text-embedding-3-large on OpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli englanninkielisiin ja muunkielisiin tehtäviin. Se kuvaa kirjoitetun aineiston numeeriseksi vektoriksi ja palauttaa oletuksena 3 072 komponenttia. Vektori esittää annetun sisällön suhteita; haku- tai luokitteluprosessi käyttää sitä aineiston valintaan tai muuhun päätökseen.
Kolmannen sukupolven mallit on koulutettu tukemaan lyhyempiä esityksiä tuottajan dimensions-säädön kautta. Valmistaja antaa esimerkiksi 1 024 ulottuvuutta, kun vektorivarasto vaatii tätä kokoa. Lyhyempi vektori vähentää tallennettavan ja vertailtavan datan määrää, mutta esityksen muuttaminen voi vaikuttaa hakulaatuun. Valitse koko sovelluksen vaatimusten mukaan ja käytä samaa valintaa korpukselle ja sen kyselyille.
Havainnollinen asiakirjahakutyönkulku jakaa lähdeaineiston mielekkäisiin tekstijaksoihin, säilyttää niiden tunnisteet ja hankkii vektorit jokaiselle jaksolle. Kysymys upotetaan samalla mallilla ja ulottuvuusmäärällä, ja sitä verrataan sitten tekstijaksojen vektoreihin. Sovellus lisää suodattimet, valitsee järjestetyt tulokset ja näyttää niiden lähdeviitteet. Myöhempi tekstin generointimalli voi kehittää vastauksen haetusta aineistosta; upotusmallin tulos pysyy numeerisena datana.
Muita dokumentoituja sovelluksia ovat koodi- tai tekstihaku, samanlaisten tietueiden ryhmittely, liittyvän sisällön suosittelu, luokittelu, poikkeamien tunnistaminen ja kokoelman monimuotoisuuden mittaaminen. Kuvaa suosittelua varten kohteet suhteen kannalta olennaisilla termeillä. Vertaa luokittelussa luokkien esityksiin tai käytä vektoreita luokittimen piirteinä. Määritä sääntö, joka muuntaa samankaltaisuuden tuotteen tarvitsemaksi tulokseksi.
OpenAI ilmoittaa enimmäissyötteeksi 8 192 tokenia tekstiä kohden. Upotusrajapinta hyväksyy merkkijonoja tai tokenisoitua tekstiä, tukee useita syötteitä ja hylkää tyhjät merkkijonot. Se valvoo myös 300 000 tokenin kokonaisrajaa yhdessä pyynnössä. Pitkä asiakirja tulisi jakaa sen mielekkäät rajat ja konteksti säilyttäen niin, että jokainen vektori pysyy yhdistettynä lähdetekstijaksoonsa.
Tuottaja dokumentoi liukulukuvektorit oletustulosteena ja base64:n vaihtoehtoisena koodauksena. Opas suosittelee kosinisamankaltaisuutta ja kertoo OpenAI:n upotusten olevan normalisoituja yksikköpituuteen, mikä mahdollistaa pistetulon käytön kosinisamankaltaisuuteen ja vastaavat järjestykset euklidisella etäisyydellä. Jos kolmannen sukupolven vektoria lyhennetään käsin generoinnin jälkeen, valmistaja ohjeistaa sovellusta normalisoimaan lyhennetyn vektorin uudelleen; dimensions-säädön käyttö on suositeltu tapa.
Valmistele yhtenäinen tekstiesitys ja kirjaa malli, ulottuvuusmäärä ja lähdetunniste. Hyödyllinen lopullinen tuotos on järjestetty joukko tekstijaksoja, liittyviä kohteita tai ryhmiteltyjä tietueita, joiden valintasääntö on selvä. Arvioi, käsitteleekö tulos kyselyä, ja säilytä lähdenäyttö seuraavaa vaihetta varten sen sijaan, että pitäisit vektorien samankaltaisuutta tietueen tosiasiaväitteiden varmistuksena.
