Embeddings: векторизация текста

Запрос

POST https://tokventa.tech/v1/embeddings — превращает текст в вектор чисел. Параметры: model (модель эмбеддингов), input (текст или список текстов).

curl https://tokventa.tech/v1/embeddings \
  -H "Authorization: Bearer ВАШ_API_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3.7-text-embedding","input":"текст для векторизации"}'

Ответ

{"data":[{"embedding":[0.0123,-0.0456,…],"index":0}], "model":"qwen3.7-text-embedding"}

Вектор — числа фиксированной длины; хранение и поиск ближайших соседей (pgvector, Qdrant, Milvus) остаются на вашей стороне.

Оплата

Как обычные токены: (токены × цена входа) / 1 000 000 в рублях. Лимит текста на один запрос указан в карточке модели. Ответ приходит целиком, без стриминга.

Python

from openai import OpenAI
client = OpenAI(api_key="ВАШ_API_КЛЮЧ", base_url="https://tokventa.tech/v1")
r = client.embeddings.create(model="qwen3.7-text-embedding", input="текст")
print(r.data[0].embedding[:5])

RAG

Эмбеддинги — основа поиска по своим документам: сценарий и структура — на странице RAG; модели — в каталоге.

Базовый URL API: https://tokventa.tech/v1 · Каталог моделей · Цены · Получить ключ