Vai al contenuto principale
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 supporta modelli di embedding di più provider tramite un unico endpoint. Passa una o più stringhe di testo e ricevi vettori numerici per ricerca semantica, clustering, classificazione o retrieval-augmented generation (RAG). Consulta l’elenco dei modelli per i modelli di embedding disponibili e i prezzi.
I modelli text-embedding-3-* supportano il parametro dimensions, che accorcia il vettore di embedding senza una perdita significativa di accuratezza. Questo può ridurre i costi di archiviazione mantenendo la maggior parte delle informazioni semantiche.
Per creare embedding di più testi in una singola richiesta, passa un array di stringhe al parametro input. L’input in batch è significativamente più efficiente rispetto all’esecuzione di richieste singole.

Autorizzazioni

​
Authorization
string
header
obbligatorio

Bearer token authentication. Use your CometAPI key.

Corpo

application/json
​
model
string
obbligatorio

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

Esempio:

"text-embedding-3-small"

​
input
obbligatorio

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>
predefinito: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.

Opzioni disponibili:
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.

Intervallo richiesto: x >= 1
​
user
string

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

Risposta

200 - application/json

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

​
object
enum<string>

The object type, always list.

Opzioni disponibili:
list
Esempio:

"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.

Esempio:

"text-embedding-3-small"

​
usage
object

Token usage statistics for this request.