models

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

OpenAI teksto įterpinių modelis, grąžinantis 1536 matmenų skaitinį vektorių. Šias reprezentacijas naudokite semantinei paieškai, susijusio turinio rekomendacijoms, grupavimui į klasterius, klasifikavimui ar neįprastų tekstinių įrašų aptikimui.

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

text-embedding-ada-002 yra OpenAI teksto įterpinių modelis rašytinei medžiagai atvaizduoti skaitiniu vektoriumi. Jo išvestis turi 1536 komponentus. Gamintojas vienoje reprezentacijoje sujungia tekstų panašumo, dokumentų paieškos pagal užklausas ir kodo paieškos užduotis. Rezultatas yra duomenys palyginimui ar kitam algoritmui, o ne sugeneruotas atsakymas į tekstą, kurio įterpinys kuriamas.

Semantinei paieškai paruoškite prasmingas dokumentų ištraukas ir išsaugokite jų šaltinių identifikatorius. Iliustracinis procesas tuo pačiu modeliu sukuria kiekvienos ištraukos ir naudotojo klausimo įterpinius, palygina vektorius ir grąžina aktualias šaltinio ištraukas. Programa nustato paieškos taisyklę, filtrus ir pateikimą. Vėlesnis teksto generavimo veiksmas gali naudoti rastą medžiagą atsakymui parengti, o įterpinių modelis pateikia skaitinį atvaizdą.

Kiti dokumentuoti naudojimo būdai apima panašių įrašų grupavimą, susijusio turinio rekomendavimą, teksto klasifikavimą ir išskirčių nustatymą. Rekomendacijai lyginkite objektų, kurių ryšys svarbus, aprašymus. Klasifikavimui vadovas aprašo palyginimą su kategorijų reprezentacijomis arba vektorių naudojimą kaip požymius klasifikatoriuje. Anomalijų aptikimui aktualus rezultatas yra įrašas, besiskiriantis nuo aplinkinės kolekcijos, interpretuojamas pagal produkto užduotį.

OpenAI šiam modeliui nurodo didžiausią 8192 žetonų įvestį. Gamintojo įterpinių API priima tekstines eilutes arba į žetonus suskaidytą įvestį, leidžia kelias įvestis vienoje užklausoje ir atmeta tuščias eilutes. Bendras limitas yra 300 000 žetonų vienai užklausai, papildomai prie atskiros įvesties ribos. Ilgesnius dokumentus skaidykite į naudingas ištraukas, išsaugodami pavadinimus, apibrėžimus ir nuorodą atgal į originalią medžiagą.

Išvestis yra slankiojo kablelio reikšmių vektorius; gamintojas taip pat dokumentuoja base64 kaip alternatyvią perdavimo koduotę. OpenAI matmenų mažinimo parametras skirtas trečiosios ir vėlesnių kartų įterpinių modeliams, todėl dokumentuotas Ada modelio 1536 matmenų rezultatas laikomas atskiru nuo šio valdiklio. Modelio tapatybę ir vektorių saugokite su šaltinio įrašu, kad vėlesni palyginimai naudotų nuoseklią reprezentaciją.

Įterpinių vadovas rekomenduoja kosinuso panašumą ir nurodo, kad OpenAI įterpiniai normalizuoti iki vienetinės normos. Tokiems vektoriams skaliarinė sandauga gali apskaičiuoti kosinuso panašumą, o Euklido atstumas pateikia tą patį rikiavimą. Panašumo balas yra programos paieškos ar klasifikavimo logikos dalis, o ne automatiškai modelio pateiktas sprendimas dėl kategorijos.

Apibrėžkite, kurie šaltinio laukai tampa įvesties tekstu ir kaip reikia skaidyti ištraukas. Iliustracinis rezultatas yra surