Το text-embedding-3-large είναι το μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI για εργασίες στα αγγλικά και σε άλλες γλώσσες. Αντιστοιχίζει γραπτό υλικό σε αριθμητικό διάνυσμα, επιστρέφοντας 3072 συνιστώσες από προεπιλογή. Το διάνυσμα αναπαριστά σχέσεις στο παρεχόμενο περιεχόμενο· μια διαδικασία ανάκτησης ή ταξινόμησης το χρησιμοποιεί για επιλογή υλικού ή λήψη άλλης απόφασης.
Τα μοντέλα τρίτης γενιάς εκπαιδεύονται να υποστηρίζουν μικρότερες αναπαραστάσεις μέσω του στοιχείου ελέγχου dimensions του παραγωγού. Ο κατασκευαστής δίνει 1024 διαστάσεις ως παράδειγμα όταν ένας χώρος αποθήκευσης διανυσμάτων απαιτεί αυτό το μέγεθος. Ένα μικρότερο διάνυσμα μειώνει την ποσότητα δεδομένων για αποθήκευση και σύγκριση, ενώ η αλλαγή αναπαράστασης μπορεί να επηρεάζει την ποιότητα ανάκτησης. Επιλέξτε το μέγεθος για τις απαιτήσεις της εφαρμογής και χρησιμοποιήστε την ίδια επιλογή για το corpus και τα ερωτήματά του.
Μια ενδεικτική ροή αναζήτησης εγγράφων διαιρεί το υλικό πηγής σε ουσιαστικά αποσπάσματα, κρατά τα αναγνωριστικά τους και αποκτά διανύσματα για κάθε απόσπασμα. Δημιουργείται embedding ερωτήματος με το ίδιο μοντέλο και τις ίδιες διαστάσεις και κατόπιν συγκρίνεται με τα διανύσματα αποσπασμάτων. Η εφαρμογή παρέχει φίλτρα, επιλέγει τα καταταγμένα αποτελέσματα και δείχνει τις αναφορές πηγής τους. Ένα μεταγενέστερο μοντέλο παραγωγής κειμένου μπορεί να αναπτύσσει απάντηση από το ανακτημένο υλικό· το αποτέλεσμα του μοντέλου embeddings παραμένει σύνολο αριθμητικών δεδομένων.
Άλλες τεκμηριωμένες εφαρμογές περιλαμβάνουν αναζήτηση κώδικα ή κειμένου, ομαδοποίηση παρόμοιων εγγραφών, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ανωμαλιών και μέτρηση ποικιλομορφίας σε συλλογή. Για σύσταση, περιγράψτε τα αντικείμενα με όρους σχετικούς με τη σχέση. Για ταξινόμηση, συγκρίνετε με αναπαραστάσεις κατηγοριών ή χρησιμοποιήστε διανύσματα ως χαρακτηριστικά σε ταξινομητή. Ορίστε τον κανόνα που μετατρέπει την ομοιότητα στο αποτέλεσμα που χρειάζεται το προϊόν.
Η OpenAI αναφέρει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή κείμενο σε μορφή tokens, υποστηρίζει πολλές εισόδους και απορρίπτει κενές συμβολοσειρές. Επιβάλλει επίσης συνολικό όριο 300.000 tokens για ένα αίτημα. Ένα μεγάλο έγγραφο πρέπει να διαιρείται με τα ουσιαστικά όρια και συμφραζόμενά του ανέπαφα, κρατώντας κάθε διάνυσμα συνδεδεμένο με το απόσπασμα πηγής του.
Ο παραγωγός τεκμηριώνει διανύσματα float ως προεπιλεγμένη έξοδο και base64 ως εναλλακτική κωδικοποίηση. Ο οδηγός συνιστά ομοιότητα συνημιτόνου και δηλώνει ότι τα embeddings της OpenAI κανονικοποιούνται σε μοναδιαίο μήκος, επιτρέποντας εσωτερικό γινόμενο για ομοιότητα συνημιτόνου και ισοδύναμες κατατάξεις με ευκλείδεια απόσταση. Αν διάνυσμα τρίτης γενιάς συντομευτεί χειροκίνητα μετά την παραγωγή του, ο κατασκευαστής καθοδηγεί την εφαρμογή να κανονικοποιήσει ξανά το συντομευμένο διάνυσμα· η χρήση του στοιχείου ελέγχου dimensions είναι η συνιστώμενη διαδρομή.
