Embeddings

Förvandla text till vektorer för semantisk sökning, klustring, deduplicering och retrieval-augmented generation (RAG). Endpointen har samma form som OpenAI:s POST /embeddings, så client.embeddings.create(...) fungerar oförändrat.

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

Anrop

Exempel

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));

Svar

{
  "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 motsvarar indatats position i din input-array.

Välja modell

Lista embeddings-modeller med priser, utan API-nyckel:

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

Vektorer från olika modeller går inte att jämföra. Spara modell-id:t bredvid varje vektor och bädda in ditt material på nytt när du byter modell.

Priser

Embeddings faktureras per indata-token till modellens listade pris, som visas som "$ / 1M tokens". Kostnaden för varje anrop returneras i usage.cost (USD) och dras från ditt saldo. Se Priser och fakturering.

Tips

• Gruppera indata: ett anrop med 100 strängar går snabbare och räknas som ett anrop mot din hastighetsgräns.
• Håll varje indata under modellens kontextlängd. Längre text avvisas uppströms.
• Normalisera vektorer (de flesta modeller returnerar redan enhetslängd) och använd cosinuslikhet.

Fel

Fullständig lista: Fel.