Το text-embedding-3-small είναι το μικρότερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI. Μετατρέπει γραπτό υλικό σε αριθμητικά διανύσματα με 1536 συνιστώσες από προεπιλογή. Αυτά τα διανύσματα μετρούν σχέσεις μεταξύ κειμένων για άλλο βήμα αναζήτησης ή ανάλυσης· το μοντέλο δεν παράγει απάντηση συνομιλίας στην είσοδο.
Όπως το μεγαλύτερο μοντέλο τρίτης γενιάς, υποστηρίζει το στοιχείο ελέγχου dimensions του παραγωγού για μικρότερα embeddings. Η εκπαίδευση έχει σχεδιαστεί ώστε να διατηρεί πληροφορία αναπαράστασης εννοιών σε συντομευμένο διάνυσμα, με την επιλογή μεγέθους να επηρεάζει την ποιότητα και τις απαιτήσεις πόρων της εφαρμογής. Κρατήστε το μοντέλο και τις επιλεγμένες διαστάσεις συνεπείς μεταξύ των εγγραφών και των ερωτημάτων που συγκρίνονται.
Μια πρακτική εφαρμογή είναι η αναζήτηση κώδικα. Ο οδηγός του κατασκευαστή περιγράφει την αναπαράσταση πηγαίων συναρτήσεων ως κειμένου και τη δημιουργία των embeddings τους, έπειτα τη δημιουργία embedding ερωτήματος φυσικής γλώσσας με το ίδιο μοντέλο και τη σύγκριση των διανυσμάτων που προκύπτουν. Ένα ενδεικτικό αποτέλεσμα είναι καταταγμένο σύνολο σχετικών συναρτήσεων συνδεδεμένων με τις θέσεις πηγής τους. Για αναζήτηση εγγράφων, το αντίστοιχο παραδοτέο είναι σύνολο αποσπασμάτων των οποίων το κείμενο και οι αρχικές αναφορές παραμένουν διαθέσιμα στον αναγνώστη ή στο επόμενο μοντέλο.
Άλλες τεκμηριωμένες χρήσεις περιλαμβάνουν ομαδοποίηση, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ακραίων τιμών και μέτρηση ποικιλομορφίας. Μια εστιασμένη ροή μηνυμάτων μπορεί να ομαδοποιεί παρόμοια αιτήματα ή να τα συγκρίνει με περιγραφές κατηγοριών. Η εφαρμογή ορίζει πώς ένα αποτέλεσμα ομοιότητας γίνεται κατηγορία, σύσταση ή στοιχείο ελέγχου· το ίδιο το embedding παραμένει σύνολο αριθμητικών δεδομένων.
Η OpenAI ορίζει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή είσοδο σε μορφή tokens και πολλές εισόδους σε ένα αίτημα, απορρίπτει κενές συμβολοσειρές και εφαρμόζει συνολικό όριο 300.000 tokens. Προετοιμάστε μεγάλο υλικό ως ουσιαστικά αποσπάσματα και κρατήστε τους τίτλους ή ορισμούς που χρειάζονται για την ερμηνεία τους. Χρησιμοποιήστε συνεπές σύνολο πεδίων πηγής αντί να δημιουργείτε embeddings διαφορετικών ειδών εγγραφών με άσχετους κανόνες προετοιμασίας.
Ο παραγωγός επιστρέφει διανύσματα float από προεπιλογή και τεκμηριώνει επίσης κωδικοποίηση base64. Ο οδηγός δηλώνει ότι τα embeddings της OpenAI είναι κανονικοποιημένα σε μοναδιαίο μήκος και συνιστά ομοιότητα συνημιτόνου· ένα εσωτερικό γινόμενο μπορεί να την υπολογίζει και η ευκλείδεια απόσταση δίνει την ίδια κατάταξη. Αν ένα embedding τρίτης γενιάς συντομευτεί χειροκίνητα μετά την επιστροφή του, κανονικοποιήστε ξανά το συντομευμένο διάνυσμα όπως περιγράφει ο οδηγός. Το στοιχείο ελέγχου dimensions αποφεύγει τη χειροκίνητη περικοπή ως συνηθισμένο βήμα προετοιμασίας.