Προετοιμάστε συνεπή αναπαράσταση κειμένου και καταγράψτε το μοντέλο, τις διαστάσεις και το αναγνωριστικό πηγής. Ένα χρήσιμο τελικό παραδοτέο είναι καταταγμένο σύνολο αποσπασμάτων, σχετικών στοιχείων ή ομαδοποιημένων εγγραφών με ρητό κανόνα επιλογής. Αξιολογήστε αν το αποτέλεσμα απαντά στο ερώτημα και διατηρήστε τα στοιχεία πηγής για το επόμενο στάδιο αντί να θεωρείτε τη διανυσματική ομοιότητα επαλήθευση των πραγματολογικών ισχυρισμών μιας εγγραφής.
", "aboutText": "Το text-embedding-3-large είναι το μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI για εργασίες στα αγγλικά και σε άλλες γλώσσες. Αντιστοιχίζει γραπτό υλικό σε αριθμητικό διάνυσμα, επιστρέφοντας 3072 συνιστώσες από προεπιλογή. Το διάνυσμα αναπαριστά σχέσεις στο παρεχόμενο περιεχόμενο· μια διαδικασία ανάκτησης ή ταξινόμησης το χρησιμοποιεί για επιλογή υλικού ή λήψη άλλης απόφασης.\n\nΤα μοντέλα τρίτης γενιάς εκπαιδεύονται να υποστηρίζουν μικρότερες αναπαραστάσεις μέσω του στοιχείου ελέγχου dimensions του παραγωγού. Ο κατασκευαστής δίνει 1024 διαστάσεις ως παράδειγμα όταν ένας χώρος αποθήκευσης διανυσμάτων απαιτεί αυτό το μέγεθος. Ένα μικρότερο διάνυσμα μειώνει την ποσότητα δεδομένων για αποθήκευση και σύγκριση, ενώ η αλλαγή αναπαράστασης μπορεί να επηρεάζει την ποιότητα ανάκτησης. Επιλέξτε το μέγεθος για τις απαιτήσεις της εφαρμογής και χρησιμοποιήστε την ίδια επιλογή για το corpus και τα ερωτήματά του.\n\nΜια ενδεικτική ροή αναζήτησης εγγράφων διαιρεί το υλικό πηγής σε ουσιαστικά αποσπάσματα, κρατά τα αναγνωριστικά τους και αποκτά διανύσματα για κάθε απόσπασμα. Δημιουργείται embedding ερωτήματος με το ίδιο μοντέλο και τις ίδιες διαστάσεις και κατόπιν συγκρίνεται με τα διανύσματα αποσπασμάτων. Η εφαρμογή παρέχει φίλτρα, επιλέγει τα καταταγμένα αποτελέσματα και δείχνει τις αναφορές πηγής τους. Ένα μεταγενέστερο μοντέλο παραγωγής κειμένου μπορεί να αναπτύσσει απάντηση από το ανακτημένο υλικό· το αποτέλεσμα του μοντέλου embeddings παραμένει σύνολο αριθμητικών δεδομένων.\n\nΆλλες τεκμηριωμένες εφαρμογές περιλαμβάνουν αναζήτηση κώδικα ή κειμένου, ομαδοποίηση παρόμοιων εγγραφών, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ανωμαλιών και μέτρηση ποικιλομορφίας σε συλλογή. Για σύσταση, περιγράψτε τα αντικείμενα με όρους σχετικούς με τη σχέση. Για ταξινόμηση, συγκρίνετε με αναπαραστάσεις κατηγοριών ή χρησιμοποιήστε διανύσματα ως χαρακτηριστικά σε ταξινομητή. Ορίστε τον κανόνα που μετατρέπει την ομοιότητα στο αποτέλεσμα που χρειάζεται το προϊόν.\n\nΗ OpenAI αναφέρει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή κείμενο σε μορφή tokens, υποστηρίζει πολλές εισόδους και απορρίπτει κενές συμβολοσειρές. Επιβάλλει επίσης συνολικό όριο 300.000 tokens για ένα αίτημα. Ένα μεγάλο έγγραφο πρέπει να διαιρείται με τα ουσιαστικά όρια και συμφραζόμενά του ανέπαφα, κρατώντας κάθε διάνυσμα συνδεδεμένο με το απόσπασμα πηγής του.