ИнференсСправочник

Embeddings

Метод, который превращает текст в векторы для поиска по смыслу и сравнения документов.

POSThttps://api.yenisei.ru/v1/embeddings

Метод Embeddings превращает текст в вектор — набор чисел, по которому тексты можно сравнивать по смыслу. Векторы нужны, когда вы строите поиск по своим документам или сравниваете тексты между собой. За один запрос можно передать как один текст, так и список.

Параметры

modelstringобязательный
Имя модели для векторов из каталога, например bge-m3.
inputstring | arrayобязательный
Текст или список текстов, для которых нужны векторы.

Модели для векторов

Модель	Длина вектора
`bge-m3`	1024
`qwen3-embedding-4b`	2560
`qwen3-embedding-8b`	4096

Векторы разных моделей несравнимы между собой. Если вы сменили модель, пересчитайте заново все векторы, которые уже сохранили.

curl https://api.yenisei.ru/v1/embeddings \
  -H "Authorization: Bearer $YENISEI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge-m3",
    "input": ["первый текст", "второй текст"]
  }'

from openai import OpenAI
import os

client = OpenAI(
    base_url="https://api.yenisei.ru/v1",
    api_key=os.environ["YENISEI_KEY"],
)

resp = client.embeddings.create(
    model="bge-m3",
    input=["первый текст", "второй текст"],
)
print(len(resp.data[0].embedding))

Ошибки

Метод возвращает те же коды, что и остальные методы API. Они описаны на странице Коды ошибок.

Chat Completions

Дальше

Models