模型路由 向量嵌入模型

一、概述

POST /v1/embeddings

二、前提条件

1. 建议提前阅读 使用约束 与 支持的模型提供商 了解相关信息。

2. 已创建模型路由实例，详细操作指导请参见 创建模型路由实例。

3. 已创建 BYOK 实例，详细操作指导请参见 创建 BYOK 实例。

4. 已创建模型路由访问密钥（API Key），详细操作指导请参见 创建模型路由访问密钥。

5. 已完成向量嵌入模型关联和模型路由策略配置，详细操作指导请参见 配置模型调度管理。

四、请求地址

POST {CMR_BASE_URL}/v1/embeddings

CMR_BASE_URL 为 CMR 实例的访问地址，请以控制台展示为准。

五、请求头

七、cURL

curl –request POST "${CMR_BASE_URL}/v1/embeddings" \\ –header "Authorization: Bearer ${CMR_API_KEY}" \\ –header "Content-Type: application/json" \\ –data '{ "model": "cmr-text-embedding", "input": "今天深圳的天气很好" }'

八、Python

import osimport requestsresponse = requests.post( f"{os.environ['CMR_BASE_URL']}/v1/embeddings", headers={ "Authorization": f"Bearer {os.environ['CMR_API_KEY']}", "Content-Type": "application/json", }, json={ "model": "cmr-text-embedding", "input": "今天深圳的天气很好", }, timeout=30,)response.raise_for_status()result = response.json()print(result["data"][0]["embedding"])

十、基本参数

十一、文本输入

单条文本：

{ "model": "cmr-text-embedding", "input": "查询文本"}

批量文本：

{ "model": "cmr-text-embedding", "input": ["Query: 如何重置密码？", "Document: 在账户安全页面选择重置密码。"]}

批量请求时，可通过响应中的 data[].index 将向量与输入项对应。

十二、多模态输入

支持在一组输入中组合文本和图片。input 按下表填写：

请求示例：

{ "model": "cmr-multimodal-embedding", "input": { "type": "multimodal", "content": [ { "type": "text", "text": "红色跑鞋" }, { "type": "image_url", "image_url": { "url": "https://example.com/red-shoe.jpg" } } ] }, "encoding_format": "float"}

上例仅演示使用公网 URL 传入图片。其他图片格式是否可用，请查看所选上游模型的说明。当前标准请求不支持视频、多组多模态输入，也不支持在顶层直接混用文本和图片数组。

十三、Provider 自定义请求参数

CMR Standard 字段包括 model、input、dimensions、encoding_format 和 user。如需传入 input_type、instruction 等 CMR Standard 之外的 Provider 参数，可配置自定义字段透传。

例如，已放通 input_type 时：

{ "model": "cmr-text-embedding", "input": "如何重置密码？", "input_type": "query"}

自定义参数的名称、类型和含义以当前 Provider 为准。更换模型或 Provider 前，请确认相同参数仍然适用。

十五、基本响应字段

十六、响应向量结果

每个 data[] 结果至少包含 Dense、Sparse 或 Multi-vector 中的一种。所选模型支持时，同一个结果可同时包含多种向量。

sparse_embedding 中每个元素的含义如下：

十七、Provider 自定义响应参数

除上述字段外，响应中可能保留上游 Provider 返回的额外信息。例如：

·响应顶层的 request_id；

·data[] 中表示向量类型的 type。

这些字段以实际响应为准，更换模型或 Provider 后可能不再返回或含义发生变化。

十八、响应示例

以下示例仅展示字段形式，向量值、向量维度和 Token 用量以实际返回为准。

十九、Dense 向量

{ "id": "emb-7f3a2c10", "created": 1787385661, "object": "list", "data": [ { "object": "embedding", "index": 0, "embedding": [0.012, -0.034, 0.021] } ], "model": "cmr-text-embedding", "usage": { "prompt_tokens": 4, "total_tokens": 4 }}

20、Dense + Sparse 向量

{ "id": "emb-a1b2c3d4", "created": 1787385661, "object": "list", "data": [ { "object": "embedding", "index": 0, "embedding": [0.018, -0.041, 0.007], "sparse_embedding": [ { "index": 18452, "value": 0.73, "token": "数据库" } ] } ], "model": "cmr-hybrid-embedding", "usage": { "total_tokens": 9 }, "request_id": "provider-request-id"}

21、Dense + Multi-vector

{ "id": "emb-9e8d7c6b", "created": 1787385661, "object": "list", "data": [ { "object": "embedding", "index": 0, "embedding": [0.016, -0.028, 0.031], "multi_embedding": [ [0.021, -0.013, 0.009], [0.008, 0.034, -0.017] ] } ], "model": "cmr-multimodal-embedding"}

22、错误响应

·CMR Embedding API 使用统一的错误响应形式：

{ "error": { "message": "Invalid input: input is required.", "type": "invalid_request_error", "param": "input", "code": "400" }}

CMR 可能在错误中保留已安全处理的上游附加信息。客户端应优先根据 HTTP 状态码处理失败，不要依赖上游错误文案始终不变。

·常见 HTTP 状态码：