Langsung ke konten utama
Gunakan embeddings CometAPI saat aplikasi Anda memerlukan vektor untuk pencarian semantik, clustering, rekomendasi, atau retrieval. Kirim teks ke /v1/embeddings, simpan vektor yang dikembalikan, lalu cari dengan database vektor Anda.

​
Membuat embedding

Gunakan model ID yang mendukung embedding dari halaman Models atau direktori model. Contoh di bawah memanggil Embeddings API yang kompatibel dengan OpenAI.
Contoh-contoh ini menggunakan placeholder your-embedding-model-id. Ganti dengan model ID embedding yang tersedia dari halaman Models atau direktori model sebelum Anda menjalankan request.
Buka Create embeddings untuk menggunakan playground dan skema endpoint.
import os
import requests

response = requests.post(
    "https://api.cometapi.com/v1/embeddings",
    headers={
        "Authorization": "Bearer " + os.environ["COMETAPI_KEY"],
        "Content-Type": "application/json",
    },
    json={
        "model": "your-embedding-model-id",
        "input": "CometAPI lets developers use many model providers.",
    },
    timeout=30,
)

response.raise_for_status()
result = response.json()
print(len(result["data"][0]["embedding"]))

​
Contoh response

Response yang berhasil dapat terlihat seperti ini. Response mencakup satu vektor untuk setiap item input; vektor di bawah ini dipersingkat agar lebih mudah dibaca: 
{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        -0.0021,
        -0.0491,
        0.0209
      ]
    }
  ],
  "model": "your-embedding-model-id",
  "usage": {
    "prompt_tokens": 10,
    "total_tokens": 10
  }
}

​
Input batch

Kirim array string saat Anda menginginkan beberapa vektor dari satu request:
cURL
curl https://api.cometapi.com/v1/embeddings \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "your-embedding-model-id",
    "input": [
      "Create an API key",
      "Change the base URL",
      "Retry after a rate limit"
    ]
  }'

​
Contoh rekaman model

Contoh respons katalog model ini menunjukkan envelope /api/models dan satu bentuk rekaman model embedding yang kompatibel dengan OpenAI. Beberapa rekaman embedding menggunakan model_type kosong; pilih model embedding berdasarkan ID dan dukungan endpoint alih-alih hanya mengandalkan field tersebut.
cURL
curl https://api.cometapi.com/api/models

{
  "success": true,
  "page": 1,
  "page_size": 20,
  "total": 302,
  "data": [
    {
      "created": 1757904564,
      "id": "your-embedding-model-id",
      "code": "your-embedding-model-id",
      "provider": "ExampleProvider",
      "provider_code": "example",
      "name": "Example embedding model",
      "model_type": "embedding",
      "features": [
        "text-embedding"
      ],
      "endpoints": [
        "openai"
      ],
      "pricing": {
        "currency": "USD / M Tokens",
        "input": 0.1,
        "output": null,
        "per_request": null,
        "per_second": null
      }
    }
  ]
}

​
Kesalahan umum

Bagi dokumen panjang menjadi beberapa chunk sebelum melakukan embedding.
Pilih model yang mendukung embedding dari direktori model.
Gunakan model dan dimensi yang sama untuk satu indeks vektor.
Kirim Authorization: Bearer $COMETAPI_KEY.

​
Kode error dan strategi retry

Jangan retry sampai input, model ID, atau pengaturan dimensi diperbaiki.
Jangan retry sampai API key tersedia dan valid.
Periksa base URL, path, dan model ID sebelum melakukan retry.
Retry dengan exponential backoff dan kurangi ukuran batch atau concurrency.
Retry dengan backoff untuk error provider atau layanan yang bersifat sementara.
Untuk pola implementasi, lihat Kode error dan strategi retry dan Rate limits dan concurrency.

​
Harga dan direktori model

Halaman model

Baca bagaimana CometAPI menampilkan model ID dalam dokumentasi.

Direktori model

Telusuri ketersediaan dan kapabilitas model.

Harga

Periksa harga sebelum Anda memanggil model.
Terakhir diubah pada 23 Juni 2026