Embedding API 企业采购清单：额度、隐私与成本（2026）

企业采购 Embedding API 和买聊天模型不太一样。聊天模型可以随时换；Embedding 往往要一次性向量化全库，之后持续产生查询费用，模型和维度定了就很难换。

所以采购单不能只写“每月多少额度、单价多少”，而要覆盖用量估算、计费与发票、数据处理、模型锁定、权限、降级和验收。下面这份清单可以直接拿去和供应商逐项核对。

说明：OpenAI 等名称是其权利人的商标，本文仅作技术采购说明。产品条款、价格与可用模型可能调整，以签署合同和官方页面为准。

一、采购清单总览

模块	关键问题	应交付的材料
用量与额度	全库多少 Token、查询量多大、限速多少	容量估算表、压测记录
计费与发票	计费单位、合同主体、发票类型	报价单、合同、发票
数据处理	是否留存、是否训练、如何删除	DPA、条款、安全报告
模型与维度	维度、语言、版本与弃用策略	模型清单、评测报告
权限与密钥	项目隔离、轮换、审计	Key 台账、权限矩阵
降级与验收	备用模型、回滚、验收指标	演练记录、验收单

任何一块只靠口头确认，后面都可能返工；数据处理和发票通常要提前走内部流程。

二、用量与额度：按 Token 估算，不按文档条数

Embedding 的用量分两部分：文档向量化是一次性的大批量成本，用户查询是持续的小流量成本。采购前要分开估算，不要被“文档只有几万篇”这种描述误导。

估算时注意四点：

用真实文档抽样，按分词结果或试算接口统计 Token，不要用字数简单换算。
确认限速口径是每分钟请求数、每分钟 Token 数，还是两者同时限制。
大批量任务要支持分批、重试和断点续跑，避免限速后从头再来。
维度越高，向量库占用的内存和磁盘越大，这部分要算进总成本。

容量估算可以写成一张简表：

一次性成本 ≈ 全库文档 Token × 向量化计费单价
持续成本 ≈ 月查询 Token × 查询计费单价 + 向量存储与带宽
预留余量 ≈ 重建索引、重试和业务增长的 20%–30%

具体单价以模型价格和合同报价为准，价格会调整，不要把某一时点的数字写死进年度预算。

三、计费、合同与发票

企业采购要把账单口径先对齐。至少要确认：按输入 Token 计费还是按请求计费；批量调用是否有阶梯或承诺用量；未使用余额能否退；欠费或超限时服务是暂停还是降级。

合同与发票方面，确认主体、币种、付款方式、发票类型和开票周期。走国内 AI 网关通常可以用人民币对公付款并开具增值税发票；直连海外厂商则涉及跨境付款、汇率和票据形式。两种方式各有代价，选之前把财务流程走一遍。

四、数据处理与隐私：六类材料要归档

Embedding 的输入是原始文本，可能包含客户资料、合同条款和内部文档。采购时不要只听“我们很安全”，要拿到可归档的材料：

数据处理协议（DPA），明确双方责任和处理范围。
数据保留与删除说明，包括删除请求的响应时限。
是否用于模型训练的明确条款，免费版与付费版要分开看。
子处理商清单，以及变更时是否提前通知。
安全问卷回复或独立审计报告。
数据驻留、跨境传输和区域选择说明。

向量本身也可能泄露语义信息。原文删除后向量是否同步删除、谁能查询向量库、备份保留多久，都要写进核对表。

五、维度与模型锁定

维度不是越高越好。维度高可能提升区分度，但存储、检索延迟和成本也上升；维度低更省资源，但细粒度语义可能丢失。部分模型支持自定义维度或降维，具体能力以模型文档为准。

比维度更麻烦的是模型锁定。不同模型的向量空间不兼容，换模型通常意味着全量重建索引。采购时要确认：模型版本是否会静默更新；旧版本何时弃用；弃用前提前多久通知；是否提供稳定的版本标识。合同里最好写明模型版本策略和通知期。

六、访问控制与密钥管理

用企业域名邮箱和公司主体注册，不要用个人账号承接公司业务。
生产、测试、开发环境使用不同的 Key，按项目单独建账。
Key 只放在服务端环境变量或密钥管理服务中，不进前端、不进代码仓库。
按最小权限授权，只开放业务需要的模型和接口。
建立轮换和吊销流程，人员离职或项目下线时立即执行。
开启调用日志审计，日志中的原文要做脱敏或只保留元数据。

使用统一网关时，还要确认 Key 保管、日志保留、子账号和用量限额；多一层服务就多一层边界。

七、降级与备用方案

Embedding 服务故障时，业务可能表现为搜索无结果或 RAG 回答质量骤降，不一定报错。因此要提前设计降级：

主备模型尽量选择接口兼容的方案，减少代码改动。
如果备用模型维度不同，需要维护双索引或提前完成重建预案。
对限速和超时使用退避重试，批量任务进入队列而不是直接失败。
定期演练切换，确认备用通道的延迟和效果可接受。

八、试点验收：用数据说话

验收不要只看演示。建议选一个真实业务场景做小范围试点，按下面步骤执行：

抽取全库 5% 到 10% 的文档，覆盖主要格式、语言和业务类型。
准备 50 条以上真实查询，并人工标注相关结果作为基准。
用主备模型分别跑一遍，记录命中率、延迟、失败率和限速触发次数。
核对平台账单与内部统计的差异，确认计费口径一致。
验证权限隔离、用量告警、删除流程和日志脱敏是否按预期工作。
输出验收报告，明确通过标准和遗留问题。

上线前用一条最小请求验证 Key、模型名和返回维度：

curl "https://ai.zhongshangqihang.com/v1/embeddings" \
  -H "Authorization: Bearer $EMBEDDING_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"text-embedding-3-small","input":["企业验收测试文本"]}'

返回中的向量维度应与向量库表结构一致；不一致时先改配置，不要直接写入生产库。示例模型名仅用于演示，实际可用模型以站内文档为准。

九、成本监控与月度复盘

Embedding 成本的特点是前期一次性、后期细水长流，最容易被忽略的是重建索引和重复查询。建议每月复盘四件事：各项目 Token 消耗、查询向量化次数、索引重建次数、账单偏差。

优化手段包括缓存高频查询向量、合并批量请求、过滤无意义调用。任何优化都要先确认不影响检索效果。

十、常见问题

Embedding API 一般怎么计费？

多数平台按输入 Token 计费，部分平台对批量任务或承诺用量提供不同档位。具体计费单位和单价以官方页面或合同为准，采购时要把查询和文档向量化分开估算。

向量化后的向量算不算敏感数据？

应当按敏感数据处理。向量可能被用于推断原始语义，向量库的访问权限、加密和备份策略要与原文同等级别管理。

换 Embedding 模型一定要重建索引吗？

通常需要。不同模型的向量空间不兼容，即使维度相同也不能保证可混用。换模型前要预留重建时间和成本，并准备好回滚方案。

企业使用 Embedding 需要单独签合同吗？

只要涉及公司数据、对公报销或对外服务，就建议走合同和对公付款。在线条款可以作为补充，但数据处理责任、服务等级和发票要求应落到书面合同里。

免费额度能用于企业试点吗？

可以用脱敏样本验证接口和效果，但不建议把生产数据或敏感文档提交到公共免费层。试点通过后，生产流量应迁到有明确数据处理条款的付费服务。

下一步

如果你需要统一管理多个模型的 Embedding 调用、按项目拆分 Key 和预算，可以先注册中商起航 AI 网关，用小批量文档跑通验收清单里的关键项，再决定采购规模。可用模型和价格以模型价格为准。