modeller

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

OpenAIs lille tekstembeddingmodel fra tredje generation returnerer som standard vektorer med 1.536 dimensioner og understøtter kortere repræsentationer. Brug det numeriske output til semantisk søgning, kodesøgning, gruppering, anbefalinger og klassifikation.

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

text-embedding-3-small er OpenAIs mindre tekstembeddingmodel fra tredje generation. Den omdanner skriftligt materiale til numeriske vektorer med 1.536 komponenter som standard. Vektorerne måler forhold mellem tekster til et efterfølgende søge- eller analysetrin; modellen genererer ikke et samtalesvar på inputtet.

Ligesom den større model fra tredje generation understøtter den producentens dimensions-indstilling til kortere embeddings. Træningen er udformet til at bevare information, der repræsenterer begreber, i en forkortet vektor, og størrelsesvalget påvirker applikationens kvalitet og ressourcekrav. Hold model og valgte dimensioner ensartede for de poster og forespørgsler, der sammenlignes.

En praktisk anvendelse er kodesøgning. Producentens vejledning beskriver at repræsentere kildekodefunktioner som tekst og oprette embeddings af dem, derefter oprette en embedding af en forespørgsel på naturligt sprog med samme model og sammenligne de resulterende vektorer. Et illustrativt resultat er et rangeret sæt relevante funktioner knyttet til deres placeringer i kildekoden. Til dokumentsøgning er det tilsvarende resultat et sæt passager, hvis tekst og oprindelige referencer fortsat er tilgængelige for læseren eller den næste model.

Andre dokumenterede anvendelser omfatter klyngedannelse, anbefalinger af relateret indhold, klassifikation, opdagelse af afvigere og måling af variation. Et afgrænset meddelelsesforløb kan gruppere lignende henvendelser eller sammenligne dem med kategoribeskrivelser. Applikationen definerer, hvordan et lighedsresultat bliver til en kategori, anbefaling eller post til gennemgang; selve embeddingvektoren forbliver numeriske data.

OpenAI angiver et maksimalt input på 8.192 tokens pr. tekst. Dets embedding-API accepterer strenge eller tokeniseret input og flere input i én forespørgsel, afviser tomme strenge og anvender en samlet grænse på 300.000 tokens. Forbered langt materiale som meningsfulde passager, og bevar de titler eller definitioner, der kræves for at fortolke dem. Brug et ensartet sæt kildefelter frem for at oprette embeddings af forskellige slags poster med forberedelsesregler uden indbyrdes sammenhæng.

Producenten returnerer som standard vektorer af flydende kommatal og dokumenterer også base64-kodning. Vejledningen angiver, at OpenAIs embeddings er normaliseret til enhedslængde, og anbefaler cosinuslighed; et skalarprodukt kan beregne den, og euklidisk afstand giver samme rangering. Hvis en embedding fra tredje generation forkortes manuelt efter returnering, normaliseres den forkortede vektor igen som beskrevet i vejledningen. Indstillingen dimensions gør det unødvendigt at bruge manuel afkortning som det almindelige forberedelsestrin.

Registrer modelidentiteten, dimensionerne og kildeforbindelsen sammen med hver vektor. Et nyttigt efterfølgende resultat er en rangeret liste, en grupperet samling eller et sæt klassifikationsegenskaber knyttet til den tekst, der producerede dem. Kontroller, om det udvalgte materiale faktisk understøtter opgaven, og hold manglende fakta adskilt fra semantisk beslægtethed. Det næste trin kan derefter bruge repræsentationen til et konkret søge- eller beslutningsforløb.

Ailoot Ultra · Embeddings POST /v1/embeddings openai/text-embedding-3-small

openai/text-embedding-3-small

OpenAI /openai/text-embedding-3-small
Model-ID
  • openai/text-embedding-3-small
  • text-embedding-3-small

Start

OpenAIs lille tekstembeddingmodel fra tredje generation returnerer som standard vektorer med 1.536 dimensioner og understøtter kortere repræsentationer. Brug det numeriske output til semantisk søgning, kodesøgning, gruppering, anbefalinger og klassifikation.

