# Perplexity: Embed V1 4B

> Преобразует текстовые запросы и документы в векторы для семантического поиска и dense retrieval; подходит для поиска по коллекциям и RAG.

- **ID для API:** `perplexity/pplx-embed-v1-4b`
- **Тип Модели:** Модель эмбеддингов
- **Контекст:** 32 000 токенов
- **Максимум на ответ:** 28 800 токенов
- **Вход:** текст → **Выход:** эмбеддинги

## Описание

#### Суть
Текстовая embedding-модель Perplexity для стандартного плотного поиска. Она преобразует запросы и документы в векторные представления, чтобы сопоставлять тексты по смыслу, а не только по совпадению слов. Каждый вход обрабатывается независимо. Модель принимает текст и возвращает эмбеддинги, а не готовые ответы. Контекст — до 32 000 токенов.

#### Сильные стороны
Вариант с крупной моделью рассчитан на высокое качество retrieval. Текст можно передавать напрямую: инструкция-префикс не требуется. Это упрощает подготовку данных и помогает избежать расхождений между настройками индексирования и поискового запроса. Эмбеддинги имеют квантованное представление и не нормализованы; для сравнения Perplexity рекомендует косинусное сходство.

#### Типовые сценарии
Модель подходит для семантического поиска по базе документов, сопоставления запросов с текстовыми фрагментами и построения retrieval-компонента для RAG-систем. Обычно документы индексируют с помощью эмбеддингов, затем тем же способом кодируют запрос и ранжируют документы по близости векторов. Она также может использоваться для группировки или поиска похожих текстов, если приложение опирается на векторное сравнение.

#### Ограничения
Это не генеративная модель: она не пишет ответы и не выполняет поиск по сети сама по себе. Для рабочего поиска нужны отдельные хранилище, индекс и механизм ранжирования. Поскольку векторы не нормализованы, их следует сравнивать косинусным сходством, а не полагаться на скалярное произведение или евклидово расстояние. Эта версия предназначена для независимого кодирования текстов; для RAG-сценариев, где при представлении фрагмента важно учитывать окружающий документ, у Perplexity есть отдельная контекстная модель.

## Цены

- Запрос / 1М: 3,55 ₽

## Провайдеры

Выбрать Провайдера можно параметром `provider` в запросе.

| Провайдер | Цена | Контекст | Макс. ответ | Данные в РФ | 152-ФЗ |
| --- | --- | --- | --- | --- | --- |
| perplexity/int8 | Запрос / 1М: 3,55 ₽ | 32 000 | 28 800 | — | — |

## Быстрый старт

```bash
curl https://polza.ai/api/v1/embeddings \
  -H "Authorization: Bearer $POLZA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "perplexity/pplx-embed-v1-4b",
  "input": [
    "Пример текста для поиска"
  ]
}'
```

## Ссылки

- Страница: https://polza.ai/models/perplexity/pplx-embed-v1-4b
- Каталог: https://polza.ai/models