OpenAI: Text Embedding 3 Large (batch)
Text Embedding 3 Large Batch soumet des groupes de requêtes d’embeddings textuels dans un seul lot Ailoot. Suivez chaque élément par custom_id et récupérez les résultats complets de l’opération d’origine.
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Text Embedding 3 Large Batch utilise /v1/batches avec l’identifiant exact openai/text-embedding-3-large:batch. Définissez endpoint sur /v1/embeddings et fournissez requests ; chaque élément contient custom_id et un body dont input est une chaîne de texte ou un tableau de chaînes. Gardez les identifiants stables pour que votre application puisse associer les résultats à une mise à jour d’index de recherche.
Le lot est asynchrone. Conservez l’identifiant de l’opération renvoyé à l’origine et utilisez GET /v1/batches/{operation_id} pour suivre cette même opération avec le même appelant. Un ensemble de résultats terminé peut contenir une réponse ou une erreur pour chaque custom_id ; examinez donc les résultats individuels et l’état global.
Enregistrez tous les résultats terminés en JSONL en préservant chaque custom_id et sa réponse ou son erreur complète. Associez les vecteurs réussis aux identifiants de documents soumis avant de mettre l’index à jour. Gardez ensemble l’opération d’origine et les enregistrements individuels pour examiner un élément incomplet ou en échec sans perdre les résultats déjà renvoyés.
Ailoot Ultra · Batch POST /v1/batches openai/text-embedding-3-large:batch
openai/text-embedding-3-large:batch
openai/text-embedding-3-large:batchPremiers pas
Text Embedding 3 Large Batch soumet des groupes de requêtes d’embeddings textuels dans un seul lot Ailoot. Suivez chaque élément par custom_id et récupérez les résultats complets de l’opération d’origine.
- Entrées acceptées
- Texte
- Résultats
- embedding
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Batch POST /v1/batches
- Entrée
text- Sortie
embedding
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites openai/text-embedding-3-large:batch Conditions: Utilisez exactement ce sélecteur de routage Ailoot. | Par défaut— |
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/embeddings Conditions: | Par défaut— |
Champrequests | Typearray | ExigenceObligatoire | Valeurs et limites Conditions: | Par défaut— |
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, endpoint, requests |
Paramètreoptional | Contrat |
Paramètrematerial_types | Contrattext |
Paramètreconditions | ContratUtilisez exactement ce sélecteur de routage Ailoot. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id réel de la réponse d’origine, avec le même appelant, la même clé et le même groupe
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Non précisé Lorsque le mode rapide est sélectionné
- Mode Flex
- Non précisé Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
- Tarification du cache explicite
- Non activé Lorsqu’un cache explicite est demandé
Tarifs Ailoot
Prix par configuration
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00013 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00013 / 1K tokens Sortie · Tokens en sortie $0 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Batch
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"endpoint": "/v1/embeddings", "model": "openai/text-embedding-3-large:batch", "requests": [{"custom_id": "embedding-1", "body": {"input": "The quick brown fox jumps over the lazy dog"}}]}')
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/batches \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
# Submit once. Retain the complete result, original identifiers and every response header.
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
export AILOOT_API_KEY
python3 - <<'PY_BATCH'
import json,os,subprocess
from pathlib import Path
from urllib.parse import quote
r=json.loads(Path("result.json").read_text()); operation=r["id"]
subprocess.run(["curl","--fail-with-body","--silent","--show-error","https://api.ailoot.ai/v1/batches/"+quote(operation,safe=""),"-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"],"-D","status-headers.txt","-o","status.json"],check=True)
s=json.loads(Path("status.json").read_text())
if s.get("status")=="completed": Path("results.jsonl").write_text("".join(json.dumps(x,ensure_ascii=False)+"\n" for x in s.get("results",[])))
# Repeat only this same original GET while pending; never repeat creation.
PY_BATCH
Recevoir et enregistrer les résultats
Ailoot Ultra · Batch
GET /v1/batches/{operation_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’état d’origine, chaque custom_id et la réponse ou l’erreur complète. Enregistrez tous les résultats terminés de results[] au format JSONL ; aucun chemin d’envoi ou de téléchargement via Files ne doit en être déduit.
Si la réponse d’origine doit être vérifiée
Conservez l’identifiant de l’opération d’origine et consultez uniquement ce lot d’origine. Un dépassement du délai, une erreur ou un état inconnu n’autorise pas une nouvelle création.
Champs de la réponse
| Champ | Type |
|---|---|
Champresults[] | Typearray |
Champresults[].custom_id | Typestring |
Champresults[].response | Typeobject |
Champresults[].error | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionUn champ obligatoire, un sélecteur de modèle, un type ou une représentation des données d’entrée est invalide. | Étape suivanteExaminez les détails de validation renvoyés avant de préparer une requête distincte. |
Réponse | ConditionLa requête d’origine ou son résultat est inconnu ou nécessite un contrôle. | Étape suivanteConservez les identifiants et les en-têtes d’origine ; consultez uniquement les enregistrements d’état ou de bibliothèque pris en charge. Ne soumettez pas une nouvelle fois la requête de création. |
Alias
Alias du modèle
Ailoot Ultra openai/text-embedding-3-large:batch
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · OpenAI: Text Embedding 3 Large (batch)
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/batches·openai/text-embedding-3-large:batch:text→embedding- Quels champs la requête utilise-t-elle ?
POST /v1/batches·openai/text-embedding-3-large:batch:model,endpoint,requests