Zum Hauptinhalt springen
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.

CometAPI unterstützt Embedding-Modelle von mehreren Anbietern über einen einzigen Endpunkt. Übergeben Sie einen oder mehrere Text-Strings und erhalten Sie numerische Vektoren für semantische Suche, Clustering, Klassifizierung oder Retrieval-augmented generation (RAG). In der Modellliste finden Sie verfügbare Embedding-Modelle und Preise.
Die text-embedding-3-*-Modelle unterstützen den Parameter dimensions, der den Embedding-Vektor ohne nennenswerten Genauigkeitsverlust verkürzt. Dadurch können die Speicherkosten gesenkt werden, während die meisten semantischen Informationen erhalten bleiben.
Um mehrere Texte in einer einzelnen Anfrage einzubetten, übergeben Sie ein Array von Strings an den Parameter input. Die Stapelverarbeitung ist deutlich effizienter als einzelne Anfragen.

Autorisierungen

​
Authorization
string
header
erforderlich

Bearer token authentication. Use your CometAPI key.

Body

application/json
​
model
string
erforderlich

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

Beispiel:

"text-embedding-3-small"

​
input
erforderlich

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>
Standard: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.

Verfügbare Optionen:
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.

Erforderlicher Bereich: x >= 1
​
user
string

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

Antwort

200 - application/json

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

​
object
enum<string>

The object type, always list.

Verfügbare Optionen:
list
Beispiel:

"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.

Beispiel:

"text-embedding-3-small"

​
usage
object

Token usage statistics for this request.