Embeddings

Transforme texto em vetores para busca semântica, clusterização, deduplicação e geração aumentada por recuperação (RAG). O endpoint tem o mesmo formato do POST /embeddings da OpenAI, então client.embeddings.create(...) funciona sem alterações.

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

Requisição

Exemplo

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));

Resposta

{
  "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 corresponde à posição do texto no array input.

Como escolher um modelo

Liste os modelos de embeddings com seus preços, sem precisar de chave de API:

curl https://api14.com/api/v1/embeddings/models
# ou, com categorias e os nossos preços:
curl "https://api14.com/api/v1/models?category=embeddings"

Vetores de modelos diferentes não são comparáveis. Guarde o id do modelo junto de cada vetor e gere os embeddings do seu corpus novamente ao trocar de modelo.

Preços

Os embeddings são cobrados por token de entrada ao preço listado do modelo, exibido como "$ / 1M tokens". O custo de cada requisição é retornado em usage.cost (USD) e debitado do seu saldo. Veja Preços e cobrança.

Dicas

• Agrupe as entradas: uma requisição com 100 strings é mais rápida e conta como uma única requisição no seu limite de taxa.
• Mantenha cada entrada abaixo do tamanho de contexto do modelo; textos maiores são rejeitados pelo provedor.
• Normalize os vetores (a maioria dos modelos já retorna comprimento unitário) e use a similaridade de cosseno.

Erros

Lista completa: Erros.