Saltar al contenido principal
DocumentaciónDevelopers

Embeddings

Convierte texto en vectores para encontrar, comparar y agrupar textos por su significado.

Menú de la documentación

Crea embeddings

curl "$CCSIO_BASE_URL/embeddings" \
  -H "Authorization: Bearer $CCSIO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen3-embedding-0.6b", "input": ["The cat sleeps.", "A kitten is napping."]}'
JSON
{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0458, 0.0871, 0.0032] },
    { "object": "embedding", "index": 1, "embedding": [0.0119, -0.0441, 0.0902, 0.0047] }
  ],
  "model": "qwen3-embedding-0.6b",
  "usage": { "prompt_tokens": 12, "completion_tokens": 0, "total_tokens": 12 }
}
Aquí los vectores están abreviados; qwen3-embedding-0.6b devuelve 1024 números por entrada.

Entrada

input admite las formas de la API de OpenAI: un string, un arreglo de strings, un arreglo de ids de tokens o un arreglo de arreglos de ids de tokens. Envía muchos textos en una sola llamada en lugar de una llamada por texto: es más rápido y cuenta los mismos tokens.

Dimensiones

dimensions se pasa al modelo. Usa el mismo modelo y las mismas dimensiones para los textos que almacenas y para las consultas con las que los comparas.

Explora la plataforma

Obtén tu primera key API

El registro está abierto. Cuatro pasos hasta tu primera llamada: crea tu cuenta, crea tu organización, crea tu API key y empieza a usarla.

  1. 01Crea tu cuenta
  2. 02Crea tu organización
  3. 03Crea tu API key
  4. 04Empieza a usarla