BAAI · 文本嵌入

将文本转换为向量；模型维度与可用性按模型配置。

POST/v1/embeddings

OpenAI 兼容

查看候选模型 ID

模型 ID	厂商	类型	说明	上下文窗口	最大输出 Token	媒体规格	价格	状态
`BGE-m3`	BAAI	文本	—	—	—	—	—	—

按公开标签归类，并补充模型广场资料；— 表示暂无明确资料。左右滑动查看完整表格。

参数与透传

Headers请求头

左右滑动查看完整参数表

请求头
参数名	类型	必填	说明	默认值 / 示例
`Authorization`	string	必填	平台 API Key，使用 Bearer 认证。	示例 `Bearer YOUR_API_KEY`
`Content-Type`	string	必填	请求体编码格式。	示例 `application/json`

Request Body请求体

application/json

左右滑动查看完整参数表

请求体
参数名	类型	必填	说明	默认值 / 示例
`model`	string	必填	模型 ID；请替换为账户可用且支持当前接口的模型。	示例 `MODEL_ID`
`input`	string \| array<string> \| array<integer> \| array<array<integer>>	必填	待嵌入的文本、文本列表或模型支持的 Token ID 列表。	示例 `这是一段用于检索的文本。`
`encoding_format`	string	可选	返回向量的编码格式。可选值`floatbase64`	—
`dimensions`	integer	可选	请求的输出维度；仅部分模型支持。	—
`user`	string	可选	应用内终端用户标识。	—

使用说明

返回向量的真实长度由模型或 dimensions 决定；示例仅展示三个数值以说明结构。
模型必须具有向量嵌入能力；下方为说明性响应。

调用示例

curl --fail-with-body \
  --max-time 120 \
  --request POST \
  https://ai.kedang.net/v1/embeddings \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  --data '{
  "model": "BGE-m3",
  "input": "你好"
}'

# pip install requests
import requests

url = 'https://ai.kedang.net/v1/embeddings'
headers = {'Authorization': 'Bearer YOUR_API_KEY', 'Content-Type': 'application/json'}
payload = {'model': 'BGE-m3', 'input': '你好'}

response = requests.request(
    'POST', url, headers=headers, timeout=120, json=payload
)
response.raise_for_status()
print(response.json())

// Node.js 18+ · 保存为 example.mjs 后运行

const headers = {
  "Authorization": "Bearer YOUR_API_KEY",
  "Content-Type": "application/json"
};
const payload = {
  "model": "BGE-m3",
  "input": "你好"
};

const response = await fetch("https://ai.kedang.net/v1/embeddings", {
  method: "POST",
  headers,
  signal: AbortSignal.timeout(120_000),
  body: JSON.stringify(payload),
});
if (!response.ok) {
  throw new Error(`${response.status}: ${await response.text()}`);
}
console.log(await response.json());

package main

import (
	"fmt"
	"io"
	"log"
	"net/http"
	"strings"
	"time")

func main() {
	payload := strings.NewReader("{\n  \"model\": \"BGE-m3\",\n  \"input\": \"你好\"\n}")
	req, err := http.NewRequest("POST", "https://ai.kedang.net/v1/embeddings", payload)
	if err != nil { log.Fatal(err) }
	req.Header.Set("Authorization", "Bearer YOUR_API_KEY")
	req.Header.Set("Content-Type", "application/json")
	client := &http.Client{Timeout: 120 * time.Second}
	resp, err := client.Do(req)
	if err != nil { log.Fatal(err) }
	defer resp.Body.Close()
	data, err := io.ReadAll(resp.Body)
	if err != nil { log.Fatal(err) }
	if resp.StatusCode >= 400 { log.Fatalf("%s: %s", resp.Status, data) }
	fmt.Println(string(data))
}

错误响应示例

503

{
  "error": {
    "code": "model_not_found",
    "message": "模型:BGE-m3(不存在或者无权限调用) (request id: 20260928073610352647168268d9d6hgnEFfVV)",
    "type": "kedang_api_error"
  }
}