Embed English v3.0 - MixRoute API

Cohere 面向英語檢索最佳化的文本向量模型。

模型資訊

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

上下文和輸出長度為模型規格；實際請求限制、可用性與計費取決於 MixRoute 路由。

能力與使用

入庫文件設定 input_type=search_document，檢索問題設定 search_query；其他任務可使用 classification 或 clustering。
本介面示例處理文本；不要假設 Cohere 原生圖片/PDF 輸入物件可直接用於 OpenAI 相容的 input 欄位。
文件和查詢必須使用相同模型及向量維度；輸出位於 data[].embedding。

請求示例

呼叫前設定 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"
}'

請求欄位

欄位	說明
`model`	必填，使用上方完整模型 ID。
`input`	必填，文本字串或字串陣列。
`input_type`	Cohere 向量模型需要指定任務型別。
`encoding_format`	使用 float 返回 JSON 浮點向量陣列。

完整請求格式見介面說明。