Καταγράψτε την ταυτότητα μοντέλου, τις διαστάσεις και τη σύνδεση πηγής μαζί με κάθε διάνυσμα. Ένα χρήσιμο μεταγενέστερο παραδοτέο είναι μια καταταγμένη λίστα, μια ομαδοποιημένη συλλογή ή ένα σύνολο χαρακτηριστικών ταξινόμησης, με διατηρημένη τη σύνδεση προς το κείμενο από το οποίο προέκυψαν. Ελέγξτε αν το επιλεγμένο υλικό στηρίζει πράγματι την εργασία και κρατήστε τα ελλείποντα γεγονότα χωριστά από τη σημασιολογική συσχέτιση. Το επόμενο βήμα μπορεί τότε να χρησιμοποιεί την αναπαράσταση για συγκεκριμένη ροή ανάκτησης ή απόφασης.
", "aboutText": "Το text-embedding-3-small είναι το μικρότερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI. Μετατρέπει γραπτό υλικό σε αριθμητικά διανύσματα με 1536 συνιστώσες από προεπιλογή. Αυτά τα διανύσματα μετρούν σχέσεις μεταξύ κειμένων για άλλο βήμα αναζήτησης ή ανάλυσης· το μοντέλο δεν παράγει απάντηση συνομιλίας στην είσοδο.\n\nΌπως το μεγαλύτερο μοντέλο τρίτης γενιάς, υποστηρίζει το στοιχείο ελέγχου dimensions του παραγωγού για μικρότερα embeddings. Η εκπαίδευση έχει σχεδιαστεί ώστε να διατηρεί πληροφορία αναπαράστασης εννοιών σε συντομευμένο διάνυσμα, με την επιλογή μεγέθους να επηρεάζει την ποιότητα και τις απαιτήσεις πόρων της εφαρμογής. Κρατήστε το μοντέλο και τις επιλεγμένες διαστάσεις συνεπείς μεταξύ των εγγραφών και των ερωτημάτων που συγκρίνονται.\n\nΜια πρακτική εφαρμογή είναι η αναζήτηση κώδικα. Ο οδηγός του κατασκευαστή περιγράφει την αναπαράσταση πηγαίων συναρτήσεων ως κειμένου και τη δημιουργία των embeddings τους, έπειτα τη δημιουργία embedding ερωτήματος φυσικής γλώσσας με το ίδιο μοντέλο και τη σύγκριση των διανυσμάτων που προκύπτουν. Ένα ενδεικτικό αποτέλεσμα είναι καταταγμένο σύνολο σχετικών συναρτήσεων συνδεδεμένων με τις θέσεις πηγής τους. Για αναζήτηση εγγράφων, το αντίστοιχο παραδοτέο είναι σύνολο αποσπασμάτων των οποίων το κείμενο και οι αρχικές αναφορές παραμένουν διαθέσιμα στον αναγνώστη ή στο επόμενο μοντέλο.\n\nΆλλες τεκμηριωμένες χρήσεις περιλαμβάνουν ομαδοποίηση, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ακραίων τιμών και μέτρηση ποικιλομορφίας. Μια εστιασμένη ροή μηνυμάτων μπορεί να ομαδοποιεί παρόμοια αιτήματα ή να τα συγκρίνει με περιγραφές κατηγοριών. Η εφαρμογή ορίζει πώς ένα αποτέλεσμα ομοιότητας γίνεται κατηγορία, σύσταση ή στοιχείο ελέγχου· το ίδιο το embedding παραμένει σύνολο αριθμητικών δεδομένων.\n\nΗ OpenAI ορίζει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή είσοδο σε μορφή tokens και πολλές εισόδους σε ένα αίτημα, απορρίπτει κενές συμβολοσειρές και εφαρμόζει συνολικό όριο 300.000 tokens. Προετοιμάστε μεγάλο υλικό ως ουσιαστικά αποσπάσματα και κρατήστε τους τίτλους ή ορισμούς που χρειάζονται για την ερμηνεία τους. Χρησιμοποιήστε συνεπές σύνολο πεδίων πηγής αντί να δημιουργείτε embeddings διαφορετικών ειδών εγγραφών με άσχετους κανόνες προετοιμασίας.\n\nΟ παραγωγός επιστρέφει διανύσματα float από προεπιλογή και τεκμηριώνει επίσης κωδικοποίηση base64. Ο οδηγός δηλώνει ότι τα embeddings της OpenAI είναι κανονικοποιημένα σε μοναδιαίο μήκος και συνιστά ομοιότητα συνημιτόνου· ένα εσωτερικό γινόμενο μπορεί να την υπολογίζει και η ευκλείδεια απόσταση δίνει την ίδια κατάταξη. Αν ένα embedding τρίτης γενιάς συντομευτεί χειροκίνητα μετά την επιστροφή του, κανονικοποιήστε ξανά το συντομευμένο διάνυσμα όπως περιγράφει ο οδηγός. Το στοιχείο ελέγχου dimensions αποφεύγει τη χειροκίνητη περικοπή ως συνηθισμένο βήμα προετοιμασίας.