Endpunkt: POST /v1/embeddings.

Ein Embedding ist ein Zahlen-Vektor, der die Bedeutung eines Textes abbildet. Ähnliche Texte ergeben ähnliche Vektoren. Typische Einsätze: semantische Suche, RAG (passende Dokumente für ein Chat-Modell finden), Klassifikation, Clustering, Dublettenerkennung.

from openai import OpenAI
client = OpenAI(base_url="https://api.rstcloud.de/v1", api_key="<APIKEY>")
r = client.embeddings.create(model="qwen3-embedding-0.6b", input="Ihr Text")
print(len(r.data[0].embedding))  # Anzahl Dimensionen

Embeddings werden pro 1 Mio. Eingabe-Tokens berechnet (nur Input, keine Ausgabe).