Skip to main content
Endpoint compatible con OpenAI para generar embeddings — vectores densos de un texto para usar en retrieval, clustering, clasificación o RAG. Se cobra por token de input.

Modelos disponibles

Ejemplo básico

Respuesta:

Batch de textos

input acepta también un array (hasta 2048 elementos):
El data en la respuesta viene ordenado según el input.

Reducir dimensiones

Los modelos -3-* permiten pedir una dimensionalidad menor (útil para bajar el costo de almacenamiento en tu vector DB):
Nota: el precio se calcula por token de input, no por dimensión. Reducir dimensiones no baja el costo del embedding — solo el costo de tu storage y latencia de búsqueda.

Zero Data Retention

Sigue las mismas reglas que /chat/completions — activa zdr: true o configura tu guardrail. text-embedding-3-* de OpenAI está en la lista verificada.

Vector store gestionado

En la roadmap: POST /v1/vector-stores para crear colecciones, upload y query semántica sin montar tu propio Pinecone/pgvector. Por ahora consume el endpoint directo y guarda los vectores donde ya tengas infraestructura.