Skip to main content
POST
Создать эмбеддинги

Доступные модели

Параметры запроса

Примеры

Ответ (200)

Работа с изображениями

Некоторые модели эмбеддингов поддерживают изображения на входе — это даёт мультимодальные эмбеддинги, которые улавливают визуальный контент вместе с текстом. Полезно для поиска по изображениям, определения визуального сходства и кросс-модального поиска. Чтобы передать изображение, оберните входные данные в мультимодальный формат с массивом content, содержащим объекты image_url. В одном блоке ввода можно комбинировать текст и изображения.
Текст и изображения можно совместить в одном входе, чтобы получить объединённый эмбеддинг:
Возможность передавать изображения зависит от модели. Полный список моделей с поддержкой image input см. в разделе «Доступные модели» ниже и в каталоге моделей.

Все доступные модели

  • YandexGPT Embeddings — Query: yandex/text-search-query
  • YandexGPT Embeddings — Doc: yandex/text-search-doc
  • Google: Gemini Embedding 001: google/gemini-embedding-001
  • Google: Gemini Embedding 2 Preview: google/gemini-embedding-2-preview (мультимодальная)
  • Qwen: Qwen3 Embedding 8B: qwen/qwen3-embedding-8b
  • Qwen: Qwen3 Embedding 4B: qwen/qwen3-embedding-4b
  • OpenAI: Text Embedding Ada 002: openai/text-embedding-ada-002
  • OpenAI: Text Embedding 3 Small: openai/text-embedding-3-small
  • OpenAI: Text Embedding 3 Large: openai/text-embedding-3-large

Применения

Семантический поиск

Поиск по смыслу, а не по ключевым словам

RAG

Retrieval-Augmented Generation для LLM

Кластеризация

Группировка похожих документов

Классификация

Категоризация текстов

Рекомендации

1

Нормализуйте тексты

Приведите тексты к единому формату перед получением эмбеддингов
2

Разделяйте на чанки

Оптимальный размер чанка: 200-800 токенов
3

Используйте косинусное сходство

Для сравнения эмбеддингов используйте cosine similarity или dot-product
4

Кэшируйте результаты

Сохраняйте эмбеддинги и кэшируйте повторяющиеся по хешу текста

Авторизации

Authorization
string
header
обязательно

API ключ передаётся в заголовке: Authorization: Bearer <POLZA_AI_API_KEY>

Тело

application/json
input
обязательно

Входной текст или массив текстов для создания эмбеддингов

Пример:

"Пример текста для создания эмбеддинга"

model
string
обязательно

Идентификатор модели для создания эмбеддингов

Пример:

"thenlper/gte-base"

encoding_format
enum<string>
по умолчанию:float

Формат кодирования эмбеддингов

Доступные опции:
float,
base64
Пример:

"float"

dimensions
number

Размерность выходного эмбеддинга (если модель поддерживает). Должна быть меньше или равна максимальной размерности модели

Требуемый диапазон: x >= 1
Пример:

768

user
string

Уникальный идентификатор конечного пользователя для отслеживания и предотвращения злоупотреблений

Пример:

"user-123"

Ответ

id
string
обязательно

Уникальный идентификатор запроса

Пример:

"gen_581761234567890123"

object
enum<string>
обязательно

Тип объекта (всегда "list")

Доступные опции:
list
Пример:

"list"

data
object[]
обязательно

Массив эмбеддингов

model
string
обязательно

ID модели, которая создала эмбеддинги

Пример:

"thenlper/gte-base"

usage
object
обязательно

Информация об использовании токенов