openai/text-embedding-ada-002۳۰٪ تخفیفتا ۱۳ آذر ساعت ۰۰:۰۰، ساعت تهران۳۳ مدل فعال Embedding
قیمت ورودی و خروجی از کاتالوگ فعلی پاستا خوانده میشود. شناسهٔ دقیق مدل را از همین جدول بردارید.
openai/text-embedding-3-large۳۰٪ تخفیفتا ۱۳ آذر ساعت ۰۰:۰۰، ساعت تهرانopenai/text-embedding-3-small۳۰٪ تخفیفتا ۱۳ آذر ساعت ۰۰:۰۰، ساعت تهرانvoyageai/voyage-code-4voyageai/voyage-4-litevoyageai/voyage-4voyageai/voyage-4-largeamazon/titan-embed-text-v1amazon/titan-embed-text-v2mongodb/voyage-code-4یک نشانی برای اتصال به مدلها
شناسهٔ دقیق مدل را از کاتالوگ بالا بردارید و کلید API را فقط در سمت سرور نگه دارید.
از آزمایش تا اتصال برنامه
پیش از اتصال مدل به برنامه، کیفیت پاسخ را آزمایش کنید و دسترسی و سقف مصرف را مشخص کنید.
۱
مدل را مقایسه کنید.
قیمت، زمینه و قابلیتهای مدل فعال را در جدول ببینید.
- ۲
کلید محدود بسازید.
مدل مجاز، سقف مصرف و تاریخ انقضا را پیش از استفاده تعیین کنید.
- ۳
در Playground امتحان کنید.
یک درخواست واقعی بفرستید و سپس همان شناسه را در برنامه قرار دهید.
Embedding را با یک درخواست واقعی ارزیابی کنید.
نتیجه و هزینه به مدل فعال، طول ورودی و خروجی بستگی دارد. این نمونه را در Playground اجرا کنید و سپس راهنمای متناسب با ابزار خود را ادامه دهید.
برای ۱۰۰ پرسش فارسی، Recall@10، زمان پاسخ و هزینه هر هزار سند را بین مدلهای امبدینگ مقایسه کن.
ساخت RAG با pgvector
Chunk، Embedding، ذخیره بردار و بازیابی
مطالعهٔ راهنماانتخاب مدل امبدینگ فارسی
Eval کیفیت، ابعاد، سرعت و هزینه
مطالعهٔ راهنماAPI خانوادههای دیگر
Qwen API
تولید و تکمیل کد
GPT API
چتبات و دستیار محصول
Gemini API
چت و تولید محتوای فارسی
Claude API
تحلیل اسناد و متنهای بلند
GPT-6 Luna API
چت و پاسخ تعاملی
Claude Opus 5.5 API
تغییر و بازبینی کد چندفایلی
GPT-6 Sol API
کدنویسی و بازبینی چندفایلی
DeepSeek API
Agentهای کدنویسی و بازبینی کد
همهٔ خانوادههای API
سوالات پرتکرار
API امبدینگ چیست؟
API امبدینگ متن را به آرایهای عددی تبدیل میکند تا بتوان شباهت معنایی، بازیابی سند و جستجوی برداری انجام داد. این خروجی متن تولید نمیکند.
برای RAG کدام مدل امبدینگ مناسب است؟
مدل را با اسناد و پرسشهای واقعی خودتان براساس Recall، زبان فارسی، ابعاد بردار، سرعت و هزینه ارزیابی کنید. جدول زنده این صفحه مدلهای فعال را نشان میدهد.
هزینه API امبدینگ چگونه محاسبه میشود؟
هزینه معمولاً از حجم ورودی و قیمت مدل ساخته میشود. علاوه بر ایندکس اولیه، هزینه بهروزرسانی اسناد و Queryهای روزانه را نیز در برآورد وارد کنید.
Embedding را با دادههای خودتان شروع کنید.
مدل مناسب را مقایسه کنید، دسترسی را محدود کنید و اولین درخواست را از برنامهٔ خودتان بفرستید.




