-4B 은 입력 $0.03 / 출력 $0.00 1M Token 당 입니다. 자세한 내역은 위 가격 표를 확인하세요. 요금은 청구 단위, 사양, 사용량에 따라 달라집니다. 모델의 상세 요금에서 동일한 조건끼리 비교하세요. 단일 요금으로 총비용이 결정되지 않습니다.
pplx-embed-v1-4B 은 어떤 엔드포인트를 써야 하나요?
pplx-embed-v1-4B에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
pplx-embed-v1-4B 은 어떤 오퍼레이션을 지원하나요?
pplx-embed-v1-4B은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
pplx-embed-v1-4B 비교하기
출처
- perplexity-ai/pplx-embed-v1-4b model card (Hugging Face)
- perplexity-ai/pplx-embed-v1-0.6b model card (Hugging Face)
2026. 10. 2. 검토 완료
