Perplexity: pplx-embed-v1-4B

O Perplexity Embed v1 4B mapeia textos e consultas independentes em vetores para recuperação semântica e RAG. Ele suporta uma janela de contexto de 32K e retorna vetores de 2560 dimensões por meio da API de Embeddings; seu baixo preço por token de entrada é adequado para grandes índices de documentos.

Comparar modelos

pplx-embed-v1-4b

DisponívelPerplexityIncorporaçãoSíncrono

Entrada / Saída: $0.03 / $0.00
Contexto: 32K
Modalidades: Incorporação

Sobre o pplx-embed-v1-4B

pplx-embed-v1-4B é o maior dos dois modelos de embedding de texto pplx-embed-v1 da Perplexity, voltado para recuperação em escala web onde a qualidade da classificação é o que mais importa. Ele mapeia uma passagem ou consulta para um vetor de 2560 dimensões, aceita ambos sem prefixos de instrução e é fornecido com pesos abertos sob licença MIT. Em comparação com o modelo irmão de 0.6B, ele utiliza mais computação e armazenamento por texto em troca de maior capacidade.

Pontos fortes

Produz vetores de 2560 dimensões, dando a cada texto mais espaço para separar diferenças sutis do que o modelo de 0.6B com 1024 dimensões.
Entrada de texto simples em ambos os lados: o cartão do modelo afirma que nenhum prefixo de instrução é necessário para documentos ou consultas.
Pesos abertos sob a licença MIT em uma base Qwen3, para que os resultados possam ser reproduzidos e auditados.
Oferece opções de saída INT8 e binária, que podem reduzir o tamanho do índice quando os vetores de ponto flutuante de largura total são muito grandes.

Quando usar outro modelo

Vetores largos tornam os índices várias vezes maiores do que os vetores de 0.6B para o mesmo corpus, o que é relevante em centenas de milhões de documentos.
Cada texto é processado individualmente, portanto, o contexto de partes adjacentes do mesmo documento não é capturado.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

IncorporaçãoEndpoint do TokenLab

POST/v1/embeddings

curl -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."
}'

Parâmetros

Incorporação

Parâmetro	Valores e limites	Padrão	Notas
`encoding_format`	Não fornecido	Não fornecido	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`	Não fornecido	Não fornecido	Não fornecido

Preço

O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.

Incorporação

Por 1M Token

Preço Official: Entrada $0.03 / Saída $0.00
Preço Verified: —
Desconto: —

	Preço OfficialPor 1M Token	Preço VerifiedPor 1M Token	Desconto
Incorporação	Entrada $0.03 / Saída $0.00	—	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 15 de nov. de 2026, 02:01 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra pplx-embed-v1-4B no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar pplx-embed-v1-4b com embedding em /v1/embeddings. Exiba o resultado e custo.

Casos de uso

Busca de alta precisão
Alimenta a busca semântica principal de uma base de conhecimento ou site de documentação onde a qualidade da classificação supera o tamanho do índice.
RAG sobre conteúdo misto
Recupera passagens para geração de respostas em conteúdos web variados ou multilíngues, com menos falhas do que um embedding mais leve.
Deduplicação e agrupamento
Agrupa páginas quase duplicadas ou tickets de suporte pela similaridade de cosseno de seus vetores mais largos.

Exemplos de prompt

Qual cláusula permite que qualquer uma das partes rescinda o contrato por conveniência?

pod do kubernetes preso em CrashLoopBackOff após alteração do config map

Comment configurer l'authentification à deux facteurs sur le tableau de bord

Este modelo tem preço condicional. Totais mensais de tokens sozinhos não produzem uma estimativa confiável; use o preço detalhado para a especificação da requisição, cache e janela aplicável.

FAQ

O que exatamente é o pplx-embed-v1-4B?

É o modelo de embedding de texto de 4 bilhões de parâmetros na família pplx-embed-v1 da Perplexity. Ele converte texto em vetores densos para busca semântica, geração aumentada por recuperação (RAG), agrupamento e correspondência de similaridade, e seus pesos são publicados sob a licença MIT.

Qual é o tamanho do vetor?

O cartão do modelo indica 2560 dimensões para o modelo 4B, em comparação com 1024 para o modelo 0.6B. Planeje o armazenamento de vetores e a memória do índice para o tamanho maior antes de se comprometer com um re-embedding de todo o corpus.

Ele precisa de prefixos de instrução?

Não. Você envia documentos e consultas como texto simples. A Perplexity afirma que evita prefixos de instrução propositalmente, para que um único caminho de código possa processar ambos os lados da busca.

Posso reduzir o armazenamento?

O cartão lista saídas quantizadas INT8 e binárias. Elas reduzem substancialmente cada vetor armazenado, permitindo trocar uma pequena quantidade de precisão por um índice muito menor. Teste a recuperação em suas próprias consultas antes de mudar.

4B ou 0.6B para o meu projeto?

Escolha 4B quando a qualidade da resposta depender de uma classificação detalhada e o corpus couber confortavelmente na memória. Escolha 0.6B quando você processar volumes enormes ou precisar do custo computacional mais baixo por texto.

Quanto custa o pplx-embed-v1-4B?

No TokenLab, pplx-embed-v1-4B custa Entrada $0.03 / Saída $0.00 Por 1M Token. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual endpoint o pplx-embed-v1-4B deve usar?

Use https://api.tokenlab.sh/v1/embeddings para pplx-embed-v1-4B. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o pplx-embed-v1-4B suporta?

pplx-embed-v1-4B suporta Incorporação. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.