\n\nΟ παραγωγός τεκμηριώνει διανύσματα float ως προεπιλεγμένη έξοδο και base64 ως εναλλακτική κωδικοποίηση. Ο οδηγός συνιστά ομοιότητα συνημιτόνου και δηλώνει ότι τα embeddings της OpenAI κανονικοποιούνται σε μοναδιαίο μήκος, επιτρέποντας εσωτερικό γινόμενο για ομοιότητα συνημιτόνου και ισοδύναμες κατατάξεις με ευκλείδεια απόσταση. Αν διάνυσμα τρίτης γενιάς συντομευτεί χειροκίνητα μετά την παραγωγή του, ο κατασκευαστής καθοδηγεί την εφαρμογή να κανονικοποιήσει ξανά το συντομευμένο διάνυσμα· η χρήση του στοιχείου ελέγχου dimensions είναι η συνιστώμενη διαδρομή.\n\nΠροετοιμάστε συνεπή αναπαράσταση κειμένου και καταγράψτε το μοντέλο, τις διαστάσεις και το αναγνωριστικό πηγής. Ένα χρήσιμο τελικό παραδοτέο είναι καταταγμένο σύνολο αποσπασμάτων, σχετικών στοιχείων ή ομαδοποιημένων εγγραφών με ρητό κανόνα επιλογής. Αξιολογήστε αν το αποτέλεσμα απαντά στο ερώτημα και διατηρήστε τα στοιχεία πηγής για το επόμενο στάδιο αντί να θεωρείτε τη διανυσματική ομοιότητα επαλήθευση των πραγματολογικών ισχυρισμών μιας εγγραφής.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d7cb2bd98a33ddbe1795633df20f1377f0847b0d3ca9027cca93bdfbeae743a8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "openai/text-embedding-3-largeΤο μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI επιστρέφει διανύσματα 3072 διαστάσεων από προεπιλογή, με στοιχείο ελέγχου του παραγωγού για μικρότερες αναπαραστάσεις. Χρησιμοποιήστε το για σημασιολογική ανάκτηση, πολυγλωσσική σύγκριση και ροές σχετικού περιεχομένου ή ταξινόμησης.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το text-embedding-3-large είναι το μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI για εργασίες στα αγγλικά και σε άλλες γλώσσες. Αντιστοιχίζει γραπτό υλικό σε αριθμητικό διάνυσμα, επιστρέφοντας 3072 συνιστώσες από προεπιλογή. Το διάνυσμα αναπαριστά σχέσεις στο παρεχόμενο περιεχόμενο· μια διαδικασία ανάκτησης ή ταξινόμησης το χρησιμοποιεί για επιλογή υλικού ή λήψη άλλης απόφασης.
Τα μοντέλα τρίτης γενιάς εκπαιδεύονται να υποστηρίζουν μικρότερες αναπαραστάσεις μέσω του στοιχείου ελέγχου dimensions του παραγωγού. Ο κατασκευαστής δίνει 1024 διαστάσεις ως παράδειγμα όταν ένας χώρος αποθήκευσης διανυσμάτων απαιτεί αυτό το μέγεθος. Ένα μικρότερο διάνυσμα μειώνει την ποσότητα δεδομένων για αποθήκευση και σύγκριση, ενώ η αλλαγή αναπαράστασης μπορεί να επηρεάζει την ποιότητα ανάκτησης. Επιλέξτε το μέγεθος για τις απαιτήσεις της εφαρμογής και χρησιμοποιήστε την ίδια επιλογή για το corpus και τα ερωτήματά του.
Μια ενδεικτική ροή αναζήτησης εγγράφων διαιρεί το υλικό πηγής σε ουσιαστικά αποσπάσματα, κρατά τα αναγνωριστικά τους και αποκτά διανύσματα για κάθε απόσπασμα. Δημιουργείται embedding ερωτήματος με το ίδιο μοντέλο και τις ίδιες διαστάσεις και κατόπιν συγκρίνεται με τα διανύσματα αποσπασμάτων. Η εφαρμογή παρέχει φίλτρα, επιλέγει τα καταταγμένα αποτελέσματα και δείχνει τις αναφορές πηγής τους. Ένα μεταγενέστερο μοντέλο παραγωγής κειμένου μπορεί να αναπτύσσει απάντηση από το ανακτημένο υλικό· το αποτέλεσμα του μοντέλου embeddings παραμένει σύνολο αριθμητικών δεδομένων.
