임베딩

텍스트를 벡터로 변환해 의미 검색, 클러스터링, 중복 제거, 검색 증강 생성(RAG)에 사용하세요. 이 엔드포인트는 OpenAI의 POST /embeddings와 형식이 같으므로 client.embeddings.create(...)가 그대로 동작합니다.

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

요청

예제

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));

응답

{
  "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].index는 input 배열에서 해당 입력의 위치와 일치합니다.

모델 선택

API 키 없이 임베딩 모델과 가격 목록을 조회할 수 있습니다.

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

서로 다른 모델의 벡터는 비교할 수 없습니다. 모든 벡터와 함께 모델 ID를 저장하고, 모델을 바꾸면 코퍼스를 다시 임베딩하세요.

가격

임베딩은 모델에 표시된 가격("$ / 1M tokens")으로 입력 토큰당 과금됩니다. 각 요청의 비용은 usage.cost(USD)로 반환되고 잔액에서 차감됩니다. 요금 및 결제를 참고하세요.

팁

• 입력을 배치로 묶으세요. 문자열 100개를 한 요청으로 보내면 더 빠르고 속도 제한에서도 요청 1건으로 계산됩니다.
• 각 입력은 모델의 컨텍스트 길이 이내로 유지하세요. 더 긴 텍스트는 업스트림에서 거부됩니다.
• 벡터를 정규화(대부분의 모델은 이미 단위 길이로 반환)하고 코사인 유사도를 사용하세요.

오류

전체 목록: 오류.