Embeddings / 阿里云

Text Embeddings API

将文本转换为高维向量表示，用于语义搜索、文本聚类、推荐系统等场景。API 为同步调用，请求后立即返回嵌入向量结果，无需轮询。

请求端点

POSThttps://nexusflow.hk/v1/embeddings

支持的模型

模型 ID	供应商	向量维度	价格
`text-embedding-v4`	阿里云	2048/1536/1024/768/512/256/128/64	¥0.5/百万 tokens

请求参数

参数	类型	必选	说明
`model`	string	*	嵌入模型 ID，固定值：text-embedding-v4。
`input`	string \| string[]	*	要嵌入的文本。可以是单个字符串或字符串数组（批量处理）。
`encoding_format`	string	-	返回向量的编码格式，可选值："float"（默认）或 "base64"。

代码示例

curl -X POST 'https://nexusflow.hk/v1/embeddings' \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-v4",
    "input": "nexusflow 是一个统一的大模型 API 平台"
  }'

响应格式

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0023064255, -0.009327292, 0.015797347, ...]
    }
  ],
  "model": "text-embedding-v4",
  "usage": {
    "prompt_tokens": 12,
    "total_tokens": 12
  }
}

响应字段

字段	类型	说明
`object`	string	固定值 "list"，表示返回的是嵌入向量列表。
`data[].embedding`	array	浮点数向量数组，维度取决于模型。
`data[].index`	integer	对应输入文本的索引位置（从 0 开始）。
`model`	string	本次请求使用的模型 ID。
`usage`	object	Token 使用统计，包含 prompt_tokens 和 total_tokens。

应用场景

语义搜索

将查询和文档转换为向量，通过向量相似度实现语义级别的搜索，比关键词匹配更精准。

文本聚类

对大量文本进行聚类分析，自动发现隐含的主题和模式，适用于舆情分析、内容归类。

推荐系统

基于内容向量相似度为用户推荐相关文章、商品或服务，提升个性化体验。

异常检测

通过计算文本向量与正常样本的距离，识别偏离正常模式的异常内容或行为。