", "aboutText": "text-embedding-3-large on OpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli englanninkielisiin ja muunkielisiin tehtäviin. Se kuvaa kirjoitetun aineiston numeeriseksi vektoriksi ja palauttaa oletuksena 3 072 komponenttia. Vektori esittää annetun sisällön suhteita; haku- tai luokitteluprosessi käyttää sitä aineiston valintaan tai muuhun päätökseen.\n\nKolmannen sukupolven mallit on koulutettu tukemaan lyhyempiä esityksiä tuottajan dimensions-säädön kautta. Valmistaja antaa esimerkiksi 1 024 ulottuvuutta, kun vektorivarasto vaatii tätä kokoa. Lyhyempi vektori vähentää tallennettavan ja vertailtavan datan määrää, mutta esityksen muuttaminen voi vaikuttaa hakulaatuun. Valitse koko sovelluksen vaatimusten mukaan ja käytä samaa valintaa korpukselle ja sen kyselyille.\n\nHavainnollinen asiakirjahakutyönkulku jakaa lähdeaineiston mielekkäisiin tekstijaksoihin, säilyttää niiden tunnisteet ja hankkii vektorit jokaiselle jaksolle. Kysymys upotetaan samalla mallilla ja ulottuvuusmäärällä, ja sitä verrataan sitten tekstijaksojen vektoreihin. Sovellus lisää suodattimet, valitsee järjestetyt tulokset ja näyttää niiden lähdeviitteet. Myöhempi tekstin generointimalli voi kehittää vastauksen haetusta aineistosta; upotusmallin tulos pysyy numeerisena datana.\n\nMuita dokumentoituja sovelluksia ovat koodi- tai tekstihaku, samanlaisten tietueiden ryhmittely, liittyvän sisällön suosittelu, luokittelu, poikkeamien tunnistaminen ja kokoelman monimuotoisuuden mittaaminen. Kuvaa suosittelua varten kohteet suhteen kannalta olennaisilla termeillä. Vertaa luokittelussa luokkien esityksiin tai käytä vektoreita luokittimen piirteinä. Määritä sääntö, joka muuntaa samankaltaisuuden tuotteen tarvitsemaksi tulokseksi.\n\nOpenAI ilmoittaa enimmäissyötteeksi 8 192 tokenia tekstiä kohden. Upotusrajapinta hyväksyy merkkijonoja tai tokenisoitua tekstiä, tukee useita syötteitä ja hylkää tyhjät merkkijonot. Se valvoo myös 300 000 tokenin kokonaisrajaa yhdessä pyynnössä. Pitkä asiakirja tulisi jakaa sen mielekkäät rajat ja konteksti säilyttäen niin, että jokainen vektori pysyy yhdistettynä lähdetekstijaksoonsa.\n\nTuottaja dokumentoi liukulukuvektorit oletustulosteena ja base64:n vaihtoehtoisena koodauksena. Opas suosittelee kosinisamankaltaisuutta ja kertoo OpenAI:n upotusten olevan normalisoituja yksikköpituuteen, mikä mahdollistaa pistetulon käytön kosinisamankaltaisuuteen ja vastaavat järjestykset euklidisella etäisyydellä. Jos kolmannen sukupolven vektoria lyhennetään käsin generoinnin jälkeen, valmistaja ohjeistaa sovellusta normalisoimaan lyhennetyn vektorin uudelleen; dimensions-säädön käyttö on suositeltu tapa.\n\nValmistele yhtenäinen tekstiesitys ja kirjaa malli, ulottuvuusmäärä ja lähdetunniste. Hyödyllinen lopullinen tuotos on järjestetty joukko tekstijaksoja, liittyviä kohteita tai ryhmiteltyjä tietueita, joiden valintasääntö on selvä. Arvioi, käsitteleekö tulos kyselyä, ja säilytä lähdenäyttö seuraavaa vaihetta varten sen sijaan, että pitäisit vektorien samankaltaisuutta tietueen tosiasiaväitteiden varmistuksena.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "894a17204adbb994968d635ae22cec97c03cadccb64cdab3098a163b08bcb688", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fi", "methods": [ { "html": "openai/text-embedding-3-largeOpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli palauttaa oletuksena 3 072-ulotteisia vektoreita ja tarjoaa tuottajan säädön lyhyempiin esityksiin. Käytä sitä semanttiseen hakuun, monikieliseen vertailuun sekä liittyvän sisällön tai luokittelun työnkulkuihin.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
text-embedding-3-large on OpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli englanninkielisiin ja muunkielisiin tehtäviin. Se kuvaa kirjoitetun aineiston numeeriseksi vektoriksi ja palauttaa oletuksena 3 072 komponenttia. Vektori esittää annetun sisällön suhteita; haku- tai luokitteluprosessi käyttää sitä aineiston valintaan tai muuhun päätökseen.
