Pokrycie endpointów
Udostępnia 1 publiczny(-e) endpoint(-y): embedding.
Wektory tekstowe o dużej pojemności dla jakości retrievalu i rankingu
# 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-large",
"input": [
"Osadź te artykuły pomocy i zapytanie klienta, żebym mógł uszeregować najbliższe dopasowania."
],
"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-large",
messages=[{"role": "user", "content": "Osadź te artykuły pomocy i zapytanie klienta, żebym mógł uszeregować najbliższe dopasowania."}]
)
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-large",
messages: [{ role: "user", content: "Osadź te artykuły pomocy i zapytanie klienta, żebym mógł uszeregować najbliższe dopasowania." }]
});
3 dostępnych wariantów
Wybierz dowolny model i generuj w kilka sekund.
Brak dostępnych modeli w tej chwili.
| Dostawca | OpenAI |
| ID modelu | text-embedding-3-large |
| Modalność | Tekst |
| Typy zadań | Synchronous |
| Endpoint API | /v1/embeddings |
| Jednostka rozliczeniowa | 1 tys. tokenów |
| Status katalogu | Operacyjny |
Zarejestruj się bezpłatnie i utwórz klucz API dla text-embedding-3-large w panelu.
Wyślij żądanie POST do /v1/embeddings z identyfikatorem modelu text-embedding-3-large i parametrami.
Odczytaj bezpośrednio z endpointu ukończoną odpowiedź text-embedding-3-large.
Udostępnia 1 publiczny(-e) endpoint(-y): embedding.
Rozliczane według 1 tys. tokenów bez wymogu subskrypcji.
Dla tego endpointu nie opublikowano parametrów żądania.
Indeksuj dokumenty, FAQ lub katalogi produktów jako wektory i pobieraj najbardziej trafne wyniki według znaczenia, a nie dopasowania słów kluczowych.
Osadzaj fragmenty bazy wiedzy i przekazuj najbliższe dopasowania do promptu LLM, aby uzyskać odpowiedzi zakorzenione w źródłach z odniesieniami.
Grupuj zgłoszenia supportu, odpowiedzi z ankiet lub opinie użytkowników według podobieństwa semantycznego bez ręcznego etykietowania.
Przekaż identyfikator modelu wyświetlony w quickstarcie.
Limity na klucz skalują się wraz z poziomem wykorzystania. Aktualne limity znajdziesz na stronie cennika.
Tak — wariant to flaga. Zmieniasz go, aktualizując parametr model.
Tam, gdzie streaming jest dostępny, RunAPI streamuje end-to-end.
Otwórz issue w publicznym repo na GitHubie albo napisz do supportu.
Nie. Klucz API RunAPI wystarczy, aby uzyskać dostęp do tego wariantu i wszystkich innych modeli w katalogu. Nie potrzebujesz kont u dostawcy źródłowego.
text-embedding-3-small domyślnie zwraca 1 536 wymiarów. Obsługuje embeddingi Matryoshka — możesz żądać 256, 512 lub 1 024 wymiarów, aby zmniejszyć koszty przechowywania przy zachowaniu większości jakości wyszukiwania.
text-embedding-3-large ma 3 072 wymiary i osiąga o ok. 2 punkty wyższy wynik w benchmarku MTEB, ale kosztuje ok. 6,5 razy więcej za milion tokenów. W większości zastosowań wyszukiwania semantycznego i RAG, text-embedding-3-small oferuje porównywalną jakość za ułamek ceny.
RunAPI pobiera opłatę za każde wywołanie embeddingu bez subskrypcji ani minimalnego wydatku. Sprawdź tabelę cennika na tej stronie, aby poznać aktualny koszt za wywołanie. Nieudane żądania nie są naliczane.
Tak. Wyślij wiele tekstów w jednym wywołaniu API, aby zmniejszyć narzut. RunAPI przetwarza wsadowe żądania embeddingów i zwraca wszystkie wektory w jednej odpowiedzi, co jest wydajniejsze przy indeksowaniu dużych zbiorów dokumentów.
Pomożemy w konfiguracji dla firm, integracjach i kwestiach technicznych.
Skontaktuj się