임베딩 — /v1/embeddings

검색·추천에 쓰는 벡터. 입력 단가만 있습니다.

문서 검색(RAG)이나 추천을 만들 때 쓰는 벡터예요. 출력 토큰이 없어서 입력 단가만 있어요. OpenAI SDK 를 그대로 쓰시면 돼요.

문장 하나를 벡터로

curl https://schoolorder.kr/v1/embeddings \
  -H "Authorization: Bearer $SCHOOLORDER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "3학년 수학 분수 단원 정리"
  }'

요청 파라미터#

요청 본문 (JSON)

파라미터	받는 값	저희가 하는 일
model필수	임베딩 모델 id	글 모델을 넣으시면 400 으로 /v1/chat/completions 로 가시라고 알려드려요.
input필수	문자열 또는 문자열 배열	배열로 여러 개를 한 번에 보내실 수 있어요. 값은 보내신 토큰만큼만 차감돼요.
dimensions · encoding_format	벤더 문서에 있는 값	저희가 거르지 않고 그대로 넘겨요.

이 문이 받는 모델#

임베딩 — 검색·추천을 위한 벡터

POST /v1/embeddings

OpenAI

model	입력 / 1M	컨텍스트
text-embedding-3-smallText Embedding 3 Small	$0.02	—
text-embedding-3-largeText Embedding 3 Large	$0.13	—
text-embedding-ada-002Text Embedding Ada 002	$0.1	—

Google

model	입력 / 1M	컨텍스트
gemini-embedding-001Gemini Embedding 001	$0.15	—
gemini-embedding-2Gemini Embedding 2	$0.2	—

이 문서를 AI 에게 넘기시려면 마크다운 원문을 쓰세요 — 주소 끝에 .md 를 붙이면 나와요.