Embeddings (векторизация)

Эмбеддинги превращают текст в числовой вектор для семантического поиска, RAG, кластеризации и рекомендаций. Эндпоинт полностью совместим с OpenAI — меняется только базовый адрес и ключ.

POSThttps://plusvibeapi.ru/v1/embeddings

Параметры тела

Параметр	Тип	Описание
`model`обяз.	string	Модель эмбеддинга (см. ниже).
`input`обяз.	string \| string[]	Текст или массив текстов. Массив = батч за один запрос.
`encoding_format`	"float" \| "base64"	Формат вектора в ответе. По умолчанию float.

Модели и цена

Параметр	Тип	Описание
`text-embedding-3-small`	8₽ / 1M	1536 измерений. Дёшево, для большинства задач.
`text-embedding-3-large`	40₽ / 1M	3072 измерения. Выше точность поиска.
`qwen3-embedding-8b`	5₽ / 1M	Open-weight, сильный многоязычный (вкл. русский).

Пример запроса

curl https://plusvibeapi.ru/v1/embeddings \
  -H "Authorization: Bearer $PLUSVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "Текст для векторизации"
  }'

Ответ

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0021, -0.014, ...] }
  ],
  "model": "text-embedding-3-small",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

Оплата только за входные токены (prompt_tokens); выходных токенов у эмбеддингов нет. Передавайте массив строк в input, чтобы векторизовать пачку за один запрос.

← Веб-поиск Генерация медиа →