Perplexity: pplx-embed-v1-4B
pplx-embed-v1-4b- 輸入 / 輸出
- $0.03 / $0.00
- 上下文
- 32K
- 模態
- 嵌入
關於 pplx-embed-v1-4B
pplx-embed-v1-4B 是 Perplexity 兩款 pplx-embed-v1 文字嵌入模型中較大的一款，專為重視排序品質的網頁規模檢索而設計。它將段落或查詢映射為 2560 維向量，無需指令前綴即可同時處理兩者，並提供 MIT 授權的開源權重。相較於 0.6B 的同系列模型，它以更多的運算與儲存資源換取更高的容量。
適用場景
- 輸出 2560 維向量，相較於 1024 維的 0.6B 模型，為每個文字提供了更多空間來區分細微差異。
- 兩端均採用純文字輸入：模型卡說明文件或查詢皆無需指令前綴。
- 基於 Qwen3 架構，並以 MIT 授權開源權重，確保結果可被重現與審核。
- 提供 INT8 與二進位輸出選項，當全寬浮點向量過大時，可藉此縮減索引大小。
其他選擇建議
- 寬向量使得索引大小比 0.6B 向量大上數倍（針對相同語料庫），這在處理數億份文件時至關重要。
- 每個文字皆獨立嵌入，因此無法捕捉同一文件中周圍區塊的上下文資訊。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
嵌入TokenLab 端點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." }'
參數設定
嵌入
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
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 |
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
嵌入
每 1M Token- Official 價格
- 輸入 $0.03 / 輸出 $0.00
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| 嵌入 | 輸入 $0.03 / 輸出 $0.00 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 pplx-embed-v1-4B，並準備好編輯或發送提示詞。
協助我使用 pplx-embed-v1-4b 透過 /v1/embeddings 執行 embedding，並顯示結果與成本。
應用情境
高精度搜尋
為知識庫或文件網站的主要語意搜尋提供動力，適用於排序品質重於索引大小的場景。
混合內容的檢索增強生成 (RAG)
跨多語言或多樣化的網頁內容檢索段落以進行答案生成，相較於輕量級嵌入模型，遺漏率更低。
去重與分群
透過其寬向量的餘弦相似度，將近乎重複的頁面或支援工單進行分組。
提示詞範例
哪一條款允許任一方因便利而終止合約？
kubernetes pod 在 config map 變更後卡在 CrashLoopBackOff 狀態
Comment configurer l'authentification à deux facteurs sur le tableau de bord
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
pplx-embed-v1-4B 究竟是什麼？
它是 Perplexity pplx-embed-v1 系列中 40 億參數的文字嵌入模型。它將文字轉換為密集向量，用於語意搜尋、檢索增強生成、分群與相似度比對，其權重以 MIT 授權發布。
向量大小是多少？
模型卡顯示 4B 模型為 2560 維，而 0.6B 模型為 1024 維。在進行全語料庫重新嵌入之前，請先規劃該寬度所需的向量儲存空間與索引記憶體。
需要指令前綴嗎？
不需要。您可以直接發送純文字格式的文件與查詢。Perplexity 表示刻意避免使用指令前綴，以便單一程式碼路徑即可處理搜尋的兩端。
可以減少儲存空間嗎？
模型卡列出了 INT8 與二進位量化輸出。它們能大幅縮減每個儲存的向量，讓您以些微的準確度損失換取更小的索引。在切換前，請先針對您的查詢測試召回率。
我的專案該選 4B 還是 0.6B？
當答案品質取決於細緻的排序且語料庫能輕鬆放入記憶體時，請選擇 4B。當您需要嵌入極大容量的資料或需要最低的單一文字運算成本時，請選擇 0.6B。
pplx-embed-v1-4B 的費用是多少？
在 TokenLab 上，pplx-embed-v1-4B 價格為 輸入 $0.03 / 輸出 $0.00 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
pplx-embed-v1-4B 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/embeddings 進行 pplx-embed-v1-4B 的呼叫。下方的請求範例展示了對應的程式碼格式。
pplx-embed-v1-4B 支援哪些操作？
pplx-embed-v1-4B 支援 嵌入。請在上方選擇一項操作以查看其端點與請求範例。
比較 pplx-embed-v1-4B
來源
- perplexity-ai/pplx-embed-v1-4b model card (Hugging Face)
- perplexity-ai/pplx-embed-v1-0.6b model card (Hugging Face)
更新於 2026年10月2日