Άλλες τεκμηριωμένες εφαρμογές περιλαμβάνουν αναζήτηση κώδικα ή κειμένου, ομαδοποίηση παρόμοιων εγγραφών, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ανωμαλιών και μέτρηση ποικιλομορφίας σε συλλογή. Για σύσταση, περιγράψτε τα αντικείμενα με όρους σχετικούς με τη σχέση. Για ταξινόμηση, συγκρίνετε με αναπαραστάσεις κατηγοριών ή χρησιμοποιήστε διανύσματα ως χαρακτηριστικά σε ταξινομητή. Ορίστε τον κανόνα που μετατρέπει την ομοιότητα στο αποτέλεσμα που χρειάζεται το προϊόν.
Η OpenAI αναφέρει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή κείμενο σε μορφή tokens, υποστηρίζει πολλές εισόδους και απορρίπτει κενές συμβολοσειρές. Επιβάλλει επίσης συνολικό όριο 300.000 tokens για ένα αίτημα. Ένα μεγάλο έγγραφο πρέπει να διαιρείται με τα ουσιαστικά όρια και συμφραζόμενά του ανέπαφα, κρατώντας κάθε διάνυσμα συνδεδεμένο με το απόσπασμα πηγής του.
Ο παραγωγός τεκμηριώνει διανύσματα float ως προεπιλεγμένη έξοδο και base64 ως εναλλακτική κωδικοποίηση. Ο οδηγός συνιστά ομοιότητα συνημιτόνου και δηλώνει ότι τα embeddings της OpenAI κανονικοποιούνται σε μοναδιαίο μήκος, επιτρέποντας εσωτερικό γινόμενο για ομοιότητα συνημιτόνου και ισοδύναμες κατατάξεις με ευκλείδεια απόσταση. Αν διάνυσμα τρίτης γενιάς συντομευτεί χειροκίνητα μετά την παραγωγή του, ο κατασκευαστής καθοδηγεί την εφαρμογή να κανονικοποιήσει ξανά το συντομευμένο διάνυσμα· η χρήση του στοιχείου ελέγχου dimensions είναι η συνιστώμενη διαδρομή.
Προετοιμάστε συνεπή αναπαράσταση κειμένου και καταγράψτε το μοντέλο, τις διαστάσεις και το αναγνωριστικό πηγής. Ένα χρήσιμο τελικό παραδοτέο είναι καταταγμένο σύνολο αποσπασμάτων, σχετικών στοιχείων ή ομαδοποιημένων εγγραφών με ρητό κανόνα επιλογής. Αξιολογήστε αν το αποτέλεσμα απαντά στο ερώτημα και διατηρήστε τα στοιχεία πηγής για το επόμενο στάδιο αντί να θεωρείτε τη διανυσματική ομοιότητα επαλήθευση των πραγματολογικών ισχυρισμών μιας εγγραφής.
POST /v1/embeddingstext, token_idsembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια openai/text-embedding-3-large | Προεπιλογή— |
Πεδίοinput | Τύποςstring|string[]|integer[]|integer[][] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 8.192 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοsession_id | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοtrace | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Η πηγή επιτρέπει αυτό το πεδίο μεταδεδομένων JSON· η ακριβής σημασιολογία του ανάντη συστήματος εξαρτάται από το μοντέλο. | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςinput_shapes | Σύμβασηstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Παράμετροςencoding_format | Σύμβασηfloat |
Παράμετροςdimensions_override | Σύμβασηfalse |
Παράμετροςmax_input_budget_units | Σύμβαση8192 |
Παράμετροςmultimodal_objects | Σύμβασηfalse |
Παράμετροςmaterial_types | Σύμβασηtext, token_ids |
Κύκλος ζωής: synchronous_json
Διατηρήστε τον δείκτη και τη διάσταση κάθε διανύσματος.