\n\nΚαταγράψτε την ταυτότητα μοντέλου, τις διαστάσεις και τη σύνδεση πηγής μαζί με κάθε διάνυσμα. Ένα χρήσιμο μεταγενέστερο παραδοτέο είναι μια καταταγμένη λίστα, μια ομαδοποιημένη συλλογή ή ένα σύνολο χαρακτηριστικών ταξινόμησης, με διατηρημένη τη σύνδεση προς το κείμενο από το οποίο προέκυψαν. Ελέγξτε αν το επιλεγμένο υλικό στηρίζει πράγματι την εργασία και κρατήστε τα ελλείποντα γεγονότα χωριστά από τη σημασιολογική συσχέτιση. Το επόμενο βήμα μπορεί τότε να χρησιμοποιεί την αναπαράσταση για συγκεκριμένη ροή ανάκτησης ή απόφασης.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "853df8d5ce8a14253fc52b7ea10850d8f1d9586229c038d7abf186384e5ddfca", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "openai/text-embedding-3-smallΤο μικρό μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI επιστρέφει διανύσματα 1536 διαστάσεων από προεπιλογή και υποστηρίζει μικρότερες αναπαραστάσεις. Χρησιμοποιήστε την αριθμητική έξοδο για σημασιολογική αναζήτηση, ανάκτηση κώδικα, ομαδοποίηση, συστάσεις και ταξινόμηση.
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-small είναι το μικρότερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI. Μετατρέπει γραπτό υλικό σε αριθμητικά διανύσματα με 1536 συνιστώσες από προεπιλογή. Αυτά τα διανύσματα μετρούν σχέσεις μεταξύ κειμένων για άλλο βήμα αναζήτησης ή ανάλυσης· το μοντέλο δεν παράγει απάντηση συνομιλίας στην είσοδο.
Όπως το μεγαλύτερο μοντέλο τρίτης γενιάς, υποστηρίζει το στοιχείο ελέγχου dimensions του παραγωγού για μικρότερα embeddings. Η εκπαίδευση έχει σχεδιαστεί ώστε να διατηρεί πληροφορία αναπαράστασης εννοιών σε συντομευμένο διάνυσμα, με την επιλογή μεγέθους να επηρεάζει την ποιότητα και τις απαιτήσεις πόρων της εφαρμογής. Κρατήστε το μοντέλο και τις επιλεγμένες διαστάσεις συνεπείς μεταξύ των εγγραφών και των ερωτημάτων που συγκρίνονται.
Μια πρακτική εφαρμογή είναι η αναζήτηση κώδικα. Ο οδηγός του κατασκευαστή περιγράφει την αναπαράσταση πηγαίων συναρτήσεων ως κειμένου και τη δημιουργία των embeddings τους, έπειτα τη δημιουργία embedding ερωτήματος φυσικής γλώσσας με το ίδιο μοντέλο και τη σύγκριση των διανυσμάτων που προκύπτουν. Ένα ενδεικτικό αποτέλεσμα είναι καταταγμένο σύνολο σχετικών συναρτήσεων συνδεδεμένων με τις θέσεις πηγής τους. Για αναζήτηση εγγράφων, το αντίστοιχο παραδοτέο είναι σύνολο αποσπασμάτων των οποίων το κείμενο και οι αρχικές αναφορές παραμένουν διαθέσιμα στον αναγνώστη ή στο επόμενο μοντέλο.
Άλλες τεκμηριωμένες χρήσεις περιλαμβάνουν ομαδοποίηση, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ακραίων τιμών και μέτρηση ποικιλομορφίας. Μια εστιασμένη ροή μηνυμάτων μπορεί να ομαδοποιεί παρόμοια αιτήματα ή να τα συγκρίνει με περιγραφές κατηγοριών. Η εφαρμογή ορίζει πώς ένα αποτέλεσμα ομοιότητας γίνεται κατηγορία, σύσταση ή στοιχείο ελέγχου· το ίδιο το embedding παραμένει σύνολο αριθμητικών δεδομένων.
