Passer au contenu principal
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 prend en charge les modèles d’embedding de plusieurs fournisseurs via un endpoint unique. Transmettez une ou plusieurs chaînes de texte et recevez des vecteurs numériques pour la recherche sémantique, le clustering, la classification ou la génération augmentée par récupération (RAG). Consultez la liste des modèles pour voir les modèles d’embedding disponibles et leur tarification.
Les modèles text-embedding-3-* prennent en charge le paramètre dimensions, qui raccourcit le vecteur d’embedding sans perte significative de précision. Cela peut réduire les coûts de stockage tout en conservant la majeure partie des informations sémantiques.
Pour intégrer plusieurs textes dans une seule requête, transmettez un tableau de chaînes au paramètre input. Les entrées par lot sont nettement plus efficaces que l’envoi de requêtes individuelles.

Autorisations

​
Authorization
string
header
requis

Bearer token authentication. Use your CometAPI key.

Corps

application/json
​
model
string
requis

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

Exemple:

"text-embedding-3-small"

​
input
requis

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>
défaut: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.

Options disponibles:
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.

Plage requise: x >= 1
​
user
string

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

Réponse

200 - application/json

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

​
object
enum<string>

The object type, always list.

Options disponibles:
list
Exemple:

"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.

Exemple:

"text-embedding-3-small"

​
usage
object

Token usage statistics for this request.