Kolmannen sukupolven mallit on koulutettu tukemaan lyhyempiä esityksiä tuottajan dimensions-säädön kautta. Valmistaja antaa esimerkiksi 1 024 ulottuvuutta, kun vektorivarasto vaatii tätä kokoa. Lyhyempi vektori vähentää tallennettavan ja vertailtavan datan määrää, mutta esityksen muuttaminen voi vaikuttaa hakulaatuun. Valitse koko sovelluksen vaatimusten mukaan ja käytä samaa valintaa korpukselle ja sen kyselyille.
Havainnollinen asiakirjahakutyönkulku jakaa lähdeaineiston mielekkäisiin tekstijaksoihin, säilyttää niiden tunnisteet ja hankkii vektorit jokaiselle jaksolle. Kysymys upotetaan samalla mallilla ja ulottuvuusmäärällä, ja sitä verrataan sitten tekstijaksojen vektoreihin. Sovellus lisää suodattimet, valitsee järjestetyt tulokset ja näyttää niiden lähdeviitteet. Myöhempi tekstin generointimalli voi kehittää vastauksen haetusta aineistosta; upotusmallin tulos pysyy numeerisena datana.
Muita dokumentoituja sovelluksia ovat koodi- tai tekstihaku, samanlaisten tietueiden ryhmittely, liittyvän sisällön suosittelu, luokittelu, poikkeamien tunnistaminen ja kokoelman monimuotoisuuden mittaaminen. Kuvaa suosittelua varten kohteet suhteen kannalta olennaisilla termeillä. Vertaa luokittelussa luokkien esityksiin tai käytä vektoreita luokittimen piirteinä. Määritä sääntö, joka muuntaa samankaltaisuuden tuotteen tarvitsemaksi tulokseksi.
OpenAI ilmoittaa enimmäissyötteeksi 8 192 tokenia tekstiä kohden. Upotusrajapinta hyväksyy merkkijonoja tai tokenisoitua tekstiä, tukee useita syötteitä ja hylkää tyhjät merkkijonot. Se valvoo myös 300 000 tokenin kokonaisrajaa yhdessä pyynnössä. Pitkä asiakirja tulisi jakaa sen mielekkäät rajat ja konteksti säilyttäen niin, että jokainen vektori pysyy yhdistettynä lähdetekstijaksoonsa.
Tuottaja dokumentoi liukulukuvektorit oletustulosteena ja base64:n vaihtoehtoisena koodauksena. Opas suosittelee kosinisamankaltaisuutta ja kertoo OpenAI:n upotusten olevan normalisoituja yksikköpituuteen, mikä mahdollistaa pistetulon käytön kosinisamankaltaisuuteen ja vastaavat järjestykset euklidisella etäisyydellä. Jos kolmannen sukupolven vektoria lyhennetään käsin generoinnin jälkeen, valmistaja ohjeistaa sovellusta normalisoimaan lyhennetyn vektorin uudelleen; dimensions-säädön käyttö on suositeltu tapa.
Valmistele yhtenäinen tekstiesitys ja kirjaa malli, ulottuvuusmäärä ja lähdetunniste. Hyödyllinen lopullinen tuotos on järjestetty joukko tekstijaksoja, liittyviä kohteita tai ryhmiteltyjä tietueita, joiden valintasääntö on selvä. Arvioi, käsitteleekö tulos kyselyä, ja säilytä lähdenäyttö seuraavaa vaihetta varten sen sijaan, että pitäisit vektorien samankaltaisuutta tietueen tosiasiaväitteiden varmistuksena.
POST /v1/embeddingstext, token_idsembedding| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat openai/text-embedding-3-large | Oletus— |
Kenttäinput | Tyyppistring|string[]|integer[]|integer[][] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 Ehdot: Ei-tyhjä, yhdenmukaisista alkioista koostuva erä. Tokenien ID:t ovat ei-negatiivisia kokonaislukuja. Syötebudjetti: Enimmäismäärä: 8 192 · Tekstiyksikkö: UTF8-tavut · Tokenyksikkö: Token-taulukon alkiot | Oletus— |
Kenttäencoding_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat float | Oletusfloat |
Kenttädimensions | Tyyppiinteger | VaatimusEi tuettu | Arvot & rajat Vähimmäismäärä: 1 | Oletus— |
Kenttäuser | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Lähde sallii tämän JSON-metatietokentän; tarkka alkuperäisen palvelun semantiikka on mallikohtainen. | Oletus— |
Kenttäsession_id | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Lähde sallii tämän JSON-metatietokentän; tarkka alkuperäisen palvelun semantiikka on mallikohtainen. | Oletus— |
Kenttätrace | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Lähde sallii tämän JSON-metatietokentän; tarkka alkuperäisen palvelun semantiikka on mallikohtainen. | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätty | Oletus— |
text_to_embedding
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input |
Parametriinput_shapes | Sopimusstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametriencoding_format | Sopimusfloat |
Parametridimensions_override | Sopimusfalse |
Parametrimax_input_budget_units | Sopimus8192 |
Parametrimultimodal_objects | Sopimusfalse |
Parametrimaterial_types | Sopimustext, token_ids |
Elinkaari: synchronous_json
Säilytä jokaisen vektorin indeksi ja ulottuvuus.
