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。
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。
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。