Embeddings

Zet tekst om in vectoren voor semantisch zoeken, clustering, ontdubbelen en retrieval-augmented generation (RAG). Het endpoint heeft dezelfde vorm als POST /embeddings van OpenAI, dus client.embeddings.create(...) werkt ongewijzigd.

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

Request

Voorbeeld

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));

Response

{
  "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 komt overeen met de positie van de invoer in je input-array.

Een model kiezen

Toon embeddings-modellen met hun prijzen, zonder API-key:

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

Vectoren van verschillende modellen zijn niet vergelijkbaar. Bewaar het model-id bij elke vector en embed je corpus opnieuw wanneer je van model wisselt.

Prijzen

Embeddings worden per invoertoken gefactureerd tegen de vermelde prijs van het model, getoond als "$ / 1M tokens". De kosten van elk request staan in usage.cost (USD) en worden van je saldo afgeschreven. Zie Prijzen en facturering.

Tips

• Bundel invoer: één request met 100 strings is sneller en telt als één request voor je rate limit.
• Houd elke invoer onder de contextlengte van het model; langere tekst wordt upstream geweigerd.
• Normaliseer vectoren (de meeste modellen geven al eenheidslengte terug) en gebruik cosinusgelijkenis.

Fouten

Volledige lijst: Fouten.