Embeddings

POST /v1/embeddings transforme un ou plusieurs textes en vecteurs de nombres. Deux textes proches par le sens donnent des vecteurs proches : c’est la base d’une recherche sémantique, d’un regroupement de documents ou d’une détection de doublons. Le point d’accès suit le format d’OpenAI ; les SDK s’utilisent sans changement.

POST https://api.realmoon.ai/v1/embeddings

• Authentification : clé sk-moon-… avec la portée inference (voir Authentification).
• Corps : JSON, 8 Mo au plus.
• Réponse : un objet list de vecteurs.

Paramètres#Lien vers la section Paramètres

Tout autre paramètre est refusé avec 400 unknown_parameter.

Exemple#Lien vers la section Exemple

curl https://api.realmoon.ai/v1/embeddings \
  -H "Authorization: Bearer $MOONAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistralai/mistral-embed-2312",
    "input": ["Comment résilier mon contrat ?", "Les horaires d’ouverture du magasin"]
  }'

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.realmoon.ai/v1", api_key=os.environ["MOONAI_API_KEY"])

result = client.embeddings.create(
    model="mistralai/mistral-embed-2312",
    input=["Comment résilier mon contrat ?", "Les horaires d’ouverture du magasin"],
)
for item in result.data:
    print(item.index, len(item.embedding))

import OpenAI from 'openai';

const client = new OpenAI({ baseURL: 'https://api.realmoon.ai/v1', apiKey: process.env.MOONAI_API_KEY });

const result = await client.embeddings.create({
  model: 'mistralai/mistral-embed-2312',
  input: ['Comment résilier mon contrat ?', 'Les horaires d’ouverture du magasin'],
});
for (const item of result.data) console.log(item.index, item.embedding.length);

Réponse#Lien vers la section Réponse

{
  "object": "list",
  "model": "mistralai/mistral-embed-2312",
  "data": [
    { "object": "embedding", "index": 0, "embedding": [0.0123, -0.0456, 0.0789] },
    { "object": "embedding", "index": 1, "embedding": [-0.0311, 0.0042, 0.0517] }
  ],
  "usage": { "prompt_tokens": 18, "total_tokens": 18, "credits": 1 }
}

Les vecteurs sont raccourcis dans l’exemple : un vrai vecteur de ce modèle a 1 024 nombres.

En-têtes : X-Moon-Request-Id, X-Moon-Prompt-Storage: none, X-Moon-Blur et, quand Moon Blur a remplacé des valeurs, X-Moon-Blur-Redactions.

Moon Blur#Lien vers la section Moon Blur

Quand Moon Blur est actif sur la clé (c’est le cas par défaut), les données personnelles détectées dans les textes sont remplacées avant l’envoi au modèle. Seuls les vecteurs des passages concernés changent. L’en-tête X-Moon-Blur vaut on ou off, et X-Moon-Blur-Redactions donne le nombre de valeurs remplacées. Un texte donné sous forme de jetons n’est pas lu par Moon Blur. Voir Confidentialité.

Modèles#Lien vers la section Modèles

Liste au 5 novembre 2026 ; la liste à jour, avec les prix et la taille des vecteurs, vient de GET /v1/models?type=embedding.

Gardez le même modèle pour vos documents et pour vos questions : des vecteurs de deux modèles différents ne se comparent pas.

Coûts#Lien vers la section Coûts

Avant l’appel, la requête retient le plus que les textes peuvent compter (un jeton par octet du texte, plus quelques jetons par texte). Elle est ensuite facturée sur les jetons réellement comptés, ou sur le coût réel annoncé par le fournisseur. Une requête qui échoue ne coûte rien.

Limites#Lien vers la section Limites

Au-delà de la taille de réponse, l’API indique combien de textes ce modèle accepte en une requête : découpez en plusieurs appels.

Erreurs#Lien vers la section Erreurs

Les erreurs de clé, de solde et de plafonds sont dans Erreurs.

Voir aussi#Lien vers la section Voir aussi

• Modèles : les champs dimensions, custom_dimensions et context_length.
• Confidentialité : ce que Moon Blur détecte et ne détecte pas.