Embedding API
Embeddings de texto de OpenAI para flujos de trabajo de búsqueda semántica, recuperación, clustering y ranking.
# 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": [
"Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas."
],
"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": "Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas."}]
)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: "Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas." }]
});Los modelos OpenAI Embedding convierten texto en vectores densos para búsqueda semántica, generación aumentada por recuperación, clustering, clasificación y ranking. La familia text-embedding-3 soporta recuperación eficiente en producción con control opcional de dimensionalidad vectorial.
- Variantes para distintos objetivos de calidad y latencia
- API key unificada
- El model skill incluye documentación, schemas y notas de setup
- Las generaciones fallidas no se cobran
Variantes
Endpoints API de Embedding
Usa el SDK de OpenAI o Anthropic con tu clave RunAPI. No se necesita SDK adicional.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Cómo construir con este model skill
Elige el modelo
Selecciona el modelo y la variante que encajan con tu tipo de salida, calidad objetivo y latencia.
Autentica una vez
Usa tu clave RunAPI para todos los modelos compatibles.
Instala el skill
Añade el model skill a tu workspace de código antes de implementar la función.
Recibe la salida
Consulta por task ID o procesa el callback cuando termine la generación.
Dónde encaja Embedding
Los modelos OpenAI Embedding exponen la API estándar OpenAI Embeddings a través de RunAPI, de modo que los pipelines de búsqueda vectorial y RAG pueden usar la misma key de RunAPI que el tráfico de chat GPT y Responses.
Por qué usar Embedding mediante RunAPI
Una API key
Usa las mismas credenciales entre modelos y proveedores.
Listo para skills
El model skill incluye schemas, notas de setup, contexto de precios e IDs de modelo.
Facturación predecible
El precio por uso es visible antes de llamar.
Preguntas frecuentes
¿Qué modelo de embedding debería usar?
Usa text-embedding-3-small para recuperación eficiente en producción y text-embedding-3-large cuando la calidad de recall importe más que el tamaño del vector.
¿Puedo acortar el vector de embedding?
Sí — pasa el parámetro dimensions con text-embedding-3-large o text-embedding-3-small cuando necesites vectores más pequeños.
¿El endpoint devuelve la forma estándar de respuesta de OpenAI?
Sí — /v1/embeddings devuelve una respuesta de lista compatible con OpenAI, con datos de embedding, modelo y uso.
¿Los modelos de embedding pueden usarse con Chat Completions o Responses?
No — los modelos de embedding solo están disponibles en /v1/embeddings.
¿Qué entradas están soportadas?
Usa una cadena, un array de cadenas o arrays de tokens siguiendo el formato de la API OpenAI Embeddings.
¿Cómo llamo a este modelo?
Instala el model skill y sigue sus notas de setup con tu clave RunAPI.
¿Las generaciones fallidas cuestan dinero?
Las generaciones fallidas no se cobran
¿Puedo llamarlo desde mi aplicación?
Sí. Instala el model skill en tu workspace de código y úsalo mientras añades la función del modelo.