即時行情

text-embedding-3-small

OpenAI: Text Embedding 3 Small

佔原價: 100%
每 1M 輸入 token: 0.02 USDT
線上賣家: 50
呼叫 / 分鐘: 0

呼叫這個模型

POST /embeddings —— 與 OpenAI SDK 已經在發的請求相同。把 base URL 指向 asale，其他都不用改。

按 token 計費

要向量化的文字。傳陣列則逐筆向量化，每筆回傳一個向量。

把向量截短到這個維數，僅部分模型支援。

向量的回傳編碼：數字陣列或 base64。

跑一次，結果會顯示在這裡。

或者在你自己的程式碼裡呼叫

curl https://gw.asale.ai/v1/embeddings \
  -H "Authorization: Bearer $ASALE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "The quick brown fox."
  }'

import os, requests

r = requests.post(
    "https://gw.asale.ai/v1/embeddings",
    headers={"Authorization": f"Bearer {os.environ['ASALE_API_KEY']}"},
    json={
      "model": "text-embedding-3-small",
      "input": "The quick brown fox."
    },
)
r.raise_for_status()
print(r.json())

const r = await fetch("https://gw.asale.ai/v1/embeddings", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.ASALE_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    "model": "text-embedding-3-small",
    "input": "The quick brown fox."
  }),
});
if (!r.ok) throw new Error(await r.text());
console.log(await r.json());

欄位	型別	取值	含義
model必填	string	—	由哪個模型處理。
input必填	text	—	要向量化的文字。傳陣列則逐筆向量化，每筆回傳一個向量。
dimensions	int	1 … —	把向量截短到這個維數，僅部分模型支援。
encoding_format	enum	float · base64	向量的回傳編碼：數字陣列或 base64。

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        0.0023,
        -0.0091,
        "…"
      ]
    }
  ],
  "model": "text-embedding-3-small",
  "usage": {
    "prompt_tokens": 5,
    "total_tokens": 5
  }
}

Token 類型	原價 / 1M	市場價 / 1M	佔原價
輸入	—	—	—
輸出	0.02	0.02	100%
快取讀取	—	—	—
快取寫入	—	—	—

這個價格背後的供給，被量出來的樣子。是讀數，不是承諾；而且只給總數——哪一位賣家出了問題，是他和我們之間的事。

線上通道: 50
已驗證通道: 1/1; 已證明確實在服務該模型
首位元組 (p50): —
成功率: —; 視窗內沒有已結算的請求
可售容量: 100.0M; 此刻掛出的 token 數

延遲與驗證取近一天的量測；成功率來自真實成交。查看服務狀態

目前售價為官方原價的 100%。線上賣家越多價格越低，買入呼叫越多價格越向原價回升。

佔原價: 100%
線上賣家: 50
呼叫 / 分鐘: 0

價格 / 1M賣家