modelli

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

Il modello piccolo di embedding testuale di terza generazione di OpenAI restituisce vettori a 1536 dimensioni per impostazione predefinita e supporta rappresentazioni più corte. Usa l’output numerico per ricerca semantica, recupero di codice, raggruppamento, raccomandazioni e classificazione.

Informazioni sul modello

Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.

text-embedding-3-small è il modello più piccolo di embedding testuale di terza generazione di OpenAI. Converte materiale scritto in vettori numerici con 1536 componenti per impostazione predefinita. Quei vettori misurano relazioni tra testi per un altro passaggio di ricerca o analisi; il modello non genera una risposta conversazionale all’input.

Come il modello più grande di terza generazione, supporta il controllo dimensions del produttore per embedding più corti. L’addestramento è progettato per conservare informazioni rappresentative dei concetti in un vettore accorciato, con la scelta della dimensione che influisce sulla qualità e sui requisiti di risorse dell’applicazione. Mantieni coerenti modello e dimensioni selezionate tra record e query confrontati.

Un’applicazione concreta è la ricerca nel codice. La guida del produttore descrive la rappresentazione di funzioni sorgenti come testo e la loro codifica, quindi la codifica di una query in linguaggio naturale con lo stesso modello e il confronto dei vettori risultanti. Un risultato illustrativo è un insieme ordinato di funzioni pertinenti collegate alle posizioni nei sorgenti. Per la ricerca documentale, l’artefatto equivalente è un insieme di passaggi il cui testo e i riferimenti originali rimangono disponibili al lettore o al modello successivo.

Altri usi documentati comprendono clustering, raccomandazioni di contenuti correlati, classificazione, rilevamento di elementi anomali e misurazione della diversità. Un flusso mirato di messaggi può raggruppare richieste simili o confrontarle con descrizioni di categorie. L’applicazione definisce come un risultato di similarità diventa una categoria, una raccomandazione o un elemento da verificare; l’embedding stesso rimane costituito da dati numerici.

OpenAI specifica un input massimo di 8192 token per testo. La sua API di embedding accetta stringhe o input tokenizzato e più input in una richiesta, rifiuta stringhe vuote e applica un limite aggregato di 300.000 token. Prepara materiale lungo come passaggi significativi e conserva titoli o definizioni necessari per interpretarli. Usa un insieme coerente di campi di origine anziché codificare tipi di record diversi con regole di preparazione non correlate.

Il produttore restituisce vettori a virgola mobile per impostazione predefinita e documenta anche la codifica base64. La guida afferma che gli embedding OpenAI sono normalizzati a norma unitaria e raccomanda la similarità del coseno; un prodotto scalare può calcolarla e la distanza euclidea dà lo stesso ordinamento. Se un embedding di terza generazione viene accorciato manualmente dopo la restituzione, normalizza di nuovo il vettore accorciato come descritto dalla guida. Il controllo dimensions evita di rendere il troncamento manuale il normale passaggio di preparazione.

Registra identità del modello, dimensioni e collegamento alla fonte con ogni vettore. Un artefatto utile a valle è un elenco ordinato, una raccolta raggruppata o un insieme di caratteristiche di classificazione collegati al testo che li ha prodotti. Verifica se il materiale selezionato supporta effettivamente l’attività e mantieni i fatti mancanti separati dalla vicinanza semantica. Il passaggio successivo può quindi usare la rappresentazione per un flusso specifico di recupero o decisione.

Ailoot Ultra · Embedding POST /v1/embeddings openai/text-embedding-3-small

openai/text-embedding-3-small

OpenAI /openai/text-embedding-3-small
ID del modello
  • openai/text-embedding-3-small
  • text-embedding-3-small

Introduzione

Il modello piccolo di embedding testuale di terza generazione di OpenAI restituisce vettori a 1536 dimensioni per impostazione predefinita e supporta rappresentazioni più corte. Usa l’output numerico per ricerca semantica, recupero di codice, raggruppamento, raccomandazioni e classificazione.

