Embedding API
Text embeddings da OpenAI para busca semântica, recuperação, clustering e 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": [
"Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas."
],
"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": "Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas."}]
)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: "Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas." }]
});Modelos Embedding da OpenAI convertem texto em vetores densos para busca semântica, retrieval-augmented generation, clustering, classificação e ranking. A família text-embedding-3 suporta recuperação eficiente em produção com controle opcional da dimensionalidade do vetor.
- Variantes para diferentes metas de qualidade e latência
- API key unificada
- O model skill inclui documentação, schemas e notas de setup
- Gerações com falha não são cobradas
Variantes
Endpoints da API Embedding
Use o SDK OpenAI ou Anthropic com sua chave RunAPI. Nenhum SDK extra necessário.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Como construir com este model skill
Escolha o modelo
Selecione o modelo e a variante que combinam com seu tipo de saída, meta de qualidade e latência.
Autentique uma vez
Use sua chave RunAPI para todos os modelos compatíveis.
Instale o skill
Adicione o model skill ao workspace de código antes de implementar a funcionalidade.
Receba a saída
Consulte por task ID ou trate o callback quando a geração terminar.
Onde Embedding se encaixa
Modelos Embedding da OpenAI expõem a API OpenAI Embeddings padrão pelo RunAPI, para que pipelines de busca vetorial e RAG possam usar a mesma key RunAPI do tráfego GPT chat e Responses.
Por que usar Embedding pela RunAPI
Uma API key
Use as mesmas credenciais entre modelos e provedores.
Pronto para skills
O model skill inclui schemas, notas de setup, contexto de preços e IDs de modelo.
Cobrança previsível
O preço por uso fica visível antes da chamada.
Perguntas frequentes
Qual modelo de embedding devo usar?
Use text-embedding-3-small para recuperação eficiente em produção e text-embedding-3-large quando a qualidade de recall importar mais que o tamanho do vetor.
Posso encurtar o vetor de embedding?
Sim — passe o parâmetro dimensions com text-embedding-3-large ou text-embedding-3-small quando precisar de vetores menores.
O endpoint retorna o formato de resposta padrão da OpenAI?
Sim — /v1/embeddings retorna uma resposta de lista compatível com OpenAI com dados de embedding, modelo e uso.
Modelos de embedding podem ser usados com Chat Completions ou Responses?
Não — modelos de embedding só estão disponíveis em /v1/embeddings.
Quais entradas são suportadas?
Use uma string, um array de strings ou arrays de tokens seguindo o formato da API OpenAI Embeddings.
Como chamo este modelo?
Instale o model skill e siga as notas de setup com sua chave RunAPI.
Gerações com falha custam dinheiro?
Gerações com falha não são cobradas
Posso chamar a partir da minha aplicação?
Sim. Instale o model skill no workspace de código e use durante a implementação da funcionalidade.