Perplexity: Embed V1 0.6B

Perplexity: Embed V1 0.6B è un modello di embedding testuale di Perplexity, rilasciato il 16 marzo 2026. Appartiene alla famiglia pplx-embed-v1, che Perplexity descrive come modelli di embedding testuale allo stato dell'arte, costruiti per il recupero su scala web in scenari reali. La variante con 0,6B parametri è pensata per un uso leggero e a bassa latenza, il che la rende l'opzione più piccola della famiglia anziché la più grande.

Il modello prende testo in input e restituisce embedding in output, quindi non genera prosa né risposte di chat. È ottimizzato per il recupero denso standard di testo, che è il pattern comune alla base della ricerca semantica e del matching per similarità. La finestra di contesto è di 32.000 token, e l'output massimo è indicato come 28.800. È supportato solo l'input testuale, e per questo modello non sono documentati parametri di richiesta oltre a quelli di base.

Poiché il modello produce embedding densi per il recupero, i casi d'uso naturali sono la ricerca semantica su raccolte di documenti, le pipeline di retrieval augmented generation in cui devi recuperare passaggi rilevanti prima di passarli a un modello di chat, la deduplicazione o il clustering di testo, e i sistemi di raccomandazione o matching che ordinano gli elementi in base al significato anziché alla sovrapposizione di parole chiave. La dimensione 0,6B e l'attenzione alla bassa latenza si adattano a carichi di lavoro in cui generi embedding per grandi volumi di testo, come l'indicizzazione di un corpus su scala web o la gestione di un elevato throughput di query, e il contesto di 32.000 token significa che puoi ottenere embedding di documenti piuttosto lunghi in una singola richiesta invece di suddividerli in piccoli blocchi.

Puoi chiamare il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "perplexity/pplx-embed-v1-0.6b". Poiché l'interfaccia segue il formato degli embedding di OpenAI, invii il testo come input e ricevi indietro un vettore, e le librerie client OpenAI esistenti funzionano senza modifiche una volta che le indirizzi all'URL di base di api14 e imposti quell'id del modello. L'elenco dei parametri supportati per questo modello è vuoto, quindi preparati a inviare solo i campi obbligatori ed evita di affidarti a opzioni facoltative come dimensioni o override del formato di codifica.

Se il tuo compito è la generazione di testo, il riassunto o la conversazione anziché il recupero, un modello di embedding è lo strumento sbagliato e un modello di chat o di completamento si adatterà meglio. Allo stesso modo, se hai bisogno di embedding multimodali su immagini o audio, questo modello accetta solo testo. Nel lavoro di recupero, il compromesso principale è la dimensione 0,6B: è costruito per un servizio leggero e a bassa latenza, quindi se ritieni che la qualità del recupero sia insufficiente su un corpus impegnativo, potrebbe valere la pena considerare un modello di embedding più grande.