Το όνομα πολυτροπικού μοντέλου δεν επιτρέπει αντικείμενα εικόνας σε αυτήν ακριβώς τη διαδρομή.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00026 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/text-embedding-3-large", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='openai/text-embedding-3-large',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε διάνυσμα με τον δείκτη του. Το πλήθος των διανυσμάτων πρέπει να ισούται με το πλήθος των στοιχείων εισόδου· οι διαστάσεις πρέπει να είναι συνεπείς.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοobject | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[] |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
text-embedding-3-largeΤο μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI επιστρέφει διανύσματα 3072 διαστάσεων από προεπιλογή, με στοιχείο ελέγχου του παραγωγού για μικρότερες αναπαραστάσεις. Χρησιμοποιήστε το για σημασιολογική ανάκτηση, πολυγλωσσική σύγκριση και ροές σχετικού περιεχομένου ή ταξινόμησης.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το text-embedding-3-large είναι το μεγαλύτερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI για εργασίες στα αγγλικά και σε άλλες γλώσσες. Αντιστοιχίζει γραπτό υλικό σε αριθμητικό διάνυσμα, επιστρέφοντας 3072 συνιστώσες από προεπιλογή. Το διάνυσμα αναπαριστά σχέσεις στο παρεχόμενο περιεχόμενο· μια διαδικασία ανάκτησης ή ταξινόμησης το χρησιμοποιεί για επιλογή υλικού ή λήψη άλλης απόφασης.
Τα μοντέλα τρίτης γενιάς εκπαιδεύονται να υποστηρίζουν μικρότερες αναπαραστάσεις μέσω του στοιχείου ελέγχου dimensions του παραγωγού. Ο κατασκευαστής δίνει 1024 διαστάσεις ως παράδειγμα όταν ένας χώρος αποθήκευσης διανυσμάτων απαιτεί αυτό το μέγεθος. Ένα μικρότερο διάνυσμα μειώνει την ποσότητα δεδομένων για αποθήκευση και σύγκριση, ενώ η αλλαγή αναπαράστασης μπορεί να επηρεάζει την ποιότητα ανάκτησης. Επιλέξτε το μέγεθος για τις απαιτήσεις της εφαρμογής και χρησιμοποιήστε την ίδια επιλογή για το corpus και τα ερωτήματά του.
Μια ενδεικτική ροή αναζήτησης εγγράφων διαιρεί το υλικό πηγής σε ουσιαστικά αποσπάσματα, κρατά τα αναγνωριστικά τους και αποκτά διανύσματα για κάθε απόσπασμα. Δημιουργείται embedding ερωτήματος με το ίδιο μοντέλο και τις ίδιες διαστάσεις και κατόπιν συγκρίνεται με τα διανύσματα αποσπασμάτων. Η εφαρμογή παρέχει φίλτρα, επιλέγει τα καταταγμένα αποτελέσματα και δείχνει τις αναφορές πηγής τους. Ένα μεταγενέστερο μοντέλο παραγωγής κειμένου μπορεί να αναπτύσσει απάντηση από το ανακτημένο υλικό· το αποτέλεσμα του μοντέλου embeddings παραμένει σύνολο αριθμητικών δεδομένων.
Άλλες τεκμηριωμένες εφαρμογές περιλαμβάνουν αναζήτηση κώδικα ή κειμένου, ομαδοποίηση παρόμοιων εγγραφών, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ανωμαλιών και μέτρηση ποικιλομορφίας σε συλλογή. Για σύσταση, περιγράψτε τα αντικείμενα με όρους σχετικούς με τη σχέση. Για ταξινόμηση, συγκρίνετε με αναπαραστάσεις κατηγοριών ή χρησιμοποιήστε διανύσματα ως χαρακτηριστικά σε ταξινομητή. Ορίστε τον κανόνα που μετατρέπει την ομοιότητα στο αποτέλεσμα που χρειάζεται το προϊόν.
Η OpenAI αναφέρει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή κείμενο σε μορφή tokens, υποστηρίζει πολλές εισόδους και απορρίπτει κενές συμβολοσειρές. Επιβάλλει επίσης συνολικό όριο 300.000 tokens για ένα αίτημα. Ένα μεγάλο έγγραφο πρέπει να διαιρείται με τα ουσιαστικά όρια και συμφραζόμενά του ανέπαφα, κρατώντας κάθε διάνυσμα συνδεδεμένο με το απόσπασμα πηγής του.