Η OpenAI ορίζει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή είσοδο σε μορφή tokens και πολλές εισόδους σε ένα αίτημα, απορρίπτει κενές συμβολοσειρές και εφαρμόζει συνολικό όριο 300.000 tokens. Προετοιμάστε μεγάλο υλικό ως ουσιαστικά αποσπάσματα και κρατήστε τους τίτλους ή ορισμούς που χρειάζονται για την ερμηνεία τους. Χρησιμοποιήστε συνεπές σύνολο πεδίων πηγής αντί να δημιουργείτε embeddings διαφορετικών ειδών εγγραφών με άσχετους κανόνες προετοιμασίας.
Ο παραγωγός επιστρέφει διανύσματα float από προεπιλογή και τεκμηριώνει επίσης κωδικοποίηση base64. Ο οδηγός δηλώνει ότι τα embeddings της OpenAI είναι κανονικοποιημένα σε μοναδιαίο μήκος και συνιστά ομοιότητα συνημιτόνου· ένα εσωτερικό γινόμενο μπορεί να την υπολογίζει και η ευκλείδεια απόσταση δίνει την ίδια κατάταξη. Αν ένα embedding τρίτης γενιάς συντομευτεί χειροκίνητα μετά την επιστροφή του, κανονικοποιήστε ξανά το συντομευμένο διάνυσμα όπως περιγράφει ο οδηγός. Το στοιχείο ελέγχου dimensions αποφεύγει τη χειροκίνητη περικοπή ως συνηθισμένο βήμα προετοιμασίας.
Καταγράψτε την ταυτότητα μοντέλου, τις διαστάσεις και τη σύνδεση πηγής μαζί με κάθε διάνυσμα. Ένα χρήσιμο μεταγενέστερο παραδοτέο είναι μια καταταγμένη λίστα, μια ομαδοποιημένη συλλογή ή ένα σύνολο χαρακτηριστικών ταξινόμησης, με διατηρημένη τη σύνδεση προς το κείμενο από το οποίο προέκυψαν. Ελέγξτε αν το επιλεγμένο υλικό στηρίζει πράγματι την εργασία και κρατήστε τα ελλείποντα γεγονότα χωριστά από τη σημασιολογική συσχέτιση. Το επόμενο βήμα μπορεί τότε να χρησιμοποιεί την αναπαράσταση για συγκεκριμένη ροή ανάκτησης ή απόφασης.
POST /v1/embeddingstext, token_idsembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια openai/text-embedding-3-small | 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 $0.00004 / 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-small", "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-small',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-small, text-embedding-3-small
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
text-embedding-3-smallΤο μικρό μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI επιστρέφει διανύσματα 1536 διαστάσεων από προεπιλογή και υποστηρίζει μικρότερες αναπαραστάσεις. Χρησιμοποιήστε την αριθμητική έξοδο για σημασιολογική αναζήτηση, ανάκτηση κώδικα, ομαδοποίηση, συστάσεις και ταξινόμηση.
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-small είναι το μικρότερο μοντέλο embeddings κειμένου τρίτης γενιάς της OpenAI. Μετατρέπει γραπτό υλικό σε αριθμητικά διανύσματα με 1536 συνιστώσες από προεπιλογή. Αυτά τα διανύσματα μετρούν σχέσεις μεταξύ κειμένων για άλλο βήμα αναζήτησης ή ανάλυσης· το μοντέλο δεν παράγει απάντηση συνομιλίας στην είσοδο.
Όπως το μεγαλύτερο μοντέλο τρίτης γενιάς, υποστηρίζει το στοιχείο ελέγχου dimensions του παραγωγού για μικρότερα embeddings. Η εκπαίδευση έχει σχεδιαστεί ώστε να διατηρεί πληροφορία αναπαράστασης εννοιών σε συντομευμένο διάνυσμα, με την επιλογή μεγέθους να επηρεάζει την ποιότητα και τις απαιτήσεις πόρων της εφαρμογής. Κρατήστε το μοντέλο και τις επιλεγμένες διαστάσεις συνεπείς μεταξύ των εγγραφών και των ερωτημάτων που συγκρίνονται.
