/v1/embeddings mengonversi teks menjadi vektor floating-point berdimensi tinggi untuk klasterisasi, pencarian semantik, dan pipeline RAG.
from openai import OpenAI
import os
client = OpenAI(
base_url="https://api.neosantara.xyz/v1",
api_key=os.environ["NEOSANTARA_API_KEY"]
)
response = client.embeddings.create(
model="gemini-embedding-001",
input=[
"Neosantara adalah AI Gateway Indonesia untuk developer.",
"Arsitektur latensi rendah mengoptimalkan inferensi."
]
)
for item in response.data:
print(f"Indeks: {item.index}, Panjang Vektor: {len(item.embedding)}")
curl -X POST https://api.neosantara.xyz/v1/embeddings \
-H "Authorization: Bearer $NEOSANTARA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-embedding-001",
"input": "Pencarian semantik data perbankan."
}'
Parameter Permintaan
| Parameter | Tipe | Wajib | Keterangan |
|---|---|---|---|
model | string | Ya | Pengidentifikasi model embedding (contoh: gemini-embedding-001, text-embedding-3-small). |
input | string | array | Ya | Teks tunggal atau daftar teks (array) yang ingin di-embed. |
dimensions | integer | Opsional | Jumlah dimensi vektor keluaran (didukung pada model tertentu). |
encoding_format | string | Opsional | Format vektor: "float" atau "base64". Default "float". |
Model Embedding yang Tersedia
| Model ID | Provider | Context Window | Capabilities | Pricing (Input/Output per 1M) |
|---|---|---|---|---|
gemini-embedding-001 | 2k tokens | Embeddings | 0.15/0 | |
nusa-embedding-0001 | Neosantara | N/A | Embeddings | Free / Included |
nv-embed-v1 | NVIDIA | 32k tokens | Embeddings | Rp 150 / Rp 0 |
text-embedding-3-small | OpenAI | 8k tokens | Embeddings | 0.02/0 |