Accepterede input
Tekst · token_ids
Resultater
embedding

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Embeddings POST /v1/embeddings
Inputtyper
text, token_ids
Outputtyper
embedding
Kontekst
8.192 tokens
Outputformat
json
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
openai/text-embedding-3-small
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Betingelser: Ikke-tom batch med ensartede elementer. Token-ID’er er ikke-negative heltal.
Inputbudget: Maksimum: 8.192 · Tekstenhed: UTF8-bytes · Tokenenhed: elementer i et tokenarray
Standard—
Feltencoding_formatTypestringKravValgfritVærdier og grænser
float
Standardfloat
FeltdimensionsTypeintegerKravIkke understøttetVærdier og grænser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfritVærdier og grænser
Betingelser: Kilden tillader dette JSON-metadatafelt; den præcise betydning hos den bagvedliggende udbyder afhænger af modellen.
Standard—
Feltsession_idTypejson_valueKravValgfritVærdier og grænser
Betingelser: Kilden tillader dette JSON-metadatafelt; den præcise betydning hos den bagvedliggende udbyder afhænger af modellen.
Standard—
FelttraceTypejson_valueKravValgfritVærdier og grænser
Betingelser: Kilden tillader dette JSON-metadatafelt; den præcise betydning hos den bagvedliggende udbyder afhænger af modellen.
Standard—
FeltproviderTypeobjectKravValgfritVærdier og grænser
Betingelser: provider.options afvist
Standard—
Kombinationer af inputmaterialer

text_to_embedding

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, input
Parameterinput_shapesKontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatKontraktfloat
Parameterdimensions_overrideKontraktfalse
Parametermax_input_budget_unitsKontrakt8192
Parametermultimodal_objectsKontraktfalse
Parametermaterial_typesKontrakttext, token_ids

Livscyklus: synchronous_json

Gem hver vektors indeks og dimension.

Et multimodalt modelnavn giver ikke adgang til at bruge billedobjekter på denne præcise sti.

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Standardpris Når hurtig tilstand er valgt
flex-tilstand
Standardpris Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Standardpris Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

KonfigurationTakstplanBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstBeløb
Input · Inputtokens $0.00004 / 1K tokens
Output · Outputtokens $0 / 1K tokens
Input · Cachelæsning — / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · Embeddings

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-3-small", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='openai/text-embedding-3-small',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Hent og gem resultater

Ailoot Ultra · Embeddings

json

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Gem hver vektor med dens indeks. Antallet af vektorer skal svare til antallet af input; dimensionerne skal være ensartede.

Hvis det oprindelige svar skal kontrolleres

Der indføres intet endpoint til embedding-job.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra openai/text-embedding-3-small, text-embedding-3-small

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

openai/text-embedding-3-small, text-embedding-3-small

Ailoot Ultra · Vektorrepræsentationer · text-embedding-3-small POST /v1/embeddings text-embedding-3-small

text-embedding-3-small

OpenAI /text-embedding-3-small
Model-ID
  • openai/text-embedding-3-small
  • text-embedding-3-small

Start

OpenAIs lille tekstembeddingmodel fra tredje generation returnerer som standard vektorer med 1.536 dimensioner og understøtter kortere repræsentationer. Brug det numeriske output til semantisk søgning, kodesøgning, gruppering, anbefalinger og klassifikation.

Accepterede input
Tekst
Resultater
embedding

Tilgængelig i Ailoot · input og metoder

Ailoot Ultra · Vektorrepræsentationer · text-embedding-3-small POST /v1/embeddings
Inputtyper
text
Outputtyper
embedding
Kontekst
8.192 tokens
Outputformat
json
FeltTypeKravVærdier og grænserStandard
FeltmodelTypestringKravPåkrævetVærdier og grænser
text-embedding-3-small
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrævetVærdier og grænser
Minimumsantal elementer: 1
Betingelser: Ikke-tom batch med ensartede elementer. Token-ID’er er ikke-negative heltal.
Inputbudget: Maksimum: 8.192 · Tekstenhed: UTF8-bytes · Tokenenhed: elementer i et tokenarray
Standard—
Feltencoding_formatTypestringKravValgfritVærdier og grænser
float
Standardfloat
FeltdimensionsTypeintegerKravIkke understøttetVærdier og grænser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfritVærdier og grænser
Betingelser: Valgfrie JSON-metadata; den præcise upstream-betydning afhænger af den valgte model.
Standard—
Feltsession_idTypejson_valueKravValgfritVærdier og grænser
Betingelser: Valgfrie JSON-metadata; den præcise upstream-betydning afhænger af den valgte model.
Standard—
FelttraceTypejson_valueKravValgfritVærdier og grænser
Betingelser: Valgfrie JSON-metadata; den præcise upstream-betydning afhænger af den valgte model.
Standard—
FeltproviderTypeobjectKravValgfritVærdier og grænser
Betingelser: provider.options afvist
Standard—
Kombinationer af inputmaterialer

