Embeddings

POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Enam model plus satu alias legacy, 768 hingga 4096 dimensi. Kompatibel dengan OpenAI; Anda hanya membayar token input.

Embeddings mengubah teks menjadi vektor numerik untuk pencarian semantik, RAG, pengelompokan dan rekomendasi. Endpoint-nya sepenuhnya kompatibel dengan OpenAI — hanya alamat base dan key yang berubah.

POSThttps://getvibeapi.com/v1/embeddings

Parameter body

Parameter	Tipe	Deskripsi
`model`req.	string	Model embedding (lihat di bawah).
`input`req.	string \| string[]	Sebuah teks atau array teks. Array = batch dalam satu permintaan.
`encoding_format`	"float" \| "base64"	Format vektor dalam respons. Default-nya float.
`dimensions`	integer	Lebar output opsional. Untuk text-embedding-3-small, hanya 1536 yang didukung.

Model dan harga

Parameter	Tipe	Deskripsi
`text-embedding-3-small`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`qwen3-embedding-8b`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`bge-m3`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`multilingual-e5-large`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`embeddinggemma-300m`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`nemotron-embed-vl`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.
`qwen3-embedding-0.6b`		POST /v1/embeddings — representasi vektor dari teks untuk pencarian, RAG, dan clustering. Model qwen3-embedding-8b. Kompatibel dengan OpenAI; Anda hanya membayar token input.

Lebar vektor berbeda per model, dan Anda tidak dapat menukar model setelahnya tanpa membangun ulang indeks: kolom basis data dibuat untuk satu jumlah dimensi tertentu. Pilih model sebelum Anda memuat satu juta vektor pertama.

Contoh permintaan

curl https://getvibeapi.com/v1/embeddings \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-embedding-8b",
    "input": "Text to vectorize"
  }'

Respons

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0021, -0.014, ...] }
  ],
  "model": "qwen3-embedding-8b",
  "usage": { "prompt_tokens": 8, "total_tokens": 8 }
}

Anda hanya ditagih untuk token input (prompt_tokens); embedding tidak memiliki token output. Kirim array string di input untuk memvektorisasi batch dalam satu permintaan.

← SebelumnyaFiles API Berikutnya →Speech-to-text