Embeddings
Convierte textos en vectores para buscar por significado, agrupar o recomendar, con el mismo endpoint que OpenAI: POST /v1/embeddings. Se cobra por token de entrada, del saldo de tu empresa y del presupuesto del equipo de la key.
| Modelo | Fabricante | Dimensiones | Para qué |
|---|---|---|---|
titan-embed-v2 | Amazon Titan | 1.024 | Multilingüe (español incluido): búsqueda semántica, RAG, agrupar textos. |
El precio por millón de tokens está en el panel, en Modelos.
Petición
from openai import OpenAI
client = OpenAI(base_url="https://api.quipua.com/v1", api_key="ci_live_xxx")
r = client.embeddings.create(model="titan-embed-v2", input=["¿Cuál es el plazo de devolución?", "Política de envíos"])
vectores = [d.embedding for d in r.data]
print(len(vectores[0]), r.usage.prompt_tokens)import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.quipua.com/v1", apiKey: "ci_live_xxx" });
const r = await client.embeddings.create({ model: "titan-embed-v2", input: ["¿Cuál es el plazo de devolución?"] });
console.log(r.data[0].embedding.length);curl https://api.quipua.com/v1/embeddings \
-H "Authorization: Bearer ci_live_xxx" -H "Content-Type: application/json" \
-d '{"model": "titan-embed-v2", "input": "¿Cuál es el plazo de devolución?"}'input: un texto o una lista de hasta 64 textos (cada uno, hasta 30.000 caracteres).- La respuesta tiene el formato de OpenAI:
data[i].embeddingen el mismo orden queinput, yusage.prompt_tokens.
Errores
| Código | Cuándo |
|---|---|
400 invalid_request | input vacío, demasiados textos o un texto demasiado largo. |
400 model_not_embedding | El modelo no es de embeddings. |
403 model_not_allowed | La key no tiene permiso para ese modelo. |
402 insufficient_balance | No hay saldo para la reserva. |
Privacidad: Quipua no guarda los textos ni los vectores: vuelven en la respuesta y se olvidan.
¿Quieres que tu chat y tus keys busquen en la documentación de tu empresa sin montar nada? Usa el conocimiento con búsqueda de la memoria.