Endpoint

Embeddings

Trasforma il testo in vettori con POST /embeddings per ricerca semantica, clustering e RAG, con parametri, risposta, scelta del modello e costi.

Provalo nel playground

Trasforma il testo in vettori per la ricerca semantica, il clustering, la deduplicazione e la retrieval-augmented generation (RAG). L'endpoint ha la stessa forma di POST /embeddings di OpenAI, quindi client.embeddings.create(...) funziona senza modifiche.

POST https://api14.com/api/v1/embeddings

Richiesta

Parametro	Tipo	Obbligatorio	Descrizione
`model`	string	sì	L'id di un modello di embeddings, ad es. `openai/text-embedding-3-small`.
`input`	string o string[]	sì	Testo da trasformare in embedding. Passa un array per elaborare più input in una sola richiesta.
`dimensions`	integer	no	Dimensione del vettore in uscita, per i modelli che ne supportano la riduzione (ad es. `text-embedding-3-*`).
`encoding_format`	string	no	`float` (predefinito) o `base64`.
`user`	string	no	L'id del tuo utente finale, inoltrato all'upstream.
`provider`	object	no	Preferenze di instradamento dei provider. Vedi Instradamento dei provider.

Esempio

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.embeddings.create({
  "model": "openai/text-embedding-3-small",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

Risposta

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0023, -0.0091, 0.0154, "..."] }
  ],
  "model": "openai/text-embedding-3-small",
  "usage": { "prompt_tokens": 8, "total_tokens": 8, "cost": 0.00000016 }
}

data[i].index corrisponde alla posizione dell'input nel tuo array input.

Scegliere un modello

Elenca i modelli di embeddings con i relativi prezzi, senza chiave API:

curl https://api14.com/api/v1/embeddings/models
# or, with categories and our prices:
curl "https://api14.com/api/v1/models?category=embeddings"

I vettori di modelli diversi non sono confrontabili. Salva l'id del modello accanto a ogni vettore e rigenera gli embedding dell'intero corpus quando cambi modello.

Prezzi

Gli embeddings sono fatturati per token di input al prezzo indicato per il modello, mostrato come "$ / 1M token". Il costo di ogni richiesta viene restituito in usage.cost (USD) e scalato dal tuo saldo. Vedi Prezzi e fatturazione.

Suggerimenti

Raggruppa gli input: una richiesta con 100 stringhe è più veloce e conta come una sola richiesta rispetto al tuo limite di frequenza.
Mantieni ogni input sotto la lunghezza di contesto del modello; il testo più lungo viene rifiutato dall'upstream.
Normalizza i vettori (la maggior parte dei modelli li restituisce già a lunghezza unitaria) e usa la similarità coseno.

Errori

Stato	Codice	Quando
400	`model_required` / `invalid_json`	Manca `model` oppure il corpo non è un oggetto JSON.
401	`invalid_api_key`	Chiave mancante o non valida.
402	`insufficient_balance`	Il tuo saldo in USD è $0.
403	`model_not_allowed`	La lista dei modelli consentiti della chiave esclude questo modello.
404	`model_not_found`	Id del modello sconosciuto o disattivato.
429	`rate_limited`	Superato il limite di richieste al minuto.

Elenco completo: Errori.