text-embedding-ada-002 API
Gebruik text-embedding-ada-002 uit de Embedding-familie via RunAPI. Prijs per aanroep, geen abonnement en mislukte generaties worden nooit in rekening gebracht.
# 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": [
"Maak embeddings van deze supportartikelen en een klantvraag zodat ik de dichtstbijzijnde matches kan rangschikken."
],
"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": "Maak embeddings van deze supportartikelen en een klantvraag zodat ik de dichtstbijzijnde matches kan rangschikken."}]
)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: "Maak embeddings van deze supportartikelen en een klantvraag zodat ik de dichtstbijzijnde matches kan rangschikken." }]
});text-embedding-ada-002 biedt de ideale balans tussen kwaliteit en kosten binnen de Embedding-familie.
- Prijs per call in USD
- Mislukte generaties worden niet gefactureerd
- Streaming wanneer ondersteund door het model
- Modelskill-setup
Prijzen
Technische details
| Model-ID | text-embedding-ada-002 |
| Provider | OpenAI |
| Modaliteit | text |
| Taaktype | synchronous |
| Facturatie-eenheid | 1K tokens |
| API endpoint | /v1/embeddings |
| Commerciële licentie | Ja — inbegrepen via API |
| Catalogusstatus | Operationeel |
Snelstart — text-embedding-ada-002
Zelfde structuur · variant vastgelegd in model
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Gebruik text-embedding-ada-002 in vier stappen
Installeren
Installeer de modelskill voor deze modelreeks.
Configureren
Zet het modelveld op de volledige model-ID die op deze pagina staat.
Aanroepen
Stuur een getypeerde request met je prompt, inputs en callback-instellingen.
Ontvangen
Lees de task-response, webhook-callback of cached output-URL van RunAPI.
Wat is er anders aan text-embedding-ada-002
Breed ondersteunde tekstembeddings voor bestaande pipelines
Tekstvectoren met hoge capaciteit voor retrieval- en rankingkwaliteit
Breed ondersteunde tekstembeddings voor bestaande pipelines
Efficiente tekstvectoren voor semantische zoekopdrachten in productie
Ideaal voor
Semantisch zoeken
Indexeer documenten, FAQ's of productcatalogi als vectoren en haal de meest relevante resultaten op basis van betekenis, niet op trefwoord.
RAG-pipelines
Embed kennisbankfragmenten en voer de meest relevante matches in een LLM-prompt in voor onderbouwde antwoorden met bronvermelding.
Clustering en classificatie
Groepeer supporttickets, enquêteantwoorden of gebruikersfeedback op semantische gelijkenis, zonder handmatige labels.
Veelgestelde vragen over text-embedding-ada-002
Is de model-ID stabiel tussen versies?
RunAPI houdt de model-ID stabiel en verwerkt compatibele versie-updates zonder de opzet van je request te wijzigen.
Wat is de rate limit voor deze variant?
Rate limits per key schalen mee met je usage tier. Bekijk de prijzenpagina voor de actuele limieten.
Kan ik later van variant wisselen?
Ja — variant is een flag. Wissel door de modelparameter aan te passen.
Ondersteunt het streaming?
Waar streaming beschikbaar is, streamt RunAPI end-to-end.
Waar meld ik kwaliteitsproblemen?
Open een issue in de publieke GitHub-repo of mail support.
Hoeveel dimensies geeft text-embedding-ada-002 terug?
text-embedding-3-small geeft standaard 1.536 dimensies terug. Het ondersteunt Matryoshka-embeddings, zodat je 256, 512 of 1.024 dimensies kunt opvragen om opslagkosten te verlagen en toch het grootste deel van de zoekkwaliteit te behouden.
Wat is het verschil tussen text-embedding-3-small en text-embedding-3-large?
text-embedding-3-large heeft 3.072 dimensies en scoort circa 2 punten hoger op de MTEB-benchmark, maar kost ongeveer 6,5 keer meer per miljoen tokens. Voor de meeste semantisch-zoeken- en RAG-toepassingen levert text-embedding-3-small vergelijkbare kwaliteit tegen een fractie van de kosten.
Wat kost text-embedding-3-small op RunAPI?
RunAPI rekent per embedding-aanroep, zonder abonnement of minimumafname. Bekijk de prijstabel op deze pagina voor de actuele prijs per aanroep. Mislukte requests worden nooit in rekening gebracht.
Kan ik batchverwerking gebruiken om embeddingkosten te verlagen?
Ja. Stuur meerdere teksten in één API-aanroep om overhead te beperken. RunAPI verwerkt batch-embeddingrequests en geeft alle vectoren in één response terug — wat efficiënter is voor het indexeren van grote documentcollecties.