Developer docsInformational
Embeddings docs
POST /v1/embeddings cu text-embedding-3-small și large.
Raspuns scurt
POST /v1/embeddings accepta `model` și `input` (string sau array). Raspunsul contine `data[].embedding` cu lista de vectori.
Problema concreta
Echipele de data cer reference clar pentru batching și dimensiuni storage.
Cum o rezolva Router by MP
Suport text-embedding-3-small (1536) și large (3072). Batching până la 8192 tokens per request. Cheia 'embeddings' cu buget și log.
Fluxuri uzuale
- POST cu input array pentru batch.
- Salvare in vector DB.
- Query cu acelasi model embedding.
- Refresh periodic.
Modele recomandate
text-embedding-3-smalltext-embedding-3-large
Disponibilitatea reala se verifica live in /models.
| Control | De ce conteaza |
|---|---|
| OpenAI compatible | Forma identica. |
| Batch | Până la 8192 tokens per request. |
| Reuse | Embeddings nu se regenereaza; investitie one-shot. |
curl embeddingsbash
curl https://api.megapromoting.com/v1/embeddings \
-H "Authorization: Bearer $ROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-3-small",
"input": ["Router by MP este AI API gateway."]
}'Reguli si limite
- Dimensiuni. small=1536, large=3072; planifica storage.
- Calitate per limba. Pentru limbi rare, pilot inainte.
- Re-index. Lunar sau pe modificari semnificative.
Integrare rapida
Foloseste endpointul https://api.megapromoting.com/v1, trimite cheia caAuthorization: Bearer <router_api_key> si verifica pagina/modelsinainte de productie.