メインコンテンツへスキップ
アプリでセマンティック検索、クラスタリング、レコメンデーション、または検索のためにベクトルが必要な場合は、CometAPI のエンベディングを使用します。テキストを /v1/embeddings に送信し、返されたベクトルを保存して、ベクトルデータベースで検索します。

​
エンベディングを作成する

Models page または model directory から、エンベディング対応の model ID を使用します。以下の例では、OpenAI 互換の Embeddings API を呼び出します。
これらの例では、プレースホルダー your-embedding-model-id を使用しています。リクエストを実行する前に、Models page または model directory で利用可能なエンベディング model ID に置き換えてください。
プレイグラウンドとエンドポイントスキーマを使用するには、Create embeddings を開いてください。
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"]))

​
レスポンス例

成功したレスポンスは次のようになります。レスポンスには各 input 項目ごとに 1 つのベクトルが含まれます。以下のベクトルは読みやすさのために短縮しています。 
{
  "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
  }
}

​
バッチ入力

1 回のリクエストで複数のベクトルが必要な場合は、文字列の配列を送信します。
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"
    ]
  }'

​
モデルレコードの例

このモデルカタログレスポンスの例は、/api/models のエンベロープと、OpenAI 互換のエンベディングモデルレコードの1つの形を示しています。一部のエンベディングレコードでは model_type が空の場合があるため、そのフィールドだけに頼らず、ID とエンドポイント対応でエンベディングモデルを選択してください。
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
      }
    }
  ]
}

​
よくあるエラー

エンベディングする前に、長いドキュメントをチャンクに分割してください。
モデルディレクトリから、エンベディング対応のモデルを選択してください。
1つのベクトルインデックスでは、同じモデルと次元を維持してください。
Authorization: Bearer $COMETAPI_KEY を送信してください。

​
エラーコードと再試行戦略

input、model ID、または dimensions の設定が修正されるまでは再試行しないでください。
API キーが存在し、有効になるまでは再試行しないでください。
再試行する前に、ベース URL、パス、および model ID を確認してください。
指数バックオフで再試行し、バッチサイズまたは並行数を減らしてください。
一時的なプロバイダーまたはサービスエラーに対しては、バックオフを入れて再試行してください。
実装パターンについては、エラーコードと再試行戦略 と レート制限と並行性 を参照してください。

​
料金とモデルディレクトリ

モデルページ

ドキュメントで CometAPI がどのように model IDs を公開しているかを確認してください。

モデルディレクトリ

利用可能なモデルと機能を確認してください。

料金

モデルを呼び出す前に料金を確認してください。
最終更新日 2026年6月23日