Endpoint 覆盖
提供 1 个公开 endpoint:embedding。
# 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-small",
"input": [
"为这些支持文档和一个客户问题生成向量,方便按相似度排序。"
],
"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-small",
messages=[{"role": "user", "content": "为这些支持文档和一个客户问题生成向量,方便按相似度排序。"}]
)
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-small",
messages: [{ role: "user", content: "为这些支持文档和一个客户问题生成向量,方便按相似度排序。" }]
});
3 个版本可用
选择任意模型,几秒内开始生成。
暂时没有可用模型。
| 提供商 | OpenAI |
| 模型 ID | text-embedding-3-small |
| 模态 | 文本 |
| 任务类型 | Synchronous |
| API 端点 | /v1/embeddings |
| 计费单位 | 1K tokens |
| 目录状态 | 运行中 |
免费注册后,在控制台创建用于 text-embedding-3-small 的 API 密钥。
向 /v1/embeddings 发送 POST 请求,并传入 text-embedding-3-small 模型 ID 和参数。
直接从端点读取已完成的 text-embedding-3-small 响应。
提供 1 个公开 endpoint:embedding。
按 1K tokens 计量,无需订阅。
此端点尚未发布请求参数。
将文档、FAQ 或产品目录转化为向量并建立索引,按语义含义而非关键词匹配检索最相关的结果。
将知识库内容分块向量化,把最相似的片段注入 LLM 提示词,获得有依据、可引用的回答。
无需人工标注,按语义相似度对支持工单、问卷回复或用户反馈自动聚类分组。
该模型暂无已验证的用户反馈。
传入 quickstart 中显示的模型 ID。
Key 级限流随使用层级伸缩。当前限制见定价页。
可以——变体只是参数,改 model 字段即可。
模型支持流式时,RunAPI 端到端流式。
在公共 GitHub 仓库提 issue 或邮件联系 support。
不需要。你的 RunAPI API key 足以访问此 variant 以及目录中的所有其他模型,无需底层提供方账户。
text-embedding-3-small 默认输出 1,536 维向量。它支持 Matryoshka 嵌入,可按需请求 256、512 或 1,024 维,在保留大部分检索质量的同时降低存储成本。
text-embedding-3-large 拥有 3,072 维向量,MTEB 基准分高出约 2 分,但每百万 token 的成本约为 small 的 6.5 倍。对于大多数语义搜索和 RAG 场景,text-embedding-3-small 以极低成本交付相近的质量。
RunAPI 按调用次数计费,无订阅费用和最低消费要求。当前每次调用费率请查看本页定价表。失败的请求不计费。
可以。在单次 API 调用中批量发送多段文本以降低请求开销。RunAPI 支持批量向量化请求,并在一个响应中返回所有向量——对大规模文档索引场景更加高效。