Эмбеддинги

POST /v1/embeddings

Получение векторных представлений текста для задач семантического поиска, кластеризации и классификации.

Параметры

ПараметрТипОписание
model *stringID модели эмбеддингов, например text-embedding-3-small
input *string или arrayТекст или массив текстов
encoding_formatstringfloat (по умолчанию) или base64
 
from openai import OpenAI

client = OpenAI(
    api_key="rp_ваш_api_ключ",
    base_url="https://api.modelgate.ru/v1"
)

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="Кот сидит на подоконнике"
)

print(f"Dimensions: {len(response.data[0].embedding)}")
import OpenAI from 'openai';

const client = new OpenAI({
    apiKey: 'rp_ваш_api_ключ',
    baseURL: 'https://api.modelgate.ru/v1',
});

const response = await client.embeddings.create({
    model: 'text-embedding-3-small',
    input: 'Кот сидит на подоконнике',
});

console.log(`Dimensions: ${response.data[0].embedding.length}`);
curl -X POST https://api.modelgate.ru/v1/embeddings \
  -H "Authorization: Bearer rp_ваш_api_ключ" \
  -H "Content-Type: application/json" \
  -d '{"model": "text-embedding-3-small", "input": "Кот сидит"}'

Доступные модели

Embedding 3 Large

3072 измерений
Embedding 3 Small

1536 измерений
Qwen3 Embedding 8B

4096 измерения

Полный список моделей доступен на странице моделей.