> ## Documentation Index
> Fetch the complete documentation index at: https://docs.gravitex.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Embeddings (OpenAI 형식)

> POST /v1/embeddings 텍스트 임베딩

## 소개

텍스트를 벡터 임베딩으로 변환하여 시맨틱 검색, 유사도 계산, 클러스터링에 활용합니다. OpenAI Embeddings API와 호환됩니다.

## 인증

<ParamField header="Authorization" type="string" required>
  Bearer Token, 예: `Bearer sk-xxxxxxxxxx`
</ParamField>

## 요청 본문

<ParamField body="model" type="string" required>
  모델 이름, 예: `text-embedding-3-small`, `text-embedding-3-large`, `text-embedding-ada-002`
</ParamField>

<ParamField body="input" type="string | array" required>
  임베딩할 텍스트(문자열 또는 문자열 배열)
</ParamField>

<ParamField body="encoding_format" type="string" default="float">
  `float` 또는 `base64`
</ParamField>

<ParamField body="dimensions" type="integer">
  출력 차원 수(일부 모델만 지원)
</ParamField>

## 예시

```bash theme={null}
curl https://api.gravitex.ai/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -d '{
    "model": "text-embedding-3-small",
    "input": "Hello, world"
  }'
```

## Python 예시

```python theme={null}
from openai import OpenAI

client = OpenAI(
    api_key="sk-xxxxxxxxxx",
    base_url="https://api.gravitex.ai/v1"
)

response = client.embeddings.create(
    model="text-embedding-3-small",
    input="Hello, world"
)

print(response.data[0].embedding)
```

## 지원 모델

| Model                  | Dimensions | Notes  |
| ---------------------- | ---------- | ------ |
| text-embedding-3-small | 1536       | 비용 효율적 |
| text-embedding-3-large | 3072       | 고정밀    |
| text-embedding-ada-002 | 1536       | 레거시    |

<Note>
  * `input`에 배열을 전달하면 일괄 임베딩이 가능합니다
  * 일부 모델은 사용자 지정 `dimensions`를 지원합니다
</Note>