Perplexity: Embed V1 0.6B

Perplexity: Embed V1 0.6B é um modelo de embedding de texto da Perplexity, lançado em 16 de março de 2026. Pertence à família pplx-embed-v1, que a Perplexity descreve como modelos de embedding de texto de última geração, criados para recuperação em escala web no mundo real. A variante de 0,6B parâmetros visa uso leve e de baixa latência, o que a torna a opção menor da família, e não a maior.

O modelo recebe texto como entrada e retorna embeddings como saída, portanto não gera prosa nem respostas de chat. É otimizado para recuperação densa de texto padrão, que é o padrão comum por trás da busca semântica e da correspondência por similaridade. A janela de contexto é de 32.000 tokens, e a saída máxima é listada como 28.800. Apenas entrada de texto é suportada, e nenhum parâmetro de requisição além do básico está documentado para este modelo.

Como o modelo produz embeddings densos para recuperação, os casos de uso naturais são busca semântica em coleções de documentos, pipelines de geração aumentada por recuperação em que você precisa buscar passagens relevantes antes de passá-las a um modelo de chat, deduplicação ou agrupamento de texto, e sistemas de recomendação ou correspondência que classificam itens por significado, e não por sobreposição de palavras-chave. O tamanho de 0,6B e o foco em baixa latência atendem a cargas de trabalho em que você gera embeddings para grandes volumes de texto, como indexar um corpus em escala web ou lidar com alta taxa de consultas, e o contexto de 32.000 tokens significa que você pode gerar embeddings de documentos razoavelmente longos em uma única requisição, em vez de dividi-los em pequenos trechos.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "perplexity/pplx-embed-v1-0.6b". Como a interface segue o formato de embeddings da OpenAI, você envia seu texto como input e recebe um vetor de volta, e as bibliotecas de cliente da OpenAI existentes funcionam sem modificação depois que você as aponta para a URL base da api14 e define esse id de modelo. A lista de parâmetros suportados para este modelo está vazia, então planeje enviar apenas os campos obrigatórios e evite depender de ajustes opcionais, como sobrescritas de dimensions ou encoding format.

Se sua tarefa é geração de texto, sumarização ou conversa, e não recuperação, um modelo de embeddings é a ferramenta errada e um modelo de chat ou completion se encaixará melhor. Da mesma forma, se você precisa de embeddings multimodais sobre imagens ou áudio, este modelo aceita apenas texto. Dentro do trabalho de recuperação, o principal trade-off é o tamanho de 0,6B: ele foi criado para serviço leve e de baixa latência, então, se você achar a qualidade de recuperação insuficiente em um corpus exigente, pode valer a pena considerar um modelo de embedding maior.