임베딩

POST /v1/embeddings는 CometAPI를 통해 시맨틱 검색, 클러스터링, 검색 워크플로를 위해 선택한 모델로 텍스트 임베딩을 생성합니다.

POST /v1/embeddings

Python

Single Text

from openai import OpenAI

client = OpenAI(
    base_url="https://api.cometapi.com/v1",
    api_key="<COMETAPI_KEY>",
)

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="The food was delicious and the waiter was friendly.",
)

print(response.data[0].embedding[:5])  # First 5 dimensions
print(f"Dimensions: {len(response.data[0].embedding)}")

200

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        -0.0021,
        -0.0491,
        0.0209,
        0.0314,
        -0.0453
      ]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 2,
    "total_tokens": 2
  }
}

​

개요

임베딩 API는 의미를 포착하는 텍스트의 벡터 표현을 생성합니다. 이러한 벡터는 시맨틱 검색, 클러스터링, 분류, 이상 탐지, 검색 증강 생성(RAG)에 사용할 수 있습니다.

CometAPI는 여러 제공업체의 임베딩 모델을 지원합니다. 하나 이상의 텍스트 문자열을 전달하면 벡터 데이터베이스에 저장하거나 유사도 계산에 직접 사용할 수 있는 수치 벡터를 반환합니다.

​

사용 가능한 모델

Model	Dimensions	Max Tokens	Best For
text-embedding-3-large	3,072 (조정 가능)	8,191	가장 높은 품질의 임베딩
text-embedding-3-small	1,536 (조정 가능)	8,191	비용 효율적이고 빠름
text-embedding-ada-002	1,536 (고정)	8,191	레거시 호환성

사용 가능한 모든 임베딩 모델과 가격은 모델 목록에서 확인하세요.

​

중요 참고 사항

차원 축소 — text-embedding-3-* 모델은 dimensions 파라미터를 지원하므로 정확도를 크게 잃지 않으면서 임베딩 벡터를 더 짧게 만들 수 있습니다. 이를 통해 대부분의 의미 정보를 유지하면서 저장 비용을 최대 75%까지 줄일 수 있습니다.

배치 입력 — input 파라미터에 문자열 배열을 전달하여 단일 요청에서 여러 텍스트를 임베딩할 수 있습니다. 이는 각 텍스트마다 개별 요청을 보내는 것보다 훨씬 효율적입니다.

---

인증

Authorization · string · header · 필수

Bearer token authentication. Use your CometAPI key.

본문

application/json

model · string · 필수

The embedding model to use. See the Models page for current embedding model IDs.

예시:

"text-embedding-3-small"

input · string string[] integer[][] · 필수

The text to embed. Can be a single string, an array of strings, or an array of token arrays. Each input must not exceed the model's maximum token limit (8,191 tokens for text-embedding-3-* models).

encoding_format · enum<string> · 기본값: float

The format of the returned embedding vectors. float returns an array of floating-point numbers. base64 returns a base64-encoded string representation, which can reduce response size for large batches.

사용 가능한 옵션: float, base64

dimensions · integer

The number of dimensions for the output embedding vector. Only supported by text-embedding-3-* models. Reducing dimensions can lower storage costs while maintaining most of the embedding's utility.

필수 범위: x >= 1

user · string

A unique identifier for your end-user, which can help monitor and detect abuse.

응답

200 - application/json

A list of embedding vectors for the input text(s).

object · enum<string>

The object type, always list.

사용 가능한 옵션: list

예시:

"list"

data · object[]

An array of embedding objects, one per input text. When multiple inputs are provided, results are returned in the same order as the input.

Show child attributes

model · string

The model used to generate the embeddings.

예시:

"text-embedding-3-small"

usage · object

Token usage statistics for this request.

Show child attributes