Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.aihubmix.com/llms.txt

Use this file to discover all available pages before exploring further.

​
Verwendungsanleitung

Die Embedding-Modelle von AiHubMix wandeln Text- oder Dokumentinhalte effizient in durchsuchbare Vektordaten um und werden häufig in RAG-Q&A-Systemen und im intelligenten Kundensupport eingesetzt. Egal ob für reinen Text oder ganze Dokumente – mit einem einzigen Aufruf können Sie Embeddings generieren und die semantische Verarbeitung deutlich verbessern. 
from openai import OpenAI
import os

client = OpenAI(
    api_key="sk-***", # Replace with the key you generated in the AIHUBMIX dashboard
    base_url="https://aihubmix.com/v1"
)

response = client.embeddings.create(
    input="Your text string goes here",
    model="gemini-embedding-001"
)

print(response.data[0].embedding)

​
Verfügbare Modelle

  • gemini-embedding-001
  • gemini-embedding-exp-03-07
  • text-embedding-3-large
  • text-embedding-3-small
  • text-embedding-ada-002
  • jina-embeddings-v4
  • jina-embeddings-v3
  • jina-embeddings-v2-base-code
  • text-embedding-v4
  • Qwen/Qwen3-Embedding-0.6B
  • doubao-embedding-large-text-240915
  • doubao-embedding-text-240715
Zuletzt aktualisiert: 2026-06-01