الانتقال إلى المحتوى الرئيسي
POST
/
v1
/
embeddings
from openai import OpenAI

client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key="<COMETAPI_KEY>",
)

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="The food was delicious and the waiter was friendly.",
)

print(response.data[0].embedding[:5])  # First 5 dimensions
print(f"Dimensions: {len(response.data[0].embedding)}")
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        -0.0021,
        -0.0491,
        0.0209,
        0.0314,
        -0.0453
      ]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 2,
    "total_tokens": 2
  }
}

Documentation Index

Fetch the complete documentation index at: https://apidoc.cometapi.com/llms.txt

Use this file to discover all available pages before exploring further.

يدعم CometAPI نماذج التضمين من عدة مزودين عبر endpoint واحد. مرّر سلسلة نصية واحدة أو أكثر، وستتلقى متجهات رقمية للاستخدام في البحث الدلالي، أو التجميع، أو التصنيف، أو التوليد المعزز بالاسترجاع (RAG). راجع قائمة النماذج للاطلاع على نماذج التضمين المتاحة والأسعار.
تدعم نماذج text-embedding-3-* المعامل dimensions، والذي يختصر متجه التضمين دون فقدان كبير في الدقة. يمكن أن يقلل ذلك من تكاليف التخزين مع الاحتفاظ بمعظم المعلومات الدلالية.
لتضمين عدة نصوص في طلب واحد، مرّر مصفوفة من السلاسل النصية إلى المعامل input. يكون الإدخال الدفعي أكثر كفاءة بشكل ملحوظ من إجراء طلبات فردية.

التفويضات

​
Authorization
string
header
مطلوب

Bearer token authentication. Use your CometAPI key.

الجسم

application/json
​
model
string
مطلوب

The embedding model to use. See the Models page for current embedding model IDs.

مثال:

"text-embedding-3-small"

​
input
مطلوب

The text to embed. Can be a single string, an array of strings, or an array of token arrays. Each input must not exceed the model's maximum token limit (8,191 tokens for text-embedding-3-* models).

​
encoding_format
enum<string>
افتراضي:float

The format of the returned embedding vectors. float returns an array of floating-point numbers. base64 returns a base64-encoded string representation, which can reduce response size for large batches.

الخيارات المتاحة:
float,
base64
​
dimensions
integer

The number of dimensions for the output embedding vector. Only supported by text-embedding-3-* models. Reducing dimensions can lower storage costs while maintaining most of the embedding's utility.

النطاق المطلوب: x >= 1
​
user
string

A unique identifier for your end-user, which can help monitor and detect abuse.

الاستجابة

200 - application/json

A list of embedding vectors for the input text(s).

​
object
enum<string>

The object type, always list.

الخيارات المتاحة:
list
مثال:

"list"

​
data
object[]

An array of embedding objects, one per input text. When multiple inputs are provided, results are returned in the same order as the input.

​
model
string

The model used to generate the embeddings.

مثال:

"text-embedding-3-small"

​
usage
object

Token usage statistics for this request.