Pinecone Inference 免费额度怎么领：每月刷新 500 万嵌入 tokens 并附 500 次重排

Pinecone Inference 不提供对话补全（chat completions）接口，也没有 OpenAI 兼容的 /v1/chat/completions 地址。它提供的是嵌入和重排两组 REST 端点，鉴权用请求头 Api-Key：

• 嵌入：https://api.pinecone.io/embed
• 重排：https://api.pinecone.io/rerank
• 模型列表：https://api.pinecone.io/models

常用模型有 llama-text-embed-v2、multilingual-e5-large、pinecone-sparse-english-v0，重排模型为 bge-reranker-v2-m3；可用模型和版本以 /models 接口返回为准。先把密钥写入环境变量：

export PINECONE_API_KEY="你的密钥"

一次嵌入调用可以直接用 curl 完成，关键参数是 model、inputs 和 parameters.input_type：

curl https://api.pinecone.io/embed \
  -H "Api-Key: $PINECONE_API_KEY" \
  -H "Content-Type: application/json" \
  -H "X-Pinecone-API-Version: 2025-04" \
  -d '{
    "model": "multilingual-e5-large",
    "inputs": [{"text": "向量数据库是什么"}],
    "parameters": {"input_type": "passage", "truncate": "END"}
  }'

参数说明：inputs 支持一次传入多条文本批量嵌入，批量能省请求数但同 token 计费；input_type 在建库或写入文档时用 passage，在检索提问时用 query，两边写反会明显拉低召回；truncate 控制超长文本是截断还是报错；dimension 只在支持自定义维度的模型上生效；请求头里的 API 版本号请以官方文档当前推荐值为准。

重排调用用于给召回结果打分排序，关键参数是 query、documents 和 top_n：

curl https://api.pinecone.io/rerank \
  -H "Api-Key: $PINECONE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge-reranker-v2-m3",
    "query": "如何领取免费额度",
    "documents": [
      {"id": "a", "text": "注册账号后 Starter 计划默认开通"},
      {"id": "b", "text": "免费额度每月重置，按模型分别计算"}
    ],
    "top_n": 2
  }'

在 Python 项目里用官方 SDK 更省事，嵌入结果可以直接写入同一账号下的索引：

import os
from pinecone import Pinecone

pc = Pinecone(api_key=os.environ["PINECONE_API_KEY"])
result = pc.inference.embed(
    model="llama-text-embed-v2",
    inputs=["Pinecone Inference 是向量库自带的推理能力"],
    parameters={"input_type": "passage", "truncate": "END"},
)
print(result.data[0].values[:8])

如果要把嵌入接进对话应用，流程是自己先用上面的接口把知识库文本转成向量，检索出片段后拼进提示词，再调用其他平台的大模型完成补全；temperature、max_tokens、messages 这些参数属于那家大模型平台，Pinecone 这边不接收。

额度耗尽或限流时的典型表现是返回 HTTP 429 或 403，响应体里带 quota、rate limit 一类提示，重排接口会先于嵌入接口报错。排查顺序建议如下：

1. 确认请求头 Api-Key 正确，且密钥属于当前项目，没有混用其他账号的密钥。
2. 确认 model 名称拼写正确，并在 /models 返回列表内，避免调用到免费额度未覆盖的模型。
3. 读取响应体的错误信息，区分是单次请求超限（调小批量条数）还是本月总量用尽。
4. 到控制台 Usage 页面核对本月 embedding tokens 与 rerank 次数是否已到上限，确认重置日期。
5. 检查项目和索引所在区域是否为 AWS us-east-1，区域不符时接口会直接失败而不是扣额度。
6. 若属于瞬时限流，降低并发并加入指数退避重试，不要高频重试，否则会延长限流时间。