Input accettati
Testo · token_ids
Risultati
embedding

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Embedding POST /v1/embeddings
Tipi di input
text, token_ids
Tipi di output
embedding
Contesto
8192 tokens
Formato di output
json
CampoTipoRequisitoValori e limitiPredefinito
CampomodelTipostringRequisitoObbligatorioValori e limiti
openai/text-embedding-3-small
Predefinito—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObbligatorioValori e limiti
Numero minimo di elementi: 1
Condizioni: Batch omogeneo non vuoto. Gli ID dei token sono numeri interi non negativi.
Budget di input: Massimo: 8192 · Unità di testo: byte UTF8 · Unità di token: elementi dell’array di token
Predefinito—
Campoencoding_formatTipostringRequisitoFacoltativoValori e limiti
float
Predefinitofloat
CampodimensionsTipointegerRequisitoNon supportatoValori e limiti
Minimo: 1
Predefinito—
CampouserTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello.
Predefinito—
Camposession_idTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello.
Predefinito—
CampotraceTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: La fonte consente questo campo di metadati JSON; la semantica esatta del fornitore a monte dipende dal modello.
Predefinito—
CampoproviderTipoobjectRequisitoFacoltativoValori e limiti
Condizioni: provider.options rifiutato
Predefinito—
Combinazioni di materiali in input

text_to_embedding

Parametri e ciclo di vita del metodo
ParametroContratto
Parametrocontent_typeContrattoapplication/json
ParametrorequiredContrattomodel, input
Parametroinput_shapesContrattostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametroencoding_formatContrattofloat
Parametrodimensions_overrideContrattofalse
Parametromax_input_budget_unitsContratto8192
Parametromultimodal_objectsContrattofalse
Parametromaterial_typesContrattotext, token_ids

Ciclo di vita: synchronous_json

Conserva l'indice e la dimensione di ogni vettore.

Il nome del modello multimodale non consente oggetti immagine su questo percorso specifico.

Tariffe

Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.

Modalità rapida
Tariffa standard Quando è selezionata la modalità rapida
Modalità flex
Tariffa standard Quando è selezionata la modalità flex
Sforzo massimo di ragionamento
Tariffa standard Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default)

Tariffe Ailoot

Prezzi per configurazione

ConfigurazioneListino delle tariffeCosto
ConfigurazioneTariffe di base dei tokenListino delle tariffeTariffa baseCosto
Input · Token in input $0.00004 / 1K token
Output · Token in output $0 / 1K token
Input · Lettura dalla cache — / 1K token
Input · Scrittura nella cache — / 1K token
Input · Scrittura nella cache, 1 ora — / 1K token

Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →

Esempi di richieste

Ailoot Ultra · Embedding

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-3-small", "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-3-small',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Ricevi e salva i risultati

Ailoot Ultra · Embedding

json

Conserva tutti i risultati completati

Conserva ogni risposta, file e parte di contenuto restituiti per intero.

Conserva ogni vettore con il suo indice. Il numero di vettori deve coincidere con il numero di input; le dimensioni devono essere coerenti.

Se occorre verificare la risposta originale

Non viene introdotto alcun endpoint per i job di embedding.

Campi della risposta
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Errori e passaggi successivi
RispostaCondizionePassaggio successivo
Risposta400 · invalid_request_errorCondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validiPassaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione.

Alias

Alias del modello

Ailoot Ultra openai/text-embedding-3-small, text-embedding-3-small

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

openai/text-embedding-3-small, text-embedding-3-small

Ailoot Ultra · Vettori di embedding · text-embedding-3-small POST /v1/embeddings text-embedding-3-small

text-embedding-3-small

OpenAI /text-embedding-3-small
ID del modello
  • openai/text-embedding-3-small
  • text-embedding-3-small

Introduzione

Il modello piccolo di embedding testuale di terza generazione di OpenAI restituisce vettori a 1536 dimensioni per impostazione predefinita e supporta rappresentazioni più corte. Usa l’output numerico per ricerca semantica, recupero di codice, raggruppamento, raccomandazioni e classificazione.

