Endpoint 覆蓋範圍
公開 1 個公共 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": [
"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-3-small",
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-3-small",
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。" }]
});
3 個版本可用
選擇任一模型,幾秒內即可開始生成。
目前沒有可用的模型。
| 提供者 | OpenAI |
| 模型 ID | text-embedding-3-small |
| 模態 | 文字 |
| 任務類型 | Synchronous |
| API 端點 | /v1/embeddings |
| 計費單位 | 1K tokens |
| 目錄狀態 | 可直接上線 |
免費註冊後,從控制台建立 text-embedding-3-small 的 API 金鑰。
向 /v1/embeddings 傳送 POST 請求,並傳入 text-embedding-3-small 模型 ID 與參數。
直接從端點讀取已完成的 text-embedding-3-small 回應。
公開 1 個公共 endpoint:embedding。
依 1K tokens 計量,無需訂閱。
此端點尚未發布請求參數。
將文件、FAQ 或產品型錄向量化後建立索引,依語意而非關鍵字比對,取回最相關的結果。
將知識庫片段向量化,把最接近的匹配結果注入 LLM prompt,生成有據可查、附來源引用的回答。
依語意相似度自動將客服工單、問卷回覆或用戶反饋分群,無需人工標記。
此模型目前尚無已驗證的客戶回饋。
傳入 quickstart 顯示的 model ID。
每個金鑰的速率限制會依使用方案而調整。請查看定價頁面以了解目前限制。
可以——variant 只是旗標。只要變更 model 參數即可切換。
只要支援串流,RunAPI 就會端到端串流。
請在公開 GitHub repo 提交 issue,或寄信給支援。
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 個維度。它支援 Matryoshka 嵌入,可指定 256、512 或 1,024 維,在保留大部分檢索品質的同時降低儲存成本。
text-embedding-3-large 有 3,072 個維度,MTEB 基準分數約高出 2 分,但每百萬 token 的費用約為前者的 6.5 倍。對大多數語意搜尋和 RAG 使用情境而言,text-embedding-3-small 能以極低成本達到相近的品質。
RunAPI 按次計費,無訂閱費或最低消費門檻。目前費率請參考本頁的價格表。失敗的請求不計費。
可以。在單次 API 呼叫中傳入多段文字,即可減少額外開銷。RunAPI 會批次處理嵌入請求並在單一回應中回傳所有向量,更適合大型文件集合的索引場景。