Référence API
Guides d’intégration
Erreurs
Tarification et facturation
Embeddings
POST /v1/embeddings génère des embeddings de texte avec un modèle choisi pour la recherche sémantique, le clustering et les workflows de récupération via CometAPI.
{
"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
}
}Vue d’ensemble
L’API Embeddings génère des représentations vectorielles de texte qui capturent le sens sémantique. Ces vecteurs peuvent être utilisés pour la recherche sémantique, le clustering, la classification, la détection d’anomalies et la génération augmentée par récupération (RAG). CometAPI prend en charge des modèles d’embedding de plusieurs fournisseurs. Transmettez une ou plusieurs chaînes de texte et recevez en retour des vecteurs numériques que vous pouvez stocker dans une base de données vectorielle ou utiliser directement pour des calculs de similarité.Modèles disponibles
| Model | Dimensions | Max Tokens | Best For |
|---|---|---|---|
text-embedding-3-large | 3,072 (ajustables) | 8,191 | Embeddings de la plus haute qualité |
text-embedding-3-small | 1,536 (ajustables) | 8,191 | Économique, rapide |
text-embedding-ada-002 | 1,536 (fixes) | 8,191 | Compatibilité avec les anciens systèmes |
Remarques importantes
text-embedding-3-* prennent en charge le paramètre dimensions, ce qui vous permet de raccourcir le vecteur d’embedding sans perte significative de précision. Cela peut réduire les coûts de stockage jusqu’à 75 % tout en conservant l’essentiel des informations sémantiques.input. C’est nettement plus efficace que d’effectuer des requêtes individuelles pour chaque texte.Autorisations
Bearer token authentication. Use your CometAPI key.
Corps
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.
Réponse
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
{
"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
}
}