Baidu付費運作正常
Embedding V1
API 模型名稱: Embedding-V1
Embedding V1 是 Baidu 的嵌入模型，於 Api.Airforce 統一 API 上提供服務。 它的定價為每百萬輸入 tokens TWD 2.21，每百萬輸出 tokens TWD 3.15。 透過 OpenAI 相容 API 以單一金鑰存取它，並可一併使用 Api.Airforce 上 65 種以上的其他模型。
定價
Api.Airforce 價格與供應商官方費率的比較。
規格
- 供應商
- Baidu
- 類型
- 嵌入模型
Embedding V1 有哪些使用情境？
- models.detail.useCases.embedding
相關模型
ERNIE 3.5 8KBaidu · TWD 3.78 / 1MERNIE 4.0 8KBaidu · TWD 18.61 / 1MERNIE Character 8KBaidu · TWD 1.26 / 1MERNIE Functions 8KBaidu · TWD 10.41 / 1MERNIE Lite 8KBaidu · TWD 5.36 / 1MERNIE Speed 128KBaidu · TWD 6.62 / 1MERNIE Speed 8KBaidu · TWD 6.62 / 1MERNIE Tiny 8KBaidu · TWD 2.21 / 1MGPT 5.1 Codex MiniOpenAI · TWD 5.05 / 1MGPT 5.2OpenAI · TWD 5.68 / 1MGPT 5.2 ChatOpenAI · TWD 58.03 / 1MGPT 5.2 Chat LatestOpenAI · TWD 58.03 / 1M
Embedding V1 — 常見問題
- Embedding V1 的費用是多少？
- Embedding V1 採依用量計費，輸入 token 為每 1M TWD 2.21，輸出 token 為每 1M TWD 3.15。無需訂閱 — 僅需為實際用量付費。
- Embedding V1 具備哪些能力？
- Embedding V1 是 Baidu 的嵌入模型，可透過 Api.Airforce API 存取。
- Embedding V1 可以免費使用嗎？
- Embedding V1 為付費依用量計費模型 — 無需訂閱，僅依實際用量收費。
- 如何透過 API 使用 Embedding V1？
- Embedding V1 相容於 OpenAI。將任何 OpenAI SDK 指向 https://api.airforce/v1，並傳入模型 ID Embedding-V1 及您的 Api.Airforce API 金鑰即可。
- Embedding V1 由誰開發？
- Embedding V1 是 Baidu 的嵌入模型，透過 Api.Airforce 統一閘道提供服務，涵蓋 100+ 個其他模型。
正在載入即時指標…
正在載入即時指標…
正在載入即時指標…
透過 API 使用 Embedding V1
OpenAI 相容 — 將任何 OpenAI SDK 指向 https://api.airforce/v1，並以 Embedding-V1 作為模型。
cURL
curl https://api.airforce/v1/chat/completions \
-H "Authorization: Bearer $AIRFORCE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "Embedding-V1",
"messages": [{ "role": "user", "content": "Hello!" }]
}'Python
from openai import OpenAI
client = OpenAI(base_url="https://api.airforce/v1", api_key="$AIRFORCE_API_KEY")
r = client.chat.completions.create(
model="Embedding-V1",
messages=[{"role": "user", "content": "Hello!"}],
)
print(r.choices[0].message.content)JavaScript
import OpenAI from "openai";
const client = new OpenAI({ baseURL: "https://api.airforce/v1", apiKey: process.env.AIRFORCE_API_KEY });
const r = await client.chat.completions.create({
model: "Embedding-V1",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(r.choices[0].message.content);