向量嵌入

更新于 2026-09-04

文本向量化接口，OpenAI 兼容协议，Tengri 向量模型对蒙古文等民族语种支持更好。

能力与场景

向量嵌入把文本转换为高维语义向量，是语义检索、RAG 知识库、聚类去重、相似度计算的基础组件。Tengri 向量模型对传统蒙古文、西里尔蒙古文、藏文、维吾尔文等民族语种做过专项优化，是蒙古语语义检索场景的推荐选择；同时提供通用多语向量模型可选。接口协议与 OpenAI Embeddings 完全兼容，OpenAI SDK 替换 base_url 与 api_key 即可使用。

端点列表

方法	路径	说明
POST	`/v1/embeddings`	文本向量化（OpenAI 兼容，支持单条与批量输入）

每个端点的请求参数、响应结构与可运行代码示例见本页下方「API 参考」（随接口定义自动生成，始终与线上一致）。

调用要点

基址与鉴权与其他产品不同：基址 https://platform.heimori.cn/v1，令牌为 sk- 开头的 Tengri AI 令牌（不是 sk-heimori- 密钥）；首次使用请在控制台「Tengri AI」区一键开通或绑定已有账号。
input 支持单条字符串或字符串数组（批量），返回向量按 index 与输入顺序一一对应。
民族语种文本优先选民族语种优化的向量模型；与已有 OpenAI 向量库混用时注意不同模型的向量不可互比。当前上架的向量模型见官网「Tengri AI 模型价格」。
向量维度与单次批量上限以 API 参考为准；长文本建议先分块再向量化。
仅按输入 token 计费，从 Tengri AI 配额实时扣减。

支持语种

没有语种参数：多语向量模型直接处理输入文本，Tengri 向量模型对民族语种支持更好。
不同模型的向量空间不可互比，同一检索库请固定使用一个模型。

完整代码表与各产品对照见「语种与语言代码」。

计费

本产品使用独立的 Tengri AI 配额（与智能云余额互不相通）。
按 token 用量计费，各模型输入/输出单价不同，当前上架模型与实时价格见官网「Tengri AI 模型价格」或控制台「Tengri AI」区。
仅按输入 token 计费（向量结果不产生输出 token）。
充值入口在控制台「Tengri AI → 充值」，支持开具发票。

当前价格

按模型 token 单价从独立的 Tengri AI 配额扣减，各模型价格见Tengri AI 模型价格。

API 参考

本产品共 1 个接口，以下内容随接口定义自动生成。需要跨产品查找接口时可前往接口索引。

创建文本向量（OpenAI 兼容 · Tengri AI）

POSThttps://platform.heimori.cn/v1/embeddings

文本向量嵌入，协议与 OpenAI embeddings 兼容。

基址与鉴权与其他产品不同：基址为 https://platform.heimori.cn/v1， Authorization: Bearer <Tengri AI 令牌>（sk- 开头，在控制台「Tengri AI → API 令牌」创建，不是 sk-heimori- 密钥）。

模型（实时价格见官网「Tengri AI 模型价格」）：tengri-embedding-v1

input 支持单条字符串或字符串数组（批量）；返回向量按 index 与输入顺序对应。

计费：按输入 token 用量从 Tengri AI 配额实时扣减（embedding 无输出 token）。

请求参数application/json

参数	类型	说明
`model`必填	string	向量模型名，当前可选：tengri-embedding-v1 可选值：`tengri-embedding-v1` 示例：`tengri-embedding-v1`
`input`必填	string	待向量化文本：单条字符串或字符串数组（批量）

响应示例200 · application/json

200 响应

{
  "object": "list",
  "data": [
    {
      "object": "embedding",
      "index": 0,
      "embedding": [
        -0.0134,
        0.017,
        0.0057,
        "…"
      ]
    }
  ],
  "model": "tengri-embedding-v1",
  "usage": {
    "prompt_tokens": 8,
    "total_tokens": 8
  }
}

代码示例

curl https://platform.heimori.cn/v1/embeddings \
  -H "Authorization: Bearer sk-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tengri-embedding-v1",
    "input": "ᠰᠠᠶᠢᠨ ᠪᠠᠶᠢᠨ᠎ᠠ ᠤᠤ"
  }'