Versiones y endpoints públicos
| ID del modelo | Endpoints | Precio inicial | Catálogo |
|---|---|---|---|
text-embedding-3-large
|
/v1/embeddings
|
$0.13 / 1M de tokens | Detalle del modelo |
text-embedding-3-small
|
/v1/embeddings
|
$0.02 / 1M de tokens | Detalle del modelo |
text-embedding-ada-002
|
/v1/embeddings
|
$0.10 / 1M de tokens | Detalle del modelo |
Verificar
Consulta hasta que la tarea alcance un estado final
Selecciona <model-id> para generar los comandos de verificación.Configuración
Endpoint de la guía: <endpoint>
Selecciona <model-id> para generar una solicitud con el contrato de entrada público del endpoint.Empieza en 3 pasos
-
Elige un ID de modelo
Selecciona un ID público del catálogo y revisa su endpoint y precio inicial actual.
-
Configura RunAPI
Define RUNAPI_API_KEY antes de enviar la solicitud al endpoint.
-
Verifica el resultado
Para endpoints asíncronos, consulta el mismo endpoint hasta que la Task alcance un estado final.
Qué puedes crear con OpenClaw + Embedding
-
Resultados estructurados para tu código
Obtén una salida legible por máquina en lugar de texto de chat, para que tu aplicación pueda guardarla, compararla o actuar sobre ella directamente.
-
Enriquecer tus propios datos
Pasa documentos, imágenes o registros por el modelo y guarda los resultados junto a los datos de origen para pasos posteriores.
-
Procesamiento a gran escala
Envía grandes lotes de entradas con la misma clave de RunAPI y recoge los resultados de forma programática.
Por qué usar Embedding con RunAPI + OpenClaw
-
3 variantes, una clave de API
Usa una sola conexión de RunAPI para elegir entre las variantes de modelo disponibles sin cambiar tu integración.
-
Precios de uso claros
Consulta los precios actuales del catálogo antes de enviar una solicitud, sin suscripción ni gasto mínimo.
-
Respuestas directas
Las llamadas síncronas devuelven el resultado en la misma respuesta, así tu agente puede usarlo de inmediato sin consultar el estado de una tarea.
Preguntas sobre OpenClaw + Embedding
¿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.
¿Qué ID de modelo debo usar?
Elige un ID público en la tabla de versiones. Cada ID expone los endpoints mostrados en su fila.
¿Esta guía configura un modelo de chat?
No. Esta línea de modelos usa el flujo de endpoint mostrado y no se presenta como modelo de chat del agente.