Текст и векторы
Векторизация
Получить embeddings через тот же ключ и бюджет.
POST /v1/embeddings требует право embeddings или inference. В input передайте строку либо до 16 строк, каждая не длиннее 8192 символов. Необязательные поля: dimensions от 1 до 4096 (модель может принимать меньше; лишнее отклоняется до отправки), encoding_format=float/base64, max_cost_microrub — потолок цены в микрорублях: если оценка выше, запрос отклоняется с 409 quote_exceeds_limit до резервирования денег.
{"model":"PUBLIC_API_ID","input":["Текст для поиска"],"dimensions":8,"encoding_format":"float"}Ответ data содержит object=embedding, index и embedding. Base64 кодирует little-endian float32. Usage и billing отражают ту же финансовую операцию, что и другие endpoints. Ограничения модели проверяются до отправки.
Для индекса и поисковых запросов используйте одну модель и одинаковое число измерений. Смена модели требует заново построить векторы документов; одинаковая длина массивов не делает векторы разных моделей совместимыми.
В примере PUBLIC_API_ID — место для public_api_id из каталога, а не имя существующей модели. Выбирайте модель с доступной операцией.