一組驗證，全部供應商通用
一把 RunAPI 金鑰就能開通整個目錄。無需分開註冊帳戶，也不用為每個整合各自輪替金鑰。
# 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": [
"將這些支援文章和客戶查詢轉成 embeddings，好讓我排序最接近的匹配結果。"
],
"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": "將這些支援文章和客戶查詢轉成 embeddings，好讓我排序最接近的匹配結果。"}]
)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: "將這些支援文章和客戶查詢轉成 embeddings，好讓我排序最接近的匹配結果。" }]
});OVERVIEW
關於 Embedding
OpenAI Embedding 模型會將文字轉換成 dense vectors，用於語意搜尋、retrieval-augmented generation、分群、分類與排序。text-embedding-3 家族支援高效率的生產檢索，並可選擇控制向量維度。
供應商
OpenAI
模態
文字
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 | — | — | 輸入 $0.10 / 百萬 tokens | 輸出 免費 / 百萬 tokens |
顯示 text-embedding-3-large 的定價。其他變體保有各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 Embedding
運作方式
Embedding 快速入門
-
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。
為什麼透過 RunAPI 使用 Embedding API
統一價格與計費
以美元按次計費，每月結帳。失敗的生成不收費。
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
我應該使用哪個 embedding 模型？
高效率生產檢索請使用 text-embedding-3-small；若 recall 品質比向量大小更重要，請使用 text-embedding-3-large。
可以縮短 embedding 向量嗎？
可以，當你需要較小向量時，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 相容的 list response，包含 embedding data、model 與 usage。
embedding 模型可以搭配 Chat Completions 或 Responses 使用嗎？
不行，embedding 模型只在 /v1/embeddings 上可用。
支援哪些輸入？
依照 OpenAI Embeddings API 格式，可使用字串、字串陣列或 token 陣列。
我應該先從哪個版本開始？
先選擇符合你品質標準中最便宜的版本。大多數團隊會先用快速版本，之後再升級到專業版用於正式上線。
相似模型