# Embeddings и Rerank

> Генерируйте эмбеддинги и пересортировывайте документы через LLMoxy.

## Embeddings

Запросы эмбеддингов, совместимые с OpenAI, используют `POST /v1/embeddings`.

```bash
curl https://llmoxy.com/v1/embeddings \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-small",
    "input": ["first document", "second document"],
    "encoding_format": "float"
  }'
```

Основные поля:

| Поле | Описание |
| --- | --- |
| `model` | Обязательно. ID модели эмбеддингов. |
| `input` | Строка или массив строк. |
| `encoding_format` | Может быть `float` или `base64`, если провайдер поддерживает. |
| `dimensions` | Для поддерживаемых моделей можно задать размерность выхода. |
| `user` | Необязательный идентификатор отслеживания. |

Запросы эмбеддингов в стиле Gemini можно отправлять на:

```txt
POST /v1/engines/{model}/embeddings
```

## Rerank

Используйте `POST /v1/rerank` для вызова моделей реранкинга Jina, Cohere и др.

```bash
curl https://llmoxy.com/v1/rerank \
  -H "Authorization: Bearer <LLMOXY_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jina-reranker-v2-base-multilingual",
    "query": "What is LLMoxy?",
    "documents": [
      "LLMoxy is an LLM gateway.",
      "A database stores rows."
    ],
    "top_n": 1,
    "return_documents": true
  }'
```

Основные поля:

| Поле | Описание |
| --- | --- |
| `model` | Обязательно. ID модели реранкинга. |
| `query` | Текст запроса. |
| `documents` | Массив строк или объектов документов. |
| `top_n` | Максимальное количество возвращаемых ранжированных результатов. |
| `return_documents` | Включать ли исходные документы в ответ. |

Это markdown-версия страницы https://ru.llmoxy.com/docs/api-reference/embeddings-rerank.