Input accettati
Testo
Risultati
embedding

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Vettori di embedding · text-embedding-3-small POST /v1/embeddings
Tipi di input
text
Tipi di output
embedding
Contesto
8192 tokens
Formato di output
json
CampoTipoRequisitoValori e limitiPredefinito
CampomodelTipostringRequisitoObbligatorioValori e limiti
text-embedding-3-small
Predefinito—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObbligatorioValori e limiti
Numero minimo di elementi: 1
Condizioni: Batch omogeneo non vuoto. Gli ID dei token sono numeri interi non negativi.
Budget di input: Massimo: 8192 · Unità di testo: byte UTF8 · Unità di token: elementi dell’array di token
Predefinito—
Campoencoding_formatTipostringRequisitoFacoltativoValori e limiti
float
Predefinitofloat
CampodimensionsTipointegerRequisitoNon supportatoValori e limiti
Minimo: 1
Predefinito—
CampouserTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: Metadati JSON facoltativi; la semantica esatta del fornitore a monte dipende dal modello selezionato.
Predefinito—
Camposession_idTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: Metadati JSON facoltativi; la semantica esatta del fornitore a monte dipende dal modello selezionato.
Predefinito—
CampotraceTipojson_valueRequisitoFacoltativoValori e limiti
Condizioni: Metadati JSON facoltativi; la semantica esatta del fornitore a monte dipende dal modello selezionato.
Predefinito—
CampoproviderTipoobjectRequisitoFacoltativoValori e limiti
Condizioni: provider.options rifiutato
Predefinito—
Combinazioni di materiali in input

text_to_embedding

Parametri e ciclo di vita del metodo
ParametroContratto
Parametrocontent_typeContrattoapplication/json
ParametrorequiredContrattomodel, input
Parametroinput_shapesContrattostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametroencoding_formatContrattofloat
Parametrodimensions_overrideContrattofalse
Parametromax_input_budget_unitsContratto8192
Parametromultimodal_objectsContrattofalse
Parametromaterial_typesContrattotext
Parametrotext_file_materialContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio.

Ciclo di vita: synchronous_json

Invia l'ID esatto del modello e i campi obbligatori.

Conserva ogni elemento restituito e i suoi identificatori originali.

Tariffe

Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.

Modalità rapida
Tariffa standard Quando è selezionata la modalità rapida
Modalità flex
Tariffa standard Quando è selezionata la modalità flex
Sforzo massimo di ragionamento
Tariffa standard Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default)

Tariffe Ailoot

Prezzi per configurazione

ConfigurazioneListino delle tariffeCosto
ConfigurazioneTariffe di base dei tokenListino delle tariffeTariffa baseCosto
Input · Token in input $0.00004 / 1K token
Output · Token in output $0 / 1K token
Input · Lettura dalla cache — / 1K token
Input · Scrittura nella cache — / 1K token
Input · Scrittura nella cache, 1 ora — / 1K token

Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →

Esempi di richieste

Ailoot Ultra · Vettori di embedding · text-embedding-3-small

Corpo JSON minimo completocurl · usa il tuo documento UTF-8Python · salva il risultato completo
{
  "model": "text-embedding-3-small",
  "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-3-small', '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-3-small', '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')))

Ricevi e salva i risultati

Ailoot Ultra · Vettori di embedding · text-embedding-3-small

json

Conserva tutti i risultati completati

Conserva ogni risposta, file e parte di contenuto restituiti per intero.

Conserva ogni vettore finito con il suo indice originale. Preserva tutte le dimensioni e l'intero oggetto usage.

Se occorre verificare la risposta originale

Non viene introdotto alcun endpoint per i job di embedding.

Campi della risposta
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Errori e passaggi successivi
RispostaCondizionePassaggio successivo
Risposta400 · invalid_request_errorCondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validiPassaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione.

Alias

Alias del modello

Ailoot Ultra openai/text-embedding-3-small, text-embedding-3-small

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

openai/text-embedding-3-small, text-embedding-3-small

FAQ · OpenAI: Text Embedding 3 Small
Quali input e risultati sono disponibili?

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

POST /v1/embeddings · text-embedding-3-small: text → embedding

Quali campi usa la richiesta?

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

POST /v1/embeddings · text-embedding-3-small: model, input, encoding_format, provider

Quali limiti si applicano?

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

POST /v1/embeddings · text-embedding-3-small: ctx: 8192; input.budget.maximum: 8192 (byte UTF8); input.min_items: 1

Maggiori dettagli

Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione.

L’azienda e il suo portafoglio di progetti

L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese.

Acquista token con uno sconto.

Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token.

Abbonamento
Scegli un piano scontato per richieste regolari.
Codice fino al 50%
Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione.
Spese nella cronologia
Modello, token e importo sono salvati per ogni richiesta.

Scegli abbonamento · Consulta prezzi dei modelli

Collega l’API al prodotto che vendi.

SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller.

Applicazione commerciale
Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento.
Licenza reseller
Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita.
Documenti sul sito
Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione.

Richiedi licenza reseller · Offerta e accordo di licenza