一個驗證，對應所有 provider
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶，亦無需為每個整合輪換密鑰。
# Base URL
https://runapi.ai
# Endpoints
POST /v1/embeddings
curl https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-ada-002",
"input": [
"將呢啲支援文章同客戶查詢轉成 embeddings，等我可以排序最接近嘅匹配結果。"
],
"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": "將呢啲支援文章同客戶查詢轉成 embeddings，等我可以排序最接近嘅匹配結果。"}]
)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: "將呢啲支援文章同客戶查詢轉成 embeddings，等我可以排序最接近嘅匹配結果。" }]
});OVERVIEW
關於 Embedding
OpenAI Embedding 模型會將文字轉成 dense vectors，用於語意搜尋、retrieval-augmented generation、分群、分類同排序。text-embedding-3 家族支援高效率生產檢索，並可選擇控制向量維度。
供應商
OpenAI
模式
Text
Embedding API 端點
| Endpoint | Protocol |
|---|---|
POST /v1/embeddings | OpenAI Embeddings |
比較所有 API 變體
PRICING
Embedding 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| embedding | — | — | Input $0.13 / 1M tokens | Output Free / 1M tokens |
以下為 text-embedding-3-large 的定價。其他變體保留各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 Embedding
運作方式
開始使用 Embedding
-
選擇模型
挑選符合輸出類型、品質門檻與延遲目標的模型與變體。
-
設定
設定 RunAPI key，並在 coding workspace 安裝 model skill。
-
開發
使用 skill 指引，在你的 app 內加入模型功能。
-
接收
透過 task ID 查詢、在支援時串流，或處理 webhook callback。
為何透過 RunAPI 使用 Embedding API
統一定價與計費
按次以 USD 收費，每月結算。失敗的生成不會收費。
內含 schema 的 skill
型別化 schema 與 setup 備註打包在 model skill 內，讓實作從正確契約開始。
Embedding 常見問題
我應該用邊個 embedding 模型？
高效率生產檢索請用 text-embedding-3-small；如果 recall 質素比向量大小更重要，請用 text-embedding-3-large。
可以縮短 embedding 向量嗎？
可以，當你需要較細向量時，對 text-embedding-3-large 或 text-embedding-3-small 傳入 dimensions 參數。
endpoint 會回傳標準 OpenAI response shape 嗎？
會，/v1/embeddings 會回傳與 OpenAI 相容嘅 list response，包含 embedding data、model 同 usage。
embedding 模型可以配合 Chat Completions 或 Responses 使用嗎？
唔可以，embedding 模型只可用喺 /v1/embeddings。
支援邊啲輸入？
按 OpenAI Embeddings API 格式，可以使用字串、字串陣列或者 token 陣列。
我應該先用邊個版本？
先選最平而且符合你質素要求的版本。大多數團隊會先用快速版本，之後再升級到 pro 用於正式生產。
相似模型