# 임베딩 — /v1/embeddings

> 검색·추천에 쓰는 벡터. 입력 단가만 있습니다.

> 원문: https://schoolorder.kr/docs/reference/embeddings

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

**문장 하나를 벡터로**

```bash
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 |
| --- | --- | --- |
| `model` (필수) | 임베딩 모델 id | 글 모델을 넣으시면 400 으로 /v1/chat/completions 로 가시라고 알려드려요. |
| `input` (필수) | 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. |

> **출력 단가가 없어요**
>
> 임베딩은 답으로 글을 만들지 않아서 출력 토큰이 없어요. 그래서 표의 「출력 / 1M」이 $0 인데, 이건 공짜라는 뜻이 아니라 그 칸이 없다는 뜻이에요.

## 이 문이 받는 모델

#### 임베딩 — `POST /v1/embeddings`

| model | 제공사 | 입력 / 1M | 출력 / 1M | 컨텍스트 |
| --- | --- | --- | --- | --- |
| text-embedding-3-small | openai | $0.02 | $0 | — |
| text-embedding-3-large | openai | $0.13 | $0 | — |
| text-embedding-ada-002 | openai | $0.1 | $0 | — |
| gemini-embedding-001 | google | $0.15 | $0 | — |
| gemini-embedding-2 | google | $0.2 | $0 | — |