Mallin nimen multimodaalisuus ei tarkoita, että tämä nimenomainen reitti hyväksyisi kuvaolioita.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.00026 / 1K tokenia Tuloste · Tulostokenit $0 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
set -eu\n: "${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
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen vektori indekseineen. Vektorien määrän on vastattava syötteiden määrää; ulottuvuuksien on oltava yhdenmukaiset.
Uutta upotustehtävien päätepistettä ei oteta käyttöön.
| Kenttä | Tyyppi |
|---|---|
Kenttäobject | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttädata[].index | Tyyppiinteger |
Kenttädata[].embedding | Tyyppifinite float[] |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Käytä yllä näytettyjä menetelmäpolkuja.
text-embedding-3-largeOpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli palauttaa oletuksena 3 072-ulotteisia vektoreita ja tarjoaa tuottajan säädön lyhyempiin esityksiin. Käytä sitä semanttiseen hakuun, monikieliseen vertailuun sekä liittyvän sisällön tai luokittelun työnkulkuihin.
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
text-embedding-3-large on OpenAI:n suurempi kolmannen sukupolven tekstiupotusmalli englanninkielisiin ja muunkielisiin tehtäviin. Se kuvaa kirjoitetun aineiston numeeriseksi vektoriksi ja palauttaa oletuksena 3 072 komponenttia. Vektori esittää annetun sisällön suhteita; haku- tai luokitteluprosessi käyttää sitä aineiston valintaan tai muuhun päätökseen.
Kolmannen sukupolven mallit on koulutettu tukemaan lyhyempiä esityksiä tuottajan dimensions-säädön kautta. Valmistaja antaa esimerkiksi 1 024 ulottuvuutta, kun vektorivarasto vaatii tätä kokoa. Lyhyempi vektori vähentää tallennettavan ja vertailtavan datan määrää, mutta esityksen muuttaminen voi vaikuttaa hakulaatuun. Valitse koko sovelluksen vaatimusten mukaan ja käytä samaa valintaa korpukselle ja sen kyselyille.
Havainnollinen asiakirjahakutyönkulku jakaa lähdeaineiston mielekkäisiin tekstijaksoihin, säilyttää niiden tunnisteet ja hankkii vektorit jokaiselle jaksolle. Kysymys upotetaan samalla mallilla ja ulottuvuusmäärällä, ja sitä verrataan sitten tekstijaksojen vektoreihin. Sovellus lisää suodattimet, valitsee järjestetyt tulokset ja näyttää niiden lähdeviitteet. Myöhempi tekstin generointimalli voi kehittää vastauksen haetusta aineistosta; upotusmallin tulos pysyy numeerisena datana.
Muita dokumentoituja sovelluksia ovat koodi- tai tekstihaku, samanlaisten tietueiden ryhmittely, liittyvän sisällön suosittelu, luokittelu, poikkeamien tunnistaminen ja kokoelman monimuotoisuuden mittaaminen. Kuvaa suosittelua varten kohteet suhteen kannalta olennaisilla termeillä. Vertaa luokittelussa luokkien esityksiin tai käytä vektoreita luokittimen piirteinä. Määritä sääntö, joka muuntaa samankaltaisuuden tuotteen tarvitsemaksi tulokseksi.
OpenAI ilmoittaa enimmäissyötteeksi 8 192 tokenia tekstiä kohden. Upotusrajapinta hyväksyy merkkijonoja tai tokenisoitua tekstiä, tukee useita syötteitä ja hylkää tyhjät merkkijonot. Se valvoo myös 300 000 tokenin kokonaisrajaa yhdessä pyynnössä. Pitkä asiakirja tulisi jakaa sen mielekkäät rajat ja konteksti säilyttäen niin, että jokainen vektori pysyy yhdistettynä lähdetekstijaksoonsa.
