Embeddings

文本向量化 API，用于语义搜索、RAG、文本分类等场景。

请求格式

POST /v1/embeddings

请求参数

参数	类型	必填	说明
input	string/array	是	输入文本，支持批量
model	string	是	嵌入模型 ID
encoding_format	string	否	返回格式：float 或 base64

示例

response = client.embeddings.create(
    model="text-embedding-3-large",
    input="BufferAPI 是最好的大模型中转站"
)

vector = response.data[0].embedding  # float[] 向量
print(len(vector))  # 3072 维

支持的嵌入模型

模型	维度	价格	说明
text-embedding-3-large	3072	$0.13/1M tokens	最高精度
text-embedding-3-small	1536	$0.02/1M tokens	高性价比
text-embedding-ada-002	1536	$0.10/1M tokens	上一代模型

批量嵌入

response = client.embeddings.create(
    model="text-embedding-3-small",
    input=["文本1", "文本2", "文本3"]
)

for item in response.data:
    print(f"Index {item.index}: {len(item.embedding)} dims")