text_to_embedding

Metodeparametre og livscyklus
ParameterKontrakt
Parametercontent_typeKontraktapplication/json
ParameterrequiredKontraktmodel, input
Parameterinput_shapesKontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatKontraktfloat
Parameterdimensions_overrideKontraktfalse
Parametermax_input_budget_unitsKontrakt8192
Parametermultimodal_objectsKontraktfalse
Parametermaterial_typesKontrakttext
Parametertext_file_materialKontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng.

Livscyklus: synchronous_json

Send det præcise model-ID og de påkrævede felter.

Behold hvert returneret element og dets oprindelige identifikatorer.

Priser

Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.

Hurtig tilstand
Standardpris Når hurtig tilstand er valgt
flex-tilstand
Standardpris Når flex-tilstanden er valgt
Maksimal ræsonneringsindsats
Standardpris Når default-justeringen anvendes ved maksimal ræsonneringsindsats

Ailoot-takster

Priser efter konfiguration

KonfigurationTakstplanBeløb
KonfigurationGrundtakster for tokensTakstplanGrundtakstBeløb
Input · Inputtokens $0.00004 / 1K tokens
Output · Outputtokens $0 / 1K tokens
Input · Cachelæsning — / 1K tokens
Input · Cacheskrivning — / 1K tokens
Input · Cacheskrivning, 1 time — / 1K tokens

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot Ultra · Vektorrepræsentationer · text-embedding-3-small

Komplet minimalt requestbody i JSONcurl · brug dit UTF-8-dokumentPython · gem hele resultatet
{
  "model": "text-embedding-3-small",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-3-small', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-3-small', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))

Hent og gem resultater

Ailoot Ultra · Vektorrepræsentationer · text-embedding-3-small

json

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Behold hver vektor med endelige værdier sammen med dens oprindelige indeks. Bevar alle dimensioner og hele forbrugsobjektet.

Hvis det oprindelige svar skal kontrolleres

Der indføres intet endpoint til embedding-job.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Fejl og næste trin
SvarBetingelseNæste trin
Svar400 · invalid_request_errorBetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdiNæste trinRet de angivne felter før en ny oprettelsesanmodning.

Aliaser

Modelaliaser

Ailoot Ultra openai/text-embedding-3-small, text-embedding-3-small

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

openai/text-embedding-3-small, text-embedding-3-small

FAQ · OpenAI: Text Embedding 3 Small
Hvilke input og resultater er tilgængelige?

POST /v1/embeddings · openai/text-embedding-3-small: text, token_ids → embedding

POST /v1/embeddings · text-embedding-3-small: text → embedding

Hvilke felter bruger anmodningen?

POST /v1/embeddings · openai/text-embedding-3-small: model, input, encoding_format, provider

POST /v1/embeddings · text-embedding-3-small: model, input, encoding_format, provider

Hvilke grænser gælder?

POST /v1/embeddings · openai/text-embedding-3-small: ctx: 8192; input.budget.maximum: 8192 (UTF8-bytes); input.min_items: 1

POST /v1/embeddings · text-embedding-3-small: ctx: 8192; input.budget.maximum: 8192 (UTF8-bytes); input.min_items: 1

Flere oplysninger

Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation.

Virksomheden og dens projektportefølje

Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder.

Køb tokens med rabat.

Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb.

Abonnement
Vælg et abonnement med rabat til dine regelmæssige anmodninger.
Rabatkode på op til 50%
Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne.
Udgifter i historikken
Model, tokens og beløb gemmes for hver anmodning.

Vælg abonnement · Se modelpriser

Tilslut API’et til produktet, du sælger.

SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg.

Kommerciel applikation
Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner.
Licens til forhandlere
Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg.
Dokumenter på websitet
Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning.

Anmod om forhandlerlicens · Tilbudsvilkår og licensaftale