مرجع API
أدلة التكامل
الأخطاء
الأسعار والفوترة
Embeddings
ينشئ POST /v1/embeddings تمثيلات مضمنة للنصوص باستخدام model محدد لعمليات البحث الدلالي والتجميع وسير عمل الاسترجاع عبر CometAPI.
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
}
}نظرة عامة
تُنشئ واجهة Embeddings API تمثيلات متجهية للنص تلتقط المعنى الدلالي. ويمكن استخدام هذه المتجهات في البحث الدلالي، والتجميع، والتصنيف، واكتشاف الشذوذ، والتوليد المعزز بالاسترجاع (RAG). تدعم CometAPI نماذج embedding من عدة مزودين. مرّر سلسلة نصية واحدة أو أكثر، وستتلقى متجهات رقمية يمكنك تخزينها في قاعدة بيانات متجهية أو استخدامها مباشرةً في حسابات التشابه.النماذج المتاحة
| Model | Dimensions | Max Tokens | Best For |
|---|---|---|---|
text-embedding-3-large | 3,072 (قابل للتعديل) | 8,191 | أعلى جودة للتمثيلات المضمنة |
text-embedding-3-small | 1,536 (قابل للتعديل) | 8,191 | اقتصادي وسريع |
text-embedding-ada-002 | 1,536 (ثابت) | 8,191 | التوافق مع الأنظمة القديمة |
ملاحظات مهمة
text-embedding-3-* المعامل dimensions، مما يتيح لك تقصير متجه embedding دون فقدان كبير في الدقة. ويمكن أن يقلل ذلك تكاليف التخزين بنسبة تصل إلى 75% مع الاحتفاظ بمعظم المعلومات الدلالية.input. ويُعد ذلك أكثر كفاءة بكثير من إجراء طلبات منفصلة لكل نص.التفويضات
Bearer token authentication. Use your CometAPI key.
الجسم
The embedding model to use. See the Models page for current embedding model IDs.
"text-embedding-3-small"
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).
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.
float, base64 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.
x >= 1A unique identifier for your end-user, which can help monitor and detect abuse.
الاستجابة
A list of embedding vectors for the input text(s).
The object type, always list.
list "list"
An array of embedding objects, one per input text. When multiple inputs are provided, results are returned in the same order as the input.
Show child attributes
Show child attributes
The model used to generate the embeddings.
"text-embedding-3-small"
Token usage statistics for this request.
Show child attributes
Show child attributes
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
}
}