Embedding API
Embeddings texte OpenAI pour recherche sémantique, récupération, clustering et workflows de 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": [
"Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches."
],
"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": "Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches."}]
)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: "Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches." }]
});Les modèles Embedding d'OpenAI convertissent le texte en vecteurs denses pour la recherche sémantique, la génération augmentée par récupération, le clustering, la classification et le ranking. La famille text-embedding-3 supporte une récupération efficace en production avec contrôle optionnel de la dimensionnalité des vecteurs.
- Variantes de modèle pour différents objectifs de qualité et de latence
- API key unifiée
- Le model skill inclut docs, schémas et notes de setup
- Les générations échouées ne sont pas facturées
Variantes
Points d'accès API Embedding
Utilisez le SDK OpenAI ou Anthropic avec votre clé RunAPI. Aucun SDK supplémentaire requis.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Construire avec ce model skill
Choisir le modèle
Sélectionnez le modèle et la variante adaptés au type de sortie, au niveau de qualité et à la latence cible.
S'authentifier une fois
Utilisez votre clé RunAPI pour tous les modèles pris en charge.
Installer le skill
Ajoutez le model skill à votre workspace de code avant d'implémenter la fonctionnalité.
Recevoir la sortie
Interrogez par task ID ou traitez le callback quand la génération se termine.
Où utiliser Embedding
Les modèles Embedding d'OpenAI exposent l'API OpenAI Embeddings standard via RunAPI, afin que les pipelines de recherche vectorielle et RAG puissent utiliser la même clé RunAPI que le trafic GPT chat et Responses.
Pourquoi utiliser Embedding via RunAPI
Une API key
Utilisez les mêmes identifiants pour les modèles et les fournisseurs.
Prêt pour les skills
Le model skill inclut schémas, notes de setup, contexte tarifaire et IDs de modèle.
Facturation prévisible
Les tarifs à l'usage sont visibles avant l'appel.
Questions fréquentes
Quel modèle d'embedding dois-je utiliser ?
Utilisez text-embedding-3-small pour la récupération efficace en production et text-embedding-3-large quand la qualité du rappel compte plus que la taille des vecteurs.
Puis-je raccourcir le vecteur d'embedding ?
Oui — passez le paramètre dimensions avec text-embedding-3-large ou text-embedding-3-small quand vous avez besoin de vecteurs plus petits.
L'endpoint retourne-t-il la forme de réponse OpenAI standard ?
Oui — /v1/embeddings retourne une réponse liste compatible OpenAI avec les données d'embedding, le modèle et l'usage.
Les modèles d'embedding peuvent-ils être utilisés avec Chat Completions ou Responses ?
Non — les modèles d'embedding ne sont disponibles que sur /v1/embeddings.
Quelles entrées sont supportées ?
Utilisez une chaîne, un tableau de chaînes ou des tableaux de tokens suivant le format de l'API OpenAI Embeddings.
Comment appeler ce modèle ?
Installez le model skill et suivez ses notes de setup avec votre clé RunAPI.
Les générations échouées coûtent-elles quelque chose ?
Les générations échouées ne sont pas facturées
Puis-je l'appeler depuis mon application ?
Oui. Installez le model skill dans votre workspace de code et utilisez-le pendant l'ajout de la fonctionnalité.