Tuottaja dokumentoi liukulukuvektorit oletustulosteena ja base64:n vaihtoehtoisena koodauksena. Opas suosittelee kosinisamankaltaisuutta ja kertoo OpenAI:n upotusten olevan normalisoituja yksikköpituuteen, mikä mahdollistaa pistetulon käytön kosinisamankaltaisuuteen ja vastaavat järjestykset euklidisella etäisyydellä. Jos kolmannen sukupolven vektoria lyhennetään käsin generoinnin jälkeen, valmistaja ohjeistaa sovellusta normalisoimaan lyhennetyn vektorin uudelleen; dimensions-säädön käyttö on suositeltu tapa.
Valmistele yhtenäinen tekstiesitys ja kirjaa malli, ulottuvuusmäärä ja lähdetunniste. Hyödyllinen lopullinen tuotos on järjestetty joukko tekstijaksoja, liittyviä kohteita tai ryhmiteltyjä tietueita, joiden valintasääntö on selvä. Arvioi, käsitteleekö tulos kyselyä, ja säilytä lähdenäyttö seuraavaa vaihetta varten sen sijaan, että pitäisit vektorien samankaltaisuutta tietueen tosiasiaväitteiden varmistuksena.
POST /v1/embeddingstextembedding| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat text-embedding-3-large | Oletus— |
Kenttäinput | Tyyppistring|string[]|integer[]|integer[][] | VaatimusPakollinen | Arvot & rajat Kohteiden vähimmäismäärä: 1 Ehdot: Ei-tyhjä, yhdenmukaisista alkioista koostuva erä. Tokenien ID:t ovat ei-negatiivisia kokonaislukuja. Syötebudjetti: Enimmäismäärä: 8 192 · Tekstiyksikkö: UTF8-tavut · Tokenyksikkö: Token-taulukon alkiot | Oletus— |
Kenttäencoding_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat float | Oletusfloat |
Kenttädimensions | Tyyppiinteger | VaatimusEi tuettu | Arvot & rajat Vähimmäismäärä: 1 | Oletus— |
Kenttäuser | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Valinnaiset JSON-metatiedot; täsmällinen taustapalvelun semantiikka riippuu valitusta mallista. | Oletus— |
Kenttäsession_id | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Valinnaiset JSON-metatiedot; täsmällinen taustapalvelun semantiikka riippuu valitusta mallista. | Oletus— |
Kenttätrace | Tyyppijson_value | VaatimusValinnainen | Arvot & rajat Ehdot: Valinnaiset JSON-metatiedot; täsmällinen taustapalvelun semantiikka riippuu valitusta mallista. | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat Ehdot: provider.options hylätty | Oletus— |
text_to_embedding
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input |
Parametriinput_shapes | Sopimusstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parametriencoding_format | Sopimusfloat |
Parametridimensions_override | Sopimusfalse |
Parametrimax_input_budget_units | Sopimus8192 |
Parametrimultimodal_objects | Sopimusfalse |
Parametrimaterial_types | Sopimustext |
Parametritext_file_material | SopimusLue varsinainen UTF-8-asiakirja ja sijoita sen teksti ilmoitettuun syöte- tai viestisisällön merkkijonoon. |
Elinkaari: synchronous_json
Lähetä täsmällinen mallin tunniste ja pakolliset kentät.
Säilytä jokainen palautettu alkio ja sen alkuperäiset tunnisteet.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
| Asetukset | Hinnasto | Veloitus |
|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Veloitus Syöte · Syötetokenit $0.00026 / 1K tokenia Tuloste · Tulostokenit $0 / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
{\n "model": "text-embedding-3-large",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${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
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä jokainen äärellinen vektori alkuperäisine indekseineen. Säilytä kaikki ulottuvuudet ja koko käyttöolio.
Uutta upotustehtävien päätepistettä ei oteta käyttöön.
| Kenttä | Tyyppi |
|---|---|
Kenttäobject | Tyyppistring |
Kenttämodel | Tyyppistring |
Kenttädata[].index | Tyyppiinteger |
Kenttädata[].embedding | Tyyppifinite float[] |
Kenttäusage | Tyyppiobject |
| Vastaus | Ehto | Seuraava vaihe |
|---|---|---|
Vastaus400 · invalid_request_error | EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo | Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Käytä yllä näytettyjä menetelmäpolkuja.