向量嵌入与重排序（Embedding / Rerank）

向量嵌入把文本转成高维向量，用于语义检索、RAG 知识库、聚类；重排序对一批召回文档按与 query 的相关性重新打分，显著提升检索精度。两者都仅按输入 token 计费。

1. 文本嵌入 POST /v1/embeddings

模型：qwen3-embedding-8b（¥0.00028/K tokens）、bge-m3（¥0.00007/K tokens）。

curl https://https://api.0ki.cn/v1/embeddings ^
  -H "Authorization: Bearer 你的API密钥" ^
  -H "Content-Type: application/json" ^
  -d "{ \"model\": \"bge-m3\", \"input\": \"要向量化的文本\" }"

返回 OpenAI 兼容结构 { "data":[{ "embedding":[...] }], "usage":{...} }，input 支持字符串或字符串数组（批量）。

2. 重排序 POST /v1/rerank

模型：qwen3-reranker-8b、bge-reranker-v2-m3（均 ¥0.00007/K tokens）。

curl https://https://api.0ki.cn/v1/rerank ^
  -H "Authorization: Bearer 你的API密钥" ^
  -H "Content-Type: application/json" ^
  -d "{ \"model\": \"bge-reranker-v2-m3\", \"query\": \"什么是向量检索\", \"documents\": [\"向量检索按语义相似度匹配\",\"今天天气不错\"] }"

返回 { "results":[{ "index":0, "relevance_score":0.98 },...] }，按相关性从高到低排序。