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。
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。
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。