云南知能科技有限公司
公司新闻
了解知能科技在 AI 应用落地、Token、服务器与定制开发方面的最新动态。
📚RAG-向量/重排序
阿里 text-embedding-v4
概念介绍 该模型是通义实验室基于Qwen3训练的多语言文本统一向量模型，相较V3版本在文本检索、聚类、分类性能大幅提升。 在MTEB多语言、中英、Code检索等评测任务上效果提升15%~40%；支持64~2048维用户自定义向量维度。 模型名称 text-embedding-v4 最大支持长度 12
阅读更多
📚RAG-向量/重排序
OpenAi 向量模型
💡 什么是 Embedding？ Embedding（嵌入） 是一种将离散的、高维的数据（如文字、图片、音频）转换为连续的、低维的向量表示的技术。 您可以把它想象成一个翻译过程： 输入：人类能理解的概念，比如单词"猫"、一张产品图片、一首歌曲 输出：计算机能理解和处理的、由一长串数字组成的"坐标"（
阅读更多
📚RAG-向量/重排序
doubao-embedding-vision-251215
Doubao-embedding-vision 是由字节跳动研发的多模态向量化模型。它能将文本、图片以及视频等混合输入内容转换为统一的向量表示，从而帮助您更高效地处理跨模态数据，实现精准的文搜图、图搜图和图文混合搜索。 接口地址 https://api.apexrouter.top/v1/respo
阅读更多
📚RAG-向量/重排序
gemini-embedding-2-preview
gemini-embedding-2-preview 是 Google 推出的新一代多模态嵌入模型，支持将文本、图片、音频、视频和 PDF 文档转化为高维浮点向量，最高支持 3072 维输出，输入 token 上限达 8192。单次请求可将多模态内容聚合为统一向量，也可通过 batchEmbedCo
阅读更多
🌐翻译模型
Qwen-MT系列翻译模型
Qwen-MT模型是基于Qwen3模型优化的机器翻译大语言模型，支持92个语种（包括中、英、日、韩、法、西、德、泰、印尼、越、阿等）互译，且提供了术语干预、领域提示、记忆库等能力，提升模型在复杂应用场景下的翻译效果。 📍 请求地址 https://api.apexrouter.top/v1/chat
阅读更多
🔍搜索模型
DeepSeek 网页搜索与抓取
本文档介绍如何通过 知能API 平台调用 DeepSeek 网页搜索（Search） 与 网页抓取（Fetch） 两大工具接口，为 Agent 与 RAG 应用提供实时网页内容。Search 接口由 DeepSeek 自研搜索引擎支持，按关键词检索网页并返回标题、摘要、正文等结构化结果；Fetch
阅读更多
🔍搜索模型
perplexity-deep-research-ssvip
基于 Perplexity 深度研究模型（perplexity-deep-research-ssvip）的 Responses 端点接口，能够对复杂问题展开多步骤网络检索与深度推理，自动引用来源并输出带注释的长篇研究报告。相比普通对话模型，该接口内置搜索与推理链，适合需要综合大量资料、输出结构化深度
阅读更多
🔍搜索模型
perplexity-sonar-pro-ssvip
基于 Perplexity Sonar Pro 模型（perplexity-sonar-pro-ssvip）的 Responses 端点接口，支持文本与图像混合输入，能够对图片内容进行识别与描述，并自动联网检索相关资料附上 URL 引用注释。相比纯文本对话模型，该接口具备视觉理解与实时搜索双重能力，
阅读更多
🔍搜索模型
perplexity-sonar-reasoning-pro-ssvip
基于 Perplexity Sonar Reasoning Pro 模型（perplexity-sonar-reasoning-pro-ssvip）的 Responses 端点接口，在视觉理解与联网搜索的基础上融入链式推理能力，答题前会先输出完整的思考过程（reasoning）再给出结论。相比 So
阅读更多
🔍搜索模型
perplexity-sonar-pro-search-ssvip
基于 Perplexity Sonar Pro Search 模型（perplexity-sonar-pro-search-ssvip）的 Responses 端点接口，专注于实时联网检索与结构化内容生成，能够自动聚合多源网络资料并以 Markdown 表格、列表等格式输出，同时附上 URL 引用注
阅读更多