Ο παραγωγός τεκμηριώνει διανύσματα float ως προεπιλεγμένη έξοδο και base64 ως εναλλακτική κωδικοποίηση. Ο οδηγός συνιστά ομοιότητα συνημιτόνου και δηλώνει ότι τα embeddings της OpenAI κανονικοποιούνται σε μοναδιαίο μήκος, επιτρέποντας εσωτερικό γινόμενο για ομοιότητα συνημιτόνου και ισοδύναμες κατατάξεις με ευκλείδεια απόσταση. Αν διάνυσμα τρίτης γενιάς συντομευτεί χειροκίνητα μετά την παραγωγή του, ο κατασκευαστής καθοδηγεί την εφαρμογή να κανονικοποιήσει ξανά το συντομευμένο διάνυσμα· η χρήση του στοιχείου ελέγχου dimensions είναι η συνιστώμενη διαδρομή.
Προετοιμάστε συνεπή αναπαράσταση κειμένου και καταγράψτε το μοντέλο, τις διαστάσεις και το αναγνωριστικό πηγής. Ένα χρήσιμο τελικό παραδοτέο είναι καταταγμένο σύνολο αποσπασμάτων, σχετικών στοιχείων ή ομαδοποιημένων εγγραφών με ρητό κανόνα επιλογής. Αξιολογήστε αν το αποτέλεσμα απαντά στο ερώτημα και διατηρήστε τα στοιχεία πηγής για το επόμενο στάδιο αντί να θεωρείτε τη διανυσματική ομοιότητα επαλήθευση των πραγματολογικών ισχυρισμών μιας εγγραφής.
POST /v1/embeddingstextembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια text-embedding-3-large | Προεπιλογή— |
Πεδίοinput | Τύποςstring|string[]|integer[]|integer[][] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 Συνθήκες: Μη κενή ομοιογενής παρτίδα. Τα ID των token είναι μη αρνητικοί ακέραιοι. Προϋπολογισμός εισόδου: Μέγιστο: 8.192 · Μονάδα κειμένου: byte UTF8 · Μονάδα token: στοιχεία πίνακα token | Προεπιλογή— |
Πεδίοencoding_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια float | Προεπιλογήfloat |
Πεδίοdimensions | Τύποςinteger | ΑπαίτησηΔεν υποστηρίζεται | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοuser | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Προαιρετικά μεταδεδομένα JSON· η ακριβής σημασιολογία στην πλευρά του παρόχου εξαρτάται από το επιλεγμένο μοντέλο. | Προεπιλογή— |
Πεδίοsession_id | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Προαιρετικά μεταδεδομένα JSON· η ακριβής σημασιολογία στην πλευρά του παρόχου εξαρτάται από το επιλεγμένο μοντέλο. | Προεπιλογή— |
Πεδίοtrace | Τύποςjson_value | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Προαιρετικά μεταδεδομένα JSON· η ακριβής σημασιολογία στην πλευρά του παρόχου εξαρτάται από το επιλεγμένο μοντέλο. | Προεπιλογή— |
Πεδίοprovider | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Συνθήκες: Το provider.options απορρίφθηκε | Προεπιλογή— |
text_to_embedding
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, input |
Παράμετροςinput_shapes | Σύμβασηstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Παράμετροςencoding_format | Σύμβασηfloat |
Παράμετροςdimensions_override | Σύμβασηfalse |
Παράμετροςmax_input_budget_units | Σύμβαση8192 |
Παράμετροςmultimodal_objects | Σύμβασηfalse |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςtext_file_material | ΣύμβασηΔιαβάστε το πραγματικό έγγραφο UTF-8 και τοποθετήστε το κείμενό του στην υποδεικνυόμενη συμβολοσειρά εισόδου ή περιεχομένου του μηνύματος. |
Κύκλος ζωής: synchronous_json
Στείλτε το ακριβές ID μοντέλου και τα απαιτούμενα πεδία.
Διατηρήστε κάθε στοιχείο που επιστρέφεται και τα αρχικά αναγνωριστικά του.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
| Διαμόρφωση | Πίνακας χρεώσεων | Χρέωση |
|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις ανά token | Πίνακας χρεώσεωνΒασική χρέωση | Χρέωση Είσοδος · Token εισόδου $0.00026 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "text-embedding-3-large",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε κάθε πεπερασμένο διάνυσμα με τον αρχικό δείκτη του. Διατηρήστε όλες τις διαστάσεις και ολόκληρο το αντικείμενο χρήσης.
Δεν εισάγεται endpoint εργασιών ενσωμάτωσης.
| Πεδίο | Τύπος |
|---|---|
Πεδίοobject | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοdata[].index | Τύποςinteger |
Πεδίοdata[].embedding | Τύποςfinite float[] |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.