models

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

Un modelo de embeddings textuales de OpenAI que devuelve un vector numérico de 1536 dimensiones. Utiliza esas representaciones para búsqueda semántica, recomendaciones de contenido relacionado, agrupación, clasificación o detección de registros textuales inusuales.

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-ada-002 es el modelo de embeddings de texto de OpenAI para representar material escrito como un vector numérico. Su salida contiene 1536 componentes. El fabricante combina similaridad textual, búsqueda de documentos y consultas y funciones de búsqueda de código en una representación. El resultado son datos para comparación u otro algoritmo, en lugar de una respuesta generada al texto del que se crea el embedding.

Para búsqueda semántica, prepara pasajes documentales significativos y conserva sus identificadores de origen. Un flujo ilustrativo genera embeddings de cada pasaje y la pregunta del usuario con el mismo modelo, compara los vectores y devuelve los pasajes de origen pertinentes. La aplicación determina la regla de recuperación, los filtros y la presentación. Un paso posterior de generación de texto puede utilizar el material recuperado para desarrollar una respuesta, mientras que el modelo de embeddings aporta la representación numérica.

Otros usos documentados incluyen agrupar registros similares, recomendar contenido relacionado, clasificar texto e identificar valores atípicos. Para una recomendación, compara descripciones de los objetos cuya relación importe. Para clasificación, la guía describe la comparación con representaciones de categorías o el uso de vectores como características en un clasificador. Para detección de anomalías, el resultado pertinente es un registro que difiere de la colección que lo rodea, interpretado según la tarea del producto.

OpenAI indica una entrada máxima de 8192 tokens para este modelo. La API de embeddings del productor acepta cadenas de texto o entrada tokenizada, permite varias entradas en una solicitud y rechaza cadenas vacías. Su límite agregado es de 300,000 tokens en una solicitud, además del límite por entrada. Divide los documentos más largos en pasajes útiles, conservando títulos, definiciones y la referencia al material original.

La salida es un vector de valores de punto flotante; el productor también documenta base64 como codificación alternativa de transporte. El parámetro de OpenAI para acortar dimensiones es para modelos de embeddings de tercera generación y posteriores, por lo que el resultado documentado de 1536 dimensiones de Ada se mantiene separado de ese control. Guarda la identidad del modelo y el vector junto al registro de origen para que las comparaciones posteriores utilicen una representación coherente.

La guía de embeddings recomienda similaridad del coseno y afirma que los embeddings de OpenAI están normalizados a longitud unitaria. Para esos vectores, un producto escalar puede calcular la similaridad del coseno y la distancia euclidiana da la misma ordenación. Una puntuación de similaridad forma parte de la lógica de recuperación o clasificación de la aplicación, no de una decisión categórica proporcionada automáticamente por el modelo.

Define qué campos de origen se convierten en texto de entrada y cómo deben dividirse los pasajes. Un resultado ilustrativo es un conjunto ordenado de pasajes documentales o registros relacionados, cada uno conectado con su fuente original y la regla utilizada para seleccionarlo. Mantén coherente la preparación y evalúa si el material devuelto aborda la pregunta real. Esto hace que la salida numérica sea útil para el siguiente paso de búsqueda, recomendación o análisis.

Ailoot Ultra · Representaciones vectoriales POST /v1/embeddings openai/text-embedding-ada-002

openai/text-embedding-ada-002

OpenAI /openai/text-embedding-ada-002
ID del modelo
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Inicio

Un modelo de embeddings textuales de OpenAI que devuelve un vector numérico de 1536 dimensiones. Utiliza esas representaciones para búsqueda semántica, recomendaciones de contenido relacionado, agrupación, clasificación o detección de registros textuales inusuales.

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
CampoTipoRequisitoValores y límitesPredeterminado
CampomodelTipostringRequisitoObligatorioValores y límites
openai/text-embedding-ada-002
Predeterminado—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObligatorioValores 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—
Campoencoding_formatTipostringRequisitoOpcionalValores y límites
float
Predeterminadofloat
CampodimensionsTipointegerRequisitoNo compatibleValores y límites
Mínimo: 1
Predeterminado—
CampouserTipojson_valueRequisitoOpcionalValores y límites
Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo.
Predeterminado—
Camposession_idTipojson_valueRequisitoOpcionalValores y límites
Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo.
Predeterminado—
CampotraceTipojson_valueRequisitoOpcionalValores y límites
Condiciones: La fuente permite este campo metadata de JSON; la semántica exacta en el sistema de origen depende del modelo.
Predeterminado—
CampoproviderTipoobjectRequisitoOpcionalValores y límites
Condiciones: provider.options rechazado
Predeterminado—
Combinaciones de materiales de entrada

text_to_embedding

Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratomodel, input
Parámetroinput_shapesContratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parámetroencoding_formatContratofloat
Parámetrodimensions_overrideContratofalse
Parámetromax_input_budget_unitsContrato8192
Parámetromultimodal_objectsContratofalse
Parámetromaterial_typesContratotext, 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

ConfiguraciónTabla de tarifasCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseCargo
Entrada · Tokens de entrada $0.0002 / 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 →

Solicitudes de ejemplo

Ailoot Ultra · Representaciones vectoriales

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-ada-002", "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-ada-002',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
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónCampos obligatorios, representación del material o valor del parámetro no válidosSiguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación.

