modelli

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

Un modello di embedding testuale di OpenAI che restituisce un vettore numerico a 1536 dimensioni. Usa queste rappresentazioni per ricerca semantica, raccomandazioni di contenuti correlati, clustering, classificazione o rilevamento di record testuali insoliti.

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-ada-002 è il modello di embedding testuale di OpenAI per rappresentare materiale scritto come un vettore numerico. Il suo output contiene 1536 componenti. Il produttore combina i ruoli di similarità testuale, ricerca di documenti/query e ricerca di codice in un’unica rappresentazione. Il risultato è costituito da dati per un confronto o un altro algoritmo, anziché da una risposta generata al testo codificato.

Per la ricerca semantica, prepara passaggi documentali significativi e conserva gli identificatori delle fonti. Un flusso illustrativo codifica ogni passaggio e la domanda dell’utente con lo stesso modello, confronta i vettori e restituisce i passaggi di origine pertinenti. L’applicazione determina la regola di recupero, i filtri e la presentazione. Una successiva fase di generazione testuale può usare il materiale recuperato per sviluppare una risposta, mentre il modello di embedding fornisce la rappresentazione numerica.

Altri usi documentati comprendono raggruppamento di record simili, raccomandazione di contenuti correlati, classificazione testuale e identificazione di elementi anomali. Per una raccomandazione, confronta le descrizioni degli oggetti il cui rapporto conta. Per la classificazione, la guida descrive il confronto con rappresentazioni di categorie o l’uso dei vettori come caratteristiche di un classificatore. Per il rilevamento delle anomalie, il risultato pertinente è un record che differisce dalla raccolta circostante, interpretato secondo l’attività del prodotto.

OpenAI indica un input massimo di 8192 token per questo modello. L’API di embedding del produttore accetta stringhe di testo o input tokenizzato, permette più input in una richiesta e rifiuta stringhe vuote. Il suo limite aggregato è di 300.000 token in una singola richiesta, oltre al limite per input. Suddividi documenti più lunghi in passaggi utili preservando titoli, definizioni e il riferimento al materiale originale.

L’output è un vettore di valori a virgola mobile; il produttore documenta anche base64 come codifica di trasporto alternativa. Il parametro di riduzione della dimensione di OpenAI è destinato ai modelli di embedding di terza generazione e successivi, quindi il risultato documentato a 1536 dimensioni del modello Ada rimane distinto da quel controllo. Memorizza identità del modello e vettore con il record di origine, affinché i confronti successivi usino una rappresentazione coerente.

La guida agli embedding raccomanda la similarità del coseno e afferma che gli embedding OpenAI sono normalizzati a norma unitaria. Per quei vettori, un prodotto scalare può calcolare la similarità del coseno e la distanza euclidea dà lo stesso ordinamento. Un punteggio di similarità fa parte della logica di recupero o classificazione dell’applicazione, non è una decisione categoriale fornita automaticamente dal modello.

Definisci quali campi di origine diventano il testo di input e come dividere i passaggi. Un risultato illustrativo è un insieme ordinato di passaggi documentali o record correlati, ciascuno collegato alla fonte originale e alla regola usata per la selezione. Mantieni coerente la preparazione e valuta se il materiale restituito affronta la domanda effettiva. Ciò rende l’output numerico utile al successivo passaggio di ricerca, raccomandazione o analisi.

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

openai/text-embedding-ada-002

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

Introduzione

Un modello di embedding testuale di OpenAI che restituisce un vettore numerico a 1536 dimensioni. Usa queste rappresentazioni per ricerca semantica, raccomandazioni di contenuti correlati, clustering, classificazione o rilevamento di record testuali insoliti.

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-ada-002
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 $0.0002 / 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-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)

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-ada-002, text-embedding-ada-002

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

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

Ailoot Ultra · Vettori di embedding · text-embedding-ada-002 POST /v1/embeddings text-embedding-ada-002

text-embedding-ada-002

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

Introduzione

Un modello di embedding testuale di OpenAI che restituisce un vettore numerico a 1536 dimensioni. Usa queste rappresentazioni per ricerca semantica, raccomandazioni di contenuti correlati, clustering, classificazione o rilevamento di record testuali insoliti.

Input accettati
Testo
Risultati
embedding

Disponibile in Ailoot · input e metodi

Ailoot Ultra · Vettori di embedding · text-embedding-ada-002 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-ada-002
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 $0.0002 / 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-ada-002

Corpo JSON minimo completocurl · usa il tuo documento UTF-8Python · salva il risultato 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')))

Ricevi e salva i risultati

Ailoot Ultra · Vettori di embedding · text-embedding-ada-002

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-ada-002, text-embedding-ada-002

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

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

FAQ · OpenAI: Text Embedding Ada 002
Quali input e risultati sono disponibili?

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

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

Quali campi usa la richiesta?

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

Quali limiti si applicano?

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

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