千聚上的embedding多模型API平台接入：Base URL、Key、模型怎么配置

为什么embedding多模型API平台需要统一接入

在文本向量化、语义搜索、RAG（检索增强生成）等场景中，embedding模型是基础设施。但不同模型来源往往需要独立的API Key。例如，OpenAI的text-embedding-3-small、Cohere的embed-english-v3、以及国内开源模型如BGE、M3E等，各自接口和认证方式都不相同。如果项目需要同时使用多个embedding模型做对比或备用，切换平台的成本会明显增加。

千聚AI中转站提供了一个更便于统一管理的方案：通过一套OpenAI兼容的接口，将多个embedding模型聚合在同一个Base URL下。你只需要一个API Key和一个统一的接入点，就能调用不同厂商的embedding模型，省去多平台注册、多Key管理的麻烦。

千聚上的embedding多模型API平台接入步骤

接入过程主要分为三步：获取API Key、配置Base URL、选择模型名称。下面逐一说明。

第一步：注册并获取API Key

首先访问千聚AI中转站官网，完成账号注册。登录后进入API Key管理页面，创建一个新的Key。千聚的API Key格式与OpenAI兼容，通常以“sk-”开头，你可以直接复制保存。

第二步：配置Base URL

千聚的Base URL为：https://www.qianjuai.cc/v1。在代码中，你只需要将OpenAI客户端的base_url替换为这个地址即可。以下是一个Python示例，展示了如何配置API Key和Base URL：

from openai import OpenAI
client = OpenAI(
 api_key="sk-你的千聚API Key",
 base_url="https://www.qianjuai.cc/v1"
)
response = client.embeddings.create(
 model="text-embedding-3-small",
 input="千聚AI中转站接入测试"
)
print(response.data[0].embedding)

注意：上述代码中的api_key和base_url是唯一需要修改的配置点，其他调用方式与官方OpenAI SDK完全一致。

第三步：选择embedding模型

千聚聚合了多种embedding模型，包括OpenAI的text-embedding-3系列、Cohere的embed系列、以及国内常用的BGE、M3E等。在调用时，只需将model参数设置为对应模型名称即可。例如：

• text-embedding-3-small
• 适合轻量级向量化任务
• text-embedding-3-large
• 需要更高维度或精度的场景
• cohere-embed-english-v3.0
• 英文文本专用
• bge-large-zh
• 中文语义理解

完整的模型列表和最新可用模型，建议前往官网查看实时信息，方便你根据业务需求灵活切换。

测试调用与常见问题

配置完成后，可以用最简单的请求验证是否连通。如果返回状态码200并包含embedding向量，说明接入成功。如果遇到401错误，请检查API Key是否正确或是否已过期；如果提示模型不存在，请确认模型名称是否在千聚的模型列表中。千聚的接口返回错误信息与OpenAI格式一致，便于排查。

对于需要高并发或低延迟的场景，建议先将多模型测试一遍，选择最适合自己业务的embedding模型。千聚的按量计费模式也适合在开发阶段灵活试用不同模型，避免一次性投入过大。

下一步：开始你的第一次embedding调用

现在你已经了解了embedding多模型API平台接入的关键配置。立即访问立即访问千聚，获取你的API Key，查看完整的模型列表，并购买Token开始测试。一次配置，即可体验多个embedding模型的统一调用。