Alias

Alias del modelo

Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

openai/text-embedding-ada-002, text-embedding-ada-002

Ailoot Ultra · Vectores de representación · text-embedding-ada-002 POST /v1/embeddings text-embedding-ada-002

text-embedding-ada-002

OpenAI /text-embedding-ada-002
ID del modelo
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Inicio

Un modelo de embeddings textuales de OpenAI que devuelve un vector numérico de 1536 dimensiones. Utiliza esas representaciones para búsqueda semántica, recomendaciones de contenido relacionado, agrupación, clasificación o detección de registros textuales inusuales.

Entradas aceptadas
Texto
Resultados
embedding

Disponible en Ailoot · entradas y métodos

Ailoot Ultra · Vectores de representación · text-embedding-ada-002 POST /v1/embeddings
Entrada
text
Salida
embedding
Contexto
8,192 tokens
Formato de salida
json
CampoTipoRequisitoValores y límitesPredeterminado
CampomodelTipostringRequisitoObligatorioValores y límites
text-embedding-ada-002
Predeterminado—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObligatorioValores 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—
Campoencoding_formatTipostringRequisitoOpcionalValores y límites
float
Predeterminadofloat
CampodimensionsTipointegerRequisitoNo compatibleValores y límites
Mínimo: 1
Predeterminado—
CampouserTipojson_valueRequisitoOpcionalValores y límites
Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado.
Predeterminado—
Camposession_idTipojson_valueRequisitoOpcionalValores y límites
Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado.
Predeterminado—
CampotraceTipojson_valueRequisitoOpcionalValores y límites
Condiciones: Metadatos JSON opcionales; la semántica exacta del proveedor depende del modelo seleccionado.
Predeterminado—
CampoproviderTipoobjectRequisitoOpcionalValores y límites
Condiciones: provider.options rechazado
Predeterminado—
Combinaciones de materiales de entrada

text_to_embedding

Parámetros del método y ciclo de vida
ParámetroContrato
Parámetrocontent_typeContratoapplication/json
ParámetrorequiredContratomodel, input
Parámetroinput_shapesContratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parámetroencoding_formatContratofloat
Parámetrodimensions_overrideContratofalse
Parámetromax_input_budget_unitsContrato8192
Parámetromultimodal_objectsContratofalse
Parámetromaterial_typesContratotext
Parámetrotext_file_materialContratoLee 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

ConfiguraciónTabla de tarifasCargo
ConfiguraciónTarifas base por tokenTabla de tarifasTarifa baseCargo
Entrada · Tokens de entrada $0.0002 / 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 →

Solicitudes de ejemplo

Ailoot Ultra · Vectores de representación · text-embedding-ada-002

Cuerpo JSON mínimo completocurl · usa tu documento en UTF-8Python · guarda el resultado completo
{
  "model": "text-embedding-ada-002",
  "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-ada-002', '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-ada-002', '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-ada-002

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
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Errores y siguientes pasos
RespuestaCondiciónSiguiente paso
Respuesta400 · invalid_request_errorCondiciónCampos obligatorios, representación del material o valor del parámetro no válidosSiguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación.

Alias

Alias del modelo

Ailoot Ultra openai/text-embedding-ada-002, text-embedding-ada-002

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

openai/text-embedding-ada-002, text-embedding-ada-002

FAQ · OpenAI: Text Embedding Ada 002
¿Qué entradas y resultados están disponibles?

POST /v1/embeddings · openai/text-embedding-ada-002: text, token_ids → embedding

POST /v1/embeddings · text-embedding-ada-002: text → embedding

¿Qué campos utiliza la solicitud?

POST /v1/embeddings · openai/text-embedding-ada-002: model, input, encoding_format, provider

POST /v1/embeddings · text-embedding-ada-002: model, input, encoding_format, provider

¿Qué límites se aplican?

POST /v1/embeddings · openai/text-embedding-ada-002: ctx: 8192; input.budget.maximum: 8192 (bytes UTF8); input.min_items: 1

POST /v1/embeddings · text-embedding-ada-002: ctx: 8192; input.budget.maximum: 8192 (bytes UTF8); input.min_items: 1

Más detalles

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 · Consultar precios de modelos

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 · Oferta y acuerdo de licencia