向量嵌入 — OpenAI 格式

POST/v1/embeddings

调用嵌入模型将文本转换为向量，兼容 OpenAI Embeddings API。

Bearer Token

模型介绍

嵌入模型将文本映射为高维向量，向量之间的余弦相似度可反映语义相似度，是检索增强生成（RAG）、语义搜索、聚类等场景的核心组件。

支持模型

当前仅以下两个嵌入模型在售（与基准 /v1/models 一致）：

模型	模态	说明
`doubao-embedding-text`	仅文本	豆包文本嵌入（轻量）
`doubao-embedding-large`	仅文本	豆包大维度文本嵌入

规划中（暂未开通）

以下旧清单模型当前未上架，为后续接入规划：

embedding-3 / embedding-3-large / embedding-3-small（智谱 / OpenAI 系旧名）
embedding-2
BAAI/bge-m3、Pro/BAAI/bge-m3（硅基流动）

请求参数

参数	类型	必填	默认值	描述
model	string	是	-	模型名，当前在售：`doubao-embedding-text`、`doubao-embedding-large`
input	string \| array	是	-	要嵌入的文本，支持单条或批量
dimensions	integer	否	-	输出维度；是否支持及可选值以具体模型为准
encoding_format	string	否	`float`	编码格式，可选 `float` 或 `base64`
user	string	否	-	终端用户标识，用于监控与滥用检测

请求示例

bash

curl /v1/embeddings \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-embedding-text",
    "input": "hello world"
  }'

批量嵌入示例

python

texts = ["第一段文本", "第二段文本", "第三段文本"]

resp = client.embeddings.create(
    model="doubao-embedding-text",
    input=texts,
)
for i, item in enumerate(resp.data):
    print(i, item.embedding[:3])

响应示例

json

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [0.0123, -0.0456, 0.0789, ...]
    }
  ],
  "model": "doubao-embedding-text",
  "usage": {
    "prompt_tokens": 5,
    "total_tokens": 5
  }
}

注意事项

批量请求最多 2048 条，超过会返回 400。
dimensions 参数是否支持以具体模型为准（规划中模型如 embedding-3-large 支持降至 256/512/1024 等维度以节省存储）。
中文检索场景当前可用 doubao-embedding-text / doubao-embedding-large；更多模型（bge-m3 等）见上方「规划中」清单。
计费按输入 token 总数计算。

向量嵌入 — OpenAI 格式 ​

模型介绍 ​

支持模型 ​

规划中（暂未开通） ​

请求参数 ​

请求示例 ​

批量嵌入示例 ​

响应示例 ​

注意事项 ​