Source: https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/
Canonical: https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/
Language: es-mx

# OpenAI: Text Embedding 3 Large

[Markdown](https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/index.md) · [JSON](https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/facts.json)

## [OpenAI: Text Embedding 3 Large](https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/)

El modelo más grande de embeddings textuales de tercera generación de OpenAI devuelve vectores de 3072 dimensiones por defecto, con un control del productor para representaciones más cortas. Utilízalo para recuperación semántica, comparación multilingüe y flujos de contenido relacionado o clasificación.

- [**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/#method-0)
- [**Ailoot Ultra · Vectores de representación · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large`](https://ailoot.ai/models/es-mx/openai-text-embedding-3-large/#method-1)

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

text-embedding-3-large es el modelo más grande de embeddings textuales de tercera generación de OpenAI para tareas en inglés y otros idiomas. Asigna al material escrito un vector numérico y devuelve 3072 componentes por defecto. El vector representa relaciones en el contenido proporcionado; un proceso de recuperación o clasificación lo utiliza para seleccionar material o tomar otra decisión.

Los modelos de tercera generación están entrenados para admitir representaciones más cortas mediante el control dimensions del productor. El fabricante da 1024 dimensiones como ejemplo cuando un almacén vectorial exige ese tamaño. Un vector más corto reduce la cantidad de datos que se deben almacenar y comparar, mientras que cambiar la representación puede afectar a la calidad de recuperación. Elige el tamaño según los requisitos de la aplicación y utiliza esa misma elección para el corpus y sus consultas.

Un flujo ilustrativo de búsqueda documental divide el material de origen en pasajes significativos, conserva sus identificadores y obtiene vectores para cada pasaje. Se genera el embedding de una pregunta utilizando el mismo modelo y dimensiones y después se compara con los vectores de los pasajes. La aplicación aporta filtros, selecciona los resultados ordenados y muestra sus referencias de origen. Un modelo posterior de generación de texto puede desarrollar una respuesta a partir del material recuperado; el resultado del modelo de embeddings sigue siendo un conjunto de datos numéricos.

Otras aplicaciones documentadas incluyen búsqueda de código o texto, agrupación de registros similares, recomendaciones de contenido relacionado, clasificación, detección de anomalías y medición de diversidad en una colección. Para una recomendación, describe los objetos con los términos pertinentes para la relación. Para clasificación, compara con representaciones de categorías o utiliza los vectores como características de un clasificador. Define la regla que convierte la similaridad en el resultado que necesita el producto.

OpenAI indica una entrada máxima de 8192 tokens por texto. La API de embeddings acepta cadenas o texto tokenizado, admite varias entradas y rechaza cadenas vacías. También impone un límite agregado de 300,000 tokens por solicitud. Un documento largo debe dividirse manteniendo intactos sus límites significativos y su contexto y conservando cada vector conectado con su pasaje de origen.

El productor documenta vectores float como salida predeterminada y base64 como codificación alternativa. La guía recomienda similaridad del coseno y afirma que los embeddings de OpenAI están normalizados a longitud unitaria, lo que permite utilizar un producto escalar para la similaridad del coseno y ordenaciones equivalentes con distancia euclidiana. Si un vector de tercera generación se acorta manualmente después de generarse, el fabricante indica que la aplicación debe normalizar de nuevo el vector acortado; utilizar el control dimensions es la vía recomendada.

Prepara una representación textual coherente y registra el modelo, las dimensiones y el identificador de origen. Un artefacto final útil es un conjunto ordenado de pasajes, elementos relacionados o registros agrupados cuya regla de selección sea explícita. Evalúa si el resultado responde a la consulta y conserva la evidencia de origen para la siguiente etapa, en lugar de tratar la similaridad vectorial como verificación de las afirmaciones factuales de un registro.

**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings` `openai/text-embedding-3-large`

[`openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings)

OpenAI /`openai/text-embedding-3-large`

ID del modelo

- `openai/text-embedding-3-large`
- `text-embedding-3-large`

### Inicio

El modelo más grande de embeddings textuales de tercera generación de OpenAI devuelve vectores de 3072 dimensiones por defecto, con un control del productor para representaciones más cortas. Utilízalo para recuperación semántica, comparación multilingüe y flujos de contenido relacionado o clasificación.

Entradas aceptadas

Texto · token\_ids

Resultados

embedding

### Disponible en Ailoot · entradas y métodos

**Ailoot Ultra · Representaciones vectoriales** `POST /v1/embeddings`

Entrada

`text`, `token_ids`

Salida

`embedding`

Contexto

8,192 tokens

Formato de salida

json

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites openai/text-embedding-3-large | Predeterminado— |
| Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 8,192 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— |
| Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat |
| Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— |
| Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
| Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
| Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo. | Predeterminado— |
| Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options rechazado | Predeterminado— |

Combinaciones de materiales de entrada

**text\_to\_embedding**

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`required` | Contratomodel, input |
| Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parámetro`encoding_format` | Contratofloat |
| Parámetro`dimensions_override` | Contratofalse |
| Parámetro`max_input_budget_units` | Contrato8192 |
| Parámetro`multimodal_objects` | Contratofalse |
| Parámetro`material_types` | Contratotext, token\_ids |

Ciclo de vida: `synchronous_json`

Conserva todos los índices y dimensiones de los vectores.

El nombre de un modelo multimodal no habilita objetos de imagen en esta ruta exacta.

### Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast

Tarifa estándar Cuando se selecciona el modo fast

Modo flex

Tarifa estándar Cuando se selecciona el modo flex

Esfuerzo máximo de razonamiento

Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

#### Tarifas de Ailoot

#### Precios por configuración

| Configuración | Tabla de tarifas | Cargo |
| --- | --- | --- |
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00026** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot Ultra · Representaciones vectoriales

curlPython SDK

```bash
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-large", "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
```

```python
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-large',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)
```

### Recibir y guardar resultados

#### Ailoot Ultra · Representaciones vectoriales

json

##### Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva cada vector con su índice. La cantidad de vectores debe ser igual a la cantidad de entradas; las dimensiones deben ser consistentes.

