Passer au contenu principal

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.

​
Guide d’utilisation

Les modèles d’embedding d’AiHubMix convertissent efficacement le texte ou le contenu de documents en données vectorielles interrogeables, largement utilisés dans les systèmes de questions-réponses RAG et le support client intelligent. Que ce soit pour du texte brut ou des documents complets, vous pouvez générer des embeddings en un seul appel pour améliorer significativement le traitement sémantique. 
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)

​
Modèles disponibles

  • 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
Dernière mise à jour : 2026-06-01