Endpoint 涵蓋範圍
開放 1 個公開 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-large",
"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-3-large",
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-3-large",
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。" }]
});
3 個版本可用
選擇任意模型,數秒內即可開始生成。
目前沒有可用的模型。
| 提供者 | OpenAI |
| 模型 ID | text-embedding-3-large |
| 模態 | 文字 |
| 任務類型 | Synchronous |
| API 端點 | /v1/embeddings |
| 計費單位 | 1K tokens |
| 目錄狀態 | 可正常運作 |
免費註冊後,在控制台建立 text-embedding-3-large 的 API 金鑰。
向 /v1/embeddings 發送 POST 請求,並傳入 text-embedding-3-large 模型 ID 和參數。
直接從端點讀取已完成的 text-embedding-3-large 回應。
開放 1 個公開 endpoint:embedding。
按 1K tokens 計量,無需訂閱。
此端點尚未發布請求參數。
將文件、FAQ 或產品目錄轉為向量索引,以語意而非關鍵字比對方式取得最相關結果。
將知識庫片段轉為向量,找出最接近的匹配結果後送入 LLM prompt,得出有據可查的答案。
以語意相似度將支援工單、問卷回應或用戶意見自動分組,毋須人工標記。
傳入 quickstart 顯示嘅 model ID。
每個 key 的 rate limit 會按使用層級而定。請查看定價頁了解最新限制。
可以——variant 只係一個旗標。只要更改 model 參數就可以切換。
在可用 streaming 的情況下,RunAPI 會端到端串流。
可以在公開 GitHub repo 開 issue,或者電郵支援團隊。
不需要。你的 RunAPI API key 足以存取此 variant 及目錄中的所有其他模型,無需底層供應商帳戶。
text-embedding-3-small 預設輸出 1,536 維。支援 Matryoshka 嵌入,可指定 256、512 或 1,024 維以減低儲存成本,同時保留大部分檢索質素。
text-embedding-3-large 有 3,072 維,MTEB 基準分高約 2 分,但每百萬 token 費用約貴 6.5 倍。對於大多數語意搜尋及 RAG 應用,text-embedding-3-small 能以低得多的成本提供相近質素。
RunAPI 按每次 embedding 請求收費,無需訂閱,亦無最低消費。請查閱本頁收費表了解最新按次費率。失敗的請求不扣費。
可以。在單次 API 呼叫中送入多條文字以減少開銷。RunAPI 批次處理 embedding 請求並在一次回應中返回所有向量,對大型文件集建立索引更有效率。