Embeddings-API

curl https://embeddings.conare.ai/api/v1/embeddings \
  -H "Authorization: Bearer $CONARE_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "input_type": "document",
    "input": [
      "User prefers smaller islands, wants to avoid crowds.",
      "ASA 104 certified, comfortable with bareboat charters."
    ]
  }'

{
  "success": true,
  "model": "...",
  "dims": 1024,
  "embeddings": [[0.0132, -0.0087, "..."], ["..."]],
  "usage": { "totalChars": 98, "approxTokens": 25 }
}

​

Semantik

• Zustandslos. Es wird nichts gespeichert, und dies ist die einzige Route ohne endUserId – kein Endnutzer ist beteiligt.
• Grenzen. Bis zu 96 Inputs pro Aufruf, jeweils höchstens 8.192 Zeichen.
• Vektorrolle. input_type: "document" (Standard) erzeugt zu speichernde Vektoren. input_type: "query" erzeugt Suchvektoren mit derselben UTC-Konditionierung [asked YYYY-MM-DD] wie die verwaltete Conare-Suche. DR2E5 ist asymmetrisch: Suchen Sie nie mit einem Dokumentvektor.
• Deterministische Reihenfolge. Vektoren werden einheitsnormiert und in Eingabereihenfolge zurückgegeben.
• Auth. Verwenden Sie denselben sk-conare-...-Plattformschlüssel wie für ConareDB in Authorization: Bearer sk-conare-....

​

Modell-Pinning

{ "input": ["..."], "model": "the-model-name-from-a-previous-response" }

​

Messung