Cobertura de endpoints
Expone 1 endpoint(s) público(s): embedding.
Vectores de texto eficientes para búsqueda semántica en producción
# 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": [
"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-3-small",
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-3-small",
messages: [{ role: "user", content: "Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas." }]
});
3 versiones disponibles
Elige cualquier modelo y genera en segundos.
No hay modelos disponibles en este momento.
| Proveedor | OpenAI |
| ID del modelo | text-embedding-3-small |
| Modalidad | Texto |
| Tipos de tarea | Synchronous |
| Endpoint de API | /v1/embeddings |
| Unidad de facturación | 1K tokens |
| Estado del catálogo | Operativo |
Regístrate gratis y crea una clave de API para text-embedding-3-small desde el panel de control.
Envía una solicitud POST a /v1/embeddings con el identificador del modelo text-embedding-3-small y tus parámetros.
Lee directamente la respuesta completada de text-embedding-3-small desde el endpoint.
Expone 1 endpoint(s) público(s): embedding.
Medido por 1K tokens sin requisito de suscripción.
No hay parámetros de solicitud publicados para este endpoint.
Indexa documentos, FAQs o catálogos de productos como vectores y recupera los resultados más relevantes por significado, no por coincidencia de palabras clave.
Convierte fragmentos de tu base de conocimiento en embeddings y envía las coincidencias más cercanas a un prompt LLM para obtener respuestas fundamentadas con citas.
Agrupa tickets de soporte, respuestas de encuestas o feedback de usuarios por similitud semántica sin necesidad de etiquetado manual.
Pasa el ID de modelo que aparece en el quickstart.
Sí. El precio se mide por llamada o unidad.
text-embedding-3-small genera 1.536 dimensiones por defecto. Admite embeddings Matryoshka, por lo que puedes solicitar 256, 512 o 1.024 dimensiones para reducir el coste de almacenamiento manteniendo la mayor parte de la calidad de recuperación.
text-embedding-3-large tiene 3.072 dimensiones y obtiene unos 2 puntos más en el benchmark MTEB, pero cuesta aproximadamente 6,5 veces más por millón de tokens. Para la mayoría de casos de búsqueda semántica y RAG, text-embedding-3-small ofrece una calidad comparable a una fracción del coste.
RunAPI cobra por llamada de embedding sin suscripción ni gasto mínimo. Consulta la tabla de precios de esta página para la tarifa actual por llamada. Las solicitudes fallidas no se cobran.
Sí. Envía varios textos en una sola llamada API para reducir el overhead. RunAPI procesa las solicitudes de embedding en lote y devuelve todos los vectores en una sola respuesta, lo que resulta más eficiente para indexar grandes colecciones de documentos.
Te ayudamos con la configuración empresarial, las integraciones y las preguntas técnicas.
Contacta con nosotros