> ## 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.

# エンベディング

> AiHubMixは、OpenAI互換の高効率ベクトルエンベディングソリューションを提供します。

## 使用ガイド

AiHubMixエンベディングモデルは、テキストや文書コンテンツを検索可能なベクトルデータに効率的に変換し、RAG Q\&Aシステムやインテリジェント顧客サポートで広く使用されています。プレーンテキストでも完全な文書でも、1回の呼び出しでエンベディングを生成して、セマンティック処理を大幅に改善できます。

<CodeGroup>
  ```py 汎用エンベディング theme={null}
  from openai import OpenAI
  import os

  client = OpenAI(
      api_key="sk-***", # AIHUBMIXダッシュボードで生成したキーに置き換える
      base_url="https://aihubmix.com/v1"
  )

  response = client.embeddings.create(
      input="ここにテキスト文字列を入力",
      model="gemini-embedding-001"
  )

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

  ```py 文書を読み取ってエンベディング theme={null}
  from openai import OpenAI
  import os

  client = OpenAI(
      api_key="sk-***", # AIHUBMIXダッシュボードで生成したキーに置き換える
      base_url="https://aihubmix.com/v1"
  )

  # ファイルを読み取る
  def read_whimery_file():
      try:
          with open('yourpath/file.md', 'r', encoding='utf-8') as file:
              return file.read()
      except Exception as e:
          print(f"ファイル読み取りエラー: {e}")
          return None

  # コンテンツを読み取ってエンベディングを作成
  content = read_whimery_file()
  if content:
      response = client.embeddings.create(
          input=content,
          model="gemini-embedding-001"
      )
      
      print("ファイルコンテンツがエンベディングに正常に処理されました")
      print(f"エンベディング次元: {len(response.data[0].embedding)}")
      print("最初の10個のエンベディング値:", response.data[0].embedding[:10])
  else:
      print("ファイルコンテンツの読み取りに失敗しました")

  ```
</CodeGroup>

## 利用可能なモデル

* 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

***

最終更新日：2026-06-01