Endpoint-Abdeckung
Stellt 1 öffentliche(n) Endpoint(s) bereit: embedding.
Effiziente Textvektoren für semantische Suche in Produktion
# Base URL
https://runapi.ai
# Endpoints
POST /v1/embeddings
curl https://runapi.ai/v1/embeddings \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-3-small",
"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-3-small",
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-3-small",
messages: [{ role: "user", content: "Erstelle Embeddings für diese Support-Artikel und eine Kundenanfrage, damit ich die ähnlichsten Treffer ranken kann." }]
});
3 Versionen verfügbar
Wähle ein Modell und generiere in Sekunden.
Derzeit sind keine Modelle verfügbar.
| Anbieter | OpenAI |
| Modell-ID | text-embedding-3-small |
| Modalität | Text |
| Aufgabentypen | Synchronous |
| API-Endpunkt | /v1/embeddings |
| Abrechnungseinheit | 1K-Token |
| Katalogstatus | Betriebsbereit |
Registriere dich kostenlos und erstelle im Dashboard einen API-Schlüssel für text-embedding-3-small.
Sende eine POST-Anfrage an /v1/embeddings mit der Modell-ID text-embedding-3-small und deinen Parametern.
Lies die fertige text-embedding-3-small-Antwort direkt vom Endpoint.
Stellt 1 öffentliche(n) Endpoint(s) bereit: embedding.
Gemessen nach 1K-Token, ohne Abo-Anforderung.
Für diesen Endpunkt sind keine Anfrageparameter veröffentlicht.
Dokumente, FAQs oder Produktkataloge als Vektoren indexieren und nach Bedeutung statt Stichwort-Treffer die relevantesten Ergebnisse abrufen.
Knowledge-Base-Abschnitte einbetten und die ähnlichsten Treffer in einen LLM-Prompt einspeisen, um fundierte, quellengestützte Antworten zu erhalten.
Support-Tickets, Umfrageantworten oder Nutzerfeedback nach semantischer Ähnlichkeit gruppieren – ohne manuelle Beschriftung.
Übergib die im Quickstart angezeigte Modell-ID.
Ja. Preise werden pro Aufruf oder Einheit gemessen.
text-embedding-3-small gibt standardmäßig 1.536 Dimensionen aus. Es unterstützt Matryoshka-Embeddings, sodass du 256, 512 oder 1.024 Dimensionen anfordern kannst, um Speicherkosten zu senken und dabei den Großteil der Abrufqualität zu behalten.
text-embedding-3-large hat 3.072 Dimensionen und liegt im MTEB-Benchmark rund 2 Punkte höher, kostet aber etwa 6,5-mal mehr pro Million Token. Für die meisten semantischen Such- und RAG-Anwendungsfälle liefert text-embedding-3-small vergleichbare Qualität zu einem Bruchteil der Kosten.
RunAPI berechnet pro Embedding-Aufruf – ohne Abo oder Mindestausgabe. Den aktuellen Preis pro Aufruf findest du in der Preistabelle auf dieser Seite. Fehlgeschlagene Anfragen werden nie berechnet.
Ja. Sende mehrere Texte in einem einzigen API-Aufruf, um den Overhead zu reduzieren. RunAPI verarbeitet Batch-Embedding-Anfragen und gibt alle Vektoren in einer Antwort zurück – effizienter für die Indexierung großer Dokumentsammlungen.
Wir helfen bei Enterprise-Setup, Integrationen und technischen Fragen.
Kontakt aufnehmen