「Perplexity」API に文脈つき埋め込みモデル 100万トークン$0.02から
Perplexity が2026年11月、Embeddings API に文脈つき埋め込みモデルを2つ加えた。文書の各部分を、残りの部分を踏まえて数値にする。画像も扱う。更新履歴は追加の日付を示していない。

この記事の要点
- Perplexity が2026年11月、Embeddings API に文脈つき埋め込みモデル pplx-embed-v2-context-9b と pplx-embed-v2-context-0.6b を加えた。
- 文書を分けた各部分を、文書の残りの部分を踏まえて数値にする。検索の問い、文書、画像を1つのモデルで扱う。
- 料金は100万トークンあたり、文章で$0.02(0.6b)と$0.12(9b)だ。社内文書の検索を自前で作る開発者に関係する。
目次5
何が発表されたか
Perplexity は2026年11月、Embeddings API に文脈つき埋め込みモデルを加えた。Perplexity の API の更新履歴は、日付を「November 2026」とだけ書いている。
埋め込み(embedding)は文章や画像の意味を数値の並び(ベクトル)に置き換えることだ。意味の近い文書を探す検索に使う。Perplexity の説明のページの冒頭には「Perplexity Search を支える埋め込みモデル」とある。
新しいモデルは pplx-embed-v2-context-9b と pplx-embed-v2-context-0.6b の2つだ。どちらも検索の問い、分割した文書、画像を1つのモデルで埋め込む。呼び出し先は POST /v1/embeddings である。
「文脈つき」の意味は文書の分け方にある。長い文書は、小さな部分(チャンク)に分けて送れる。新しいモデルでは1つの文書のチャンクを順番どおりに配列にして送る。各チャンクの埋め込みは文書の残りの部分を踏まえて作られる。説明のページは、チャンクを重ねずに分け、元の文書の順に送るよう求めている。重なりがあると同じ文が文脈にくり返され、順番が乱れると文脈が崩れるためだという。
画像も扱える。ページをスキャンした画像や画面写真を、base64 の data URI という形式で送る。num_chunks を指定すると、画像を横に区切った領域ごとに1つずつ埋め込みが返る。説明のページによると、論文のページのような文字の多い画像では、値を上げると検索の精度が上がることがある。
送るときは input_type の指定が必須だ。検索の問いには query、索引に入れるものには document を渡す。指定がないリクエストは HTTP 400 のエラーになる。説明のページは題名や要約、よくある質問のような短い文も、索引に入れるなら document だとしている。
数値の並びの長さ(次元数)は、9b が2048で、dimensions を指定すると1024になる。0.6b は1024だ。0.6b の出力は 9b の1024次元の出力と同じ埋め込みの空間を共有する。説明のページは、どちらのモデルで索引を作っても、もう一方で検索できるとしている。0.6b は処理量の多さと待ち時間の短さを求めるときの推奨の既定で、9b は検索の質を重視するときの選択と書かれている。
年表で見ると
TRAIL の年表は、この出来事を2026年11月18日の日付で記録している。これは巡回がページの変更を確かめた日で、更新履歴は2026年11月とだけ書いている。
年表には2026年10月7日の埋め込みモデルの出来事もある。この日、Perplexity は文章と画像を検索するための埋め込みモデル pplx-embed-v2-late を、0.6B と 9B の2つの大きさで Hugging Face に公開した。1つの入力を複数のベクトルで表し、PDF のページを文字に起こさずに検索できるモデルである。このときも2つのモデルは埋め込みの空間を共有し、9B で作った索引を 0.6B で検索できるとされていた。
同じ11月18日の日付で、年表には Agent API に GPT-6.2 Sol と Astra が加わったことと、xhigh の構成が GPT-6.2 Sol に替わったことも記録している。2026年11月には(更新履歴は日付を示していない)、Decisions API に web grounding、URL のページの読み込み、v1.3 と locate が加わった。
TRAIL の年表では、Perplexity の2026年11月の出来事は、11月21日までで8件になった。2026年10月は13件だった。
同じカテゴリで比べると
リサーチAIの比較表に並ぶツールの、最新のモデル更新を挙げる。日数は2026年11月21日から数えている。
| ツール | 最新のモデル更新 | 日付 | 何日前 |
|---|---|---|---|
| Perplexity | Embeddings API に文脈つき埋め込みモデル | 2026年11月18日 | 3日前 |
| Sakana AI | 自社で事前学習する言語モデル「Sawara」を発表 | 2026年10月26日 | 26日前 |
| NotebookLM | 米国で提供開始、Gemini Pro を採用 | 2023年12月8日 | 1079日前 |
Felo には、年表に記録したモデル更新がない。Sakana AI は2026年10月28日に、企業向けの Sakana API Platform を先行提供した。
誰が、いくらで使えるか
料金は100万トークンあたりで、文章と画像で分かれる。トークンは AI が文章を数える単位だ。
| モデル | 次元数 | 文章 | 画像 |
|---|---|---|---|
| pplx-embed-v2-context-0.6b | 1024 | $0.02 | $0.40 |
| pplx-embed-v2-context-9b | 2048/1024 | $0.12 | $0.42 |
画像のトークン数は画像の大きさと num_chunks で変わる。実際の数は応答の usage.prompt_tokens で確かめるよう、説明のページは案内している。
1回のリクエストには文章か文書を512件、チャンクを合わせて16,000件まで入れられる。1件は32,768トークン、1回のリクエストは120,000トークンに収める必要がある。画像は1回に96枚、base64 のデータで20MB までだ。1回のリクエストに文章と画像を混ぜることはできない。画像は JPEG、PNG、WebP に対応し、動く画像は使えない。
これまでの v1 のモデルは2027年の間に段階的に提供を終える。説明のページは、新しく使う人には v2 を使うよう求め、使っている人には v2 への移行を勧めている。v1 の文脈つきモデルは POST /v1/contextualizedembeddings という別の呼び出し先を使い、文章だけを扱う。
まだ分からないこと
更新履歴は追加された日を示していない。0.6b の次元数について、更新履歴は512も選べると書いているが、説明のページの設定の表は1024だけを挙げている。どちらが正しいかは、2つのページからは決められない。日本語の文書での検索の精度を示す数字は、どちらのページにも出てこない。v1 のモデルを終える具体的な日付も示されていない。
TRAIL の年表(重要度2以上)から作成。2026.11.18 まで。




