Metin Gömme (Embeddings)

Embedding modelleri metni sabit uzunlukta bir sayısal vektöre dönüştürür. İki vektör arasındaki kosinüs benzerliği, ilgili metinlerin anlamsal olarak ne kadar yakın olduğunu ölçer; bu da arama, kümeleme, öneri sistemi ve anomali tespiti gibi işlerde kullanılır.

Google'ın multimodal (metin + görsel + ses + video + PDF) embedding modelleri ayrı bir girdi biçimi kullanır; onlar için Google Embeddings sayfasına bakın. Bu sayfa yalnızca metin girdisi kabul eden OpenAI uyumlu embedding modellerini kapsar.

Modeller

Model	Bağlam	Çıktı boyutu	Fiyat ($/1M token)
openai/text-embedding-3-large	8.192	en fazla 3072 (değişken)	0,13
openai/text-embedding-3-small	8.192	en fazla 1536 (değişken)	0,02
openai/text-embedding-ada-002	8.192	1536 (sabit)	0,10
voyageai/voyage-4-large	32.000	256/512/1024/2048	0,12
voyageai/voyage-4	32.000	256/512/1024/2048	0,06
voyageai/voyage-4-lite	32.000	256/512/1024/2048	0,02
voyageai/voyage-code-4	32.000	256/512/1024/2048	0,12
voyageai/voyage-code-3	32.000	256/512/1024/2048	0,18
voyageai/voyage-finance-2	32.000	1024 (sabit)	0,12
voyageai/voyage-law-2	16.000	1024 (sabit)	0,12
voyageai/voyage-context-4	32.000	256/512/1024/2048	0,18
perplexity/pplx-embed-v1-0.6b	32.000	1024 (sabit)	0,004
perplexity/pplx-embed-v1-4b	32.000	2560 (sabit)	0,03
perplexity/pplx-embed-context-v1-0.6b	32.000	1024 (sabit)	0,008
perplexity/pplx-embed-context-v1-4b	32.000	2560 (sabit)	0,05
llmtr/embeddinggemma-300m	2.048	768 (sabit)	0,10
liquid/lfm-2.5-embedding-350m-free	512	1024 (sabit)	Ücretsiz

Tablodaki satırların tamamı yalnızca metin girdisi alır. Katalogda farklı girdi biçimi kullanan embedding satırları da vardır — Google'ın multimodal modelleri ve voyageai/voyage-multimodal-3.5 — ve bu sayfa onları kapsamaz; aşağıdaki listeleme komutu onları da döndürür.

perplexity/pplx-embed-context-* ve voyageai/voyage-context-4 satırları iç içe dizi girdisi bekler: dış liste dokümanları, iç liste o dokümanın parçalarını gösterir. Diğer tüm satırlar tek seviyeli input alır. Uç nokta her iki durumda da aynıdır: /v1/embeddings.

liquid/lfm-2.5-embedding-350m-free, kısa metinleri 1024 boyutlu sabit vektörlere dönüştüren ücretsiz bir seçenektir. Metin başına 512 token sınırı vardır. Başarılı istekler Liquid modellerinin eğitimi için saklanıp kullanılabileceğinden hassas, kişisel veya müşteri verilerini bu modele göndermeyin.

Katalogdaki tüm embedding modellerini listelemek için:

curl -s "$LLMTR_BASE_URL/v1/models" \
  | jq -r '.data[] | select(.supported_operations[] == "EMBEDDINGS").id'

İstek

curl "$LLMTR_BASE_URL/v1/embeddings" \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "openai/text-embedding-ada-002",
    "input": "Faturalar her ayın ilk iş günü kesilir."
  }'

input alanı tek bir metin dizesi veya metin dizisi (batch) olabilir:

{
  "model": "openai/text-embedding-ada-002",
  "input": ["ilk metin", "ikinci metin", "üçüncü metin"]
}

Alan	Zorunlu	Açıklama
model	Evet	Embedding modelinin kimliği.
input	Evet	Tek bir metin dizesi veya metin dizisi.
dimensions	Hayır	Yalnızca değişken çıktı boyutunu destekleyen satırlarda geçerlidir: openai/text-embedding-3-large (3072'ye kadar herhangi bir değer), openai/text-embedding-3-small (1536'ya kadar herhangi bir değer) ve çoğu Voyage satırı (tablodaki değerlerden biri). Voyage ailesindeki voyage-finance-2 ve voyage-law-2 sabit boyutludur; bu satırlarda desteklenmeyen bir değer 400 invalid_request ile kabul edilen değerleri listeler. openai/text-embedding-ada-002 bu alanı hiç desteklemez ve 400 provider_error döner.

Yanıt

{
  "object": "list",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0023, -0.0091, "..."] }
  ],
  "model": "openai/text-embedding-ada-002",
  "usage": { "prompt_tokens": 9, "total_tokens": 9 }
}

data dizisindeki her öge, input dizisindeki aynı konumdaki metnin vektörünü taşır; sırayı index alanıyla eşleştirin.

Faturalandırma

Ücret yalnızca girdi tokenları üzerindendir; embedding modellerinde çıktı tokeni kavramı yoktur. usage.prompt_tokens faturalanan token sayısını taşır.

Model fiyatlarına platform marjı eklenmez; marj yalnızca kredi yüklemede geçerlidir. Ayrıntı için Faturalandırma sayfasına bakın.

Model seçimi

openai/text-embedding-3-large, OpenAI'nin en yetenekli embedding modelidir; 8.192 token bağlam penceresi sunar ve en fazla 3072 boyutlu vektör üretir. openai/text-embedding-3-small aynı bağlam penceresini paylaşır ve daha düşük fiyatla en fazla 1536 boyutlu vektör üretir. dimensions parametresiyle her iki modelin çıktısı da küçültülebilir, bu da depolama maliyetini düşürürken bir miktar doğruluktan ödün verir.

openai/text-embedding-ada-002, OpenAI'nin daha eski nesil embedding modelidir; aynı 8.192 token bağlam penceresine sahiptir ancak sabit 1536 boyutlu vektör üretir. Çıktı boyutunu küçültme desteği (dimensions parametresi) yoktur; bu özellik yalnızca daha yeni OpenAI embedding modellerinde, text-embedding-3-large ve text-embedding-3-small'da bulunur.

Voyage ailesi modelleri dimensions parametresiyle 256'dan 2048'e kadar değişken çıktı boyutu ve niceleme (quantization) seçenekleri sunar; vektör veritabanı depolama maliyetini düşürmek isteyen entegrasyonlarda tercih edilir. voyageai/voyage-context-4, bir dokümanın parçalarını birbirinin bağlamıyla birlikte vektörleştirir.

Hatalar

Durum	Anlamı
400 invalid_request	input veya model alanı eksik/geçersiz — istek gateway'in kendi şema doğrulamasında reddedildi.
404 model_not_found	Model kimliği katalogda yok.
400 unsupported_operation	Model embedding desteklemiyor. Sohbet modeline embedding isteği göndermiş olabilirsiniz.
429 rate_limit_error	API anahtarının istek limiti aşıldı.
400/502 provider_error	Sağlayıcının kendisi isteği reddetti veya tamamlayamadı. Örneğin sabit boyutlu bir modele dimensions göndermek 400 döner; sağlayıcı tarafındaki bir hata veya kesinti 502 döner.
503 model_unavailable	Model geçici olarak kullanılamıyor. İsteğinizde değiştireceğiniz bir şey yoktur; bir süre sonra tekrar deneyin.

Hata biçimi için Hatalar sayfasına bakın.