Embedding API
OpenAI Text-Embeddings für semantische Suche, Retrieval, Clustering und Ranking-Workflows.
# Base URL
https://runapi.ai
# Endpoints
POST /v1/embeddings
curl https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-ada-002",
"input": [
"Erstelle Embeddings für diese Support-Artikel und eine Kundenanfrage, damit ich die ähnlichsten Treffer ranken kann."
],
"encoding_format": "float"
}'from openai import OpenAI
client = OpenAI(
base_url="https://runapi.ai/v1",
api_key="your-runapi-key"
)
response = client.chat.completions.create(
model="text-embedding-ada-002",
messages=[{"role": "user", "content": "Erstelle Embeddings für diese Support-Artikel und eine Kundenanfrage, damit ich die ähnlichsten Treffer ranken kann."}]
)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://runapi.ai/v1",
apiKey: "your-runapi-key"
});
const response = await client.chat.completions.create({
model: "text-embedding-ada-002",
messages: [{ role: "user", content: "Erstelle Embeddings für diese Support-Artikel und eine Kundenanfrage, damit ich die ähnlichsten Treffer ranken kann." }]
});OpenAI Embedding-Modelle wandeln Text in dichte Vektoren für semantische Suche, Retrieval-Augmented Generation, Clustering, Klassifikation und Ranking um. Die text-embedding-3-Familie unterstützt effizientes Produktions-Retrieval mit optionaler Kontrolle der Vektordimensionalität.
- Modellvarianten für verschiedene Qualitäts- und Latenzziele
- Einheitlicher API Key
- Model Skill enthält Docs, Schemas und Setup-Hinweise
- Fehlgeschlagene Generierungen werden nicht berechnet
Varianten
Embedding API-Endpunkte
Nutze das OpenAI- oder Anthropic-SDK mit deinem RunAPI-Key. Kein zusätzliches SDK nötig.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Mit diesem Model Skill bauen
Modell wählen
Wähle Modell und Variante passend zu Ausgabetyp, Qualitätsziel und Latenz.
Einmal authentifizieren
Nutze deinen RunAPI Key für jedes unterstützte Modell.
Skill installieren
Füge den Model Skill deinem Coding-Workspace hinzu, bevor du das Feature implementierst.
Ergebnis empfangen
Frage per Task ID ab oder verarbeite den Callback, wenn die Generierung abgeschlossen ist.
Wo Embedding passt
OpenAI Embedding-Modelle stellen die standardmäßige OpenAI Embeddings API über RunAPI bereit, sodass Vektorsuche- und RAG-Pipelines denselben RunAPI-Key wie GPT Chat und Responses verwenden können.
Warum Embedding über RunAPI nutzen
Ein API Key
Nutze dieselben Zugangsdaten über Modelle und Anbieter hinweg.
Skill-ready
Der Model Skill enthält Schemas, Setup-Hinweise, Preiskontext und Modell-IDs.
Planbare Abrechnung
Nutzungsbasierte Preise sind vor dem Aufruf sichtbar.
Häufige Fragen
Welches Embedding-Modell sollte ich verwenden?
Verwende text-embedding-3-small für effizientes Produktions-Retrieval und text-embedding-3-large, wenn Recall-Qualität wichtiger ist als Vektorgröße.
Kann ich den Embedding-Vektor verkürzen?
Ja — übergib den dimensions-Parameter mit text-embedding-3-large oder text-embedding-3-small, wenn du kleinere Vektoren brauchst.
Gibt der Endpunkt die standardmäßige OpenAI-Antwortform zurück?
Ja — /v1/embeddings gibt eine OpenAI-kompatible Listenantwort mit Embedding-Daten, Modell und Usage zurück.
Können Embedding-Modelle mit Chat Completions oder Responses verwendet werden?
Nein — Embedding-Modelle sind nur auf /v1/embeddings verfügbar.
Welche Eingaben werden unterstützt?
Verwende einen String, ein Array von Strings oder Token-Arrays im Format der OpenAI Embeddings API.
Wie rufe ich dieses Modell auf?
Installiere den Model Skill und folge den Setup-Hinweisen mit deinem RunAPI Key.
Kosten fehlgeschlagene Generierungen Geld?
Fehlgeschlagene Generierungen werden nicht berechnet
Kann ich es aus meiner Anwendung aufrufen?
Ja. Installiere den Model Skill im Coding-Workspace und nutze ihn beim Einbau des Modell-Features.