Embed English v3.0 - MixRoute API

Cohere 面向英语检索优化的文本向量模型。

模型信息

字段	说明
`model`	embed-english-v3.0
`context`	512 tokens
`default dimensions`	1024
`endpoint`	POST /v1/embeddings

上下文和输出长度为模型规格；实际请求限制、可用性与计费取决于 MixRoute 路由。

能力与使用

入库文档设置 input_type=search_document，检索问题设置 search_query；其他任务可使用 classification 或 clustering。
本接口示例处理文本；不要假设 Cohere 原生图片/PDF 输入对象可直接用于 OpenAI 兼容的 input 字段。
文档和查询必须使用相同模型及向量维度；输出位于 data[].embedding。

请求示例

调用前设置 MIXROUTE_API_KEY。

curl --request POST "https://api.mixroute.ai/v1/embeddings" \
  --header "Authorization: Bearer $MIXROUTE_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
  "model": "embed-english-v3.0",
  "input": [
    "An API reference for developers."
  ],
  "input_type": "search_document",
  "encoding_format": "float"
}'

请求字段

字段	说明
`model`	必填，使用上方完整模型 ID。
`input`	必填，文本字符串或字符串数组。
`input_type`	Cohere 向量模型需要指定任务类型。
`encoding_format`	使用 float 返回 JSON 浮点向量数组。

完整请求格式见接口说明。