##### Si es necesario revisar la respuesta original

No se incorpora ningún endpoint de tareas de embeddings.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`object` | Tipostring |
| Campo`model` | Tipostring |
| Campo`data[].index` | Tipointeger |
| Campo`data[].embedding` | Tipofinite float\[\] |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| Respuesta | Condición | Siguiente paso |
| --- | --- | --- |
| Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |

### Alias

#### Alias del modelo

**Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

**Ailoot Ultra · Vectores de representación · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large`

[`text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

OpenAI /`text-embedding-3-large`

ID del modelo

- `openai/text-embedding-3-large`
- `text-embedding-3-large`

### Inicio

El modelo más grande de embeddings textuales de tercera generación de OpenAI devuelve vectores de 3072 dimensiones por defecto, con un control del productor para representaciones más cortas. Utilízalo para recuperación semántica, comparación multilingüe y flujos de contenido relacionado o clasificación.

Entradas aceptadas

Texto

Resultados

embedding

### Disponible en Ailoot · entradas y métodos

**Ailoot Ultra · Vectores de representación · text-embedding-3-large** `POST /v1/embeddings`

Entrada

`text`

Salida

`embedding`

Contexto

8,192 tokens

Formato de salida

json

| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
| --- | --- | --- | --- | --- |
| Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites text-embedding-3-large | Predeterminado— |
| Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 Condiciones: Lote homogéneo no vacío. Los ID de tokens son números enteros no negativos. Presupuesto de entrada: Máximo: 8,192 · Unidad de texto: bytes UTF8 · Unidad de tokens: elementos de un arreglo de tokens | Predeterminado— |
| Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores y límites float | Predeterminadofloat |
| Campo`dimensions` | Tipo`integer` | RequisitoNo compatible | Valores y límites Mínimo: 1 | Predeterminado— |
| Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado. | Predeterminado— |
| Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado. | Predeterminado— |
| Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores y límites Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado. | Predeterminado— |
| Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites Condiciones: provider.options rechazado | Predeterminado— |

Combinaciones de materiales de entrada

**text\_to\_embedding**

Parámetros del método y ciclo de vida

| Parámetro | Contrato |
| --- | --- |
| Parámetro`content_type` | Contratoapplication/json |
| Parámetro`required` | Contratomodel, input |
| Parámetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parámetro`encoding_format` | Contratofloat |
| Parámetro`dimensions_override` | Contratofalse |
| Parámetro`max_input_budget_units` | Contrato8192 |
| Parámetro`multimodal_objects` | Contratofalse |
| Parámetro`material_types` | Contratotext |
| Parámetro`text_file_material` | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |

Ciclo de vida: `synchronous_json`

Envía el ID exacto del modelo y los campos obligatorios.

Conserva cada elemento devuelto y sus identificadores originales.

### Tarifas

Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.

Modo fast

Tarifa estándar Cuando se selecciona el modo fast

Modo flex

Tarifa estándar Cuando se selecciona el modo flex

Esfuerzo máximo de razonamiento

Tarifa estándar Cuando el esfuerzo máximo de razonamiento usa el ajuste default

#### Tarifas de Ailoot

#### Precios por configuración

| Configuración | Tabla de tarifas | Cargo |
| --- | --- | --- |
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada **$0.00026** / 1K tokens Salida · Tokens de salida **$0** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens |

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/)

### Solicitudes de ejemplo

#### Ailoot Ultra · Vectores de representación · text-embedding-3-large

Cuerpo JSON mínimo completocurl · usa tu documento en UTF-8Python · guarda el resultado completo

```json
{
  "model": "text-embedding-3-large",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
```

```bash
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-large', '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
```

```python
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-large', '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')))
```

### Recibir y guardar resultados

#### Ailoot Ultra · Vectores de representación · text-embedding-3-large

json

##### Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Conserva cada vector finito con su índice original. Conserva todas las dimensiones y el objeto de uso completo.

##### Si es necesario revisar la respuesta original

No se incorpora ningún endpoint de tareas de embeddings.

Campos de respuesta

| Campo | Tipo |
| --- | --- |
| Campo`object` | Tipostring |
| Campo`model` | Tipostring |
| Campo`data[].index` | Tipointeger |
| Campo`data[].embedding` | Tipofinite float\[\] |
| Campo`usage` | Tipoobject |

Errores y siguientes pasos

| Respuesta | Condición | Siguiente paso |
| --- | --- | --- |
| Respuesta400 · `invalid_request_error` | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |

### Alias

#### Alias del modelo

**Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

#### Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

#### ID de modelo relacionados

[`openai/text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/es-mx/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings)

FAQ · OpenAI: Text Embedding 3 Large

¿Qué entradas y resultados están disponibles?

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

¿Qué campos utiliza la solicitud?

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

¿Qué límites se aplican?

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

Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación.

## La empresa y su cartera de proyectos

La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.

## Compra tokens con descuento.

Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens.

Suscripción

Elige un plan con descuento para tus peticiones habituales.

Código de hasta el 50%

Introduce el código al comprar. El precio se recalcula según la promoción vigente.

Gasto en el historial

Modelo, tokens e importe quedan guardados por cada petición.

[Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/)

## Conecta la API al producto que vendes.

SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso.

Aplicación comercial

Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio.

Licencia para revendedores

Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa.

Documentos en la web

La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar.

[Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx)

## Ailoot · La empresa y su cartera de proyectos





Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI.





La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes.





Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.