Μια πρακτική εφαρμογή είναι η αναζήτηση κώδικα. Ο οδηγός του κατασκευαστή περιγράφει την αναπαράσταση πηγαίων συναρτήσεων ως κειμένου και τη δημιουργία των embeddings τους, έπειτα τη δημιουργία embedding ερωτήματος φυσικής γλώσσας με το ίδιο μοντέλο και τη σύγκριση των διανυσμάτων που προκύπτουν. Ένα ενδεικτικό αποτέλεσμα είναι καταταγμένο σύνολο σχετικών συναρτήσεων συνδεδεμένων με τις θέσεις πηγής τους. Για αναζήτηση εγγράφων, το αντίστοιχο παραδοτέο είναι σύνολο αποσπασμάτων των οποίων το κείμενο και οι αρχικές αναφορές παραμένουν διαθέσιμα στον αναγνώστη ή στο επόμενο μοντέλο.
Άλλες τεκμηριωμένες χρήσεις περιλαμβάνουν ομαδοποίηση, συστάσεις σχετικού περιεχομένου, ταξινόμηση, ανίχνευση ακραίων τιμών και μέτρηση ποικιλομορφίας. Μια εστιασμένη ροή μηνυμάτων μπορεί να ομαδοποιεί παρόμοια αιτήματα ή να τα συγκρίνει με περιγραφές κατηγοριών. Η εφαρμογή ορίζει πώς ένα αποτέλεσμα ομοιότητας γίνεται κατηγορία, σύσταση ή στοιχείο ελέγχου· το ίδιο το embedding παραμένει σύνολο αριθμητικών δεδομένων.
Η OpenAI ορίζει μέγιστη είσοδο 8192 tokens ανά κείμενο. Το API embeddings δέχεται συμβολοσειρές ή είσοδο σε μορφή tokens και πολλές εισόδους σε ένα αίτημα, απορρίπτει κενές συμβολοσειρές και εφαρμόζει συνολικό όριο 300.000 tokens. Προετοιμάστε μεγάλο υλικό ως ουσιαστικά αποσπάσματα και κρατήστε τους τίτλους ή ορισμούς που χρειάζονται για την ερμηνεία τους. Χρησιμοποιήστε συνεπές σύνολο πεδίων πηγής αντί να δημιουργείτε embeddings διαφορετικών ειδών εγγραφών με άσχετους κανόνες προετοιμασίας.
Ο παραγωγός επιστρέφει διανύσματα float από προεπιλογή και τεκμηριώνει επίσης κωδικοποίηση base64. Ο οδηγός δηλώνει ότι τα embeddings της OpenAI είναι κανονικοποιημένα σε μοναδιαίο μήκος και συνιστά ομοιότητα συνημιτόνου· ένα εσωτερικό γινόμενο μπορεί να την υπολογίζει και η ευκλείδεια απόσταση δίνει την ίδια κατάταξη. Αν ένα embedding τρίτης γενιάς συντομευτεί χειροκίνητα μετά την επιστροφή του, κανονικοποιήστε ξανά το συντομευμένο διάνυσμα όπως περιγράφει ο οδηγός. Το στοιχείο ελέγχου dimensions αποφεύγει τη χειροκίνητη περικοπή ως συνηθισμένο βήμα προετοιμασίας.
Καταγράψτε την ταυτότητα μοντέλου, τις διαστάσεις και τη σύνδεση πηγής μαζί με κάθε διάνυσμα. Ένα χρήσιμο μεταγενέστερο παραδοτέο είναι μια καταταγμένη λίστα, μια ομαδοποιημένη συλλογή ή ένα σύνολο χαρακτηριστικών ταξινόμησης, με διατηρημένη τη σύνδεση προς το κείμενο από το οποίο προέκυψαν. Ελέγξτε αν το επιλεγμένο υλικό στηρίζει πράγματι την εργασία και κρατήστε τα ελλείποντα γεγονότα χωριστά από τη σημασιολογική συσχέτιση. Το επόμενο βήμα μπορεί τότε να χρησιμοποιεί την αναπαράσταση για συγκεκριμένη ροή ανάκτησης ή απόφασης.
POST /v1/embeddingstextembedding| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια text-embedding-3-small | 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 $0.00004 / 1K token Έξοδος · Token εξόδου $0 / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "model": "text-embedding-3-small",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${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-small', '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-small', '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-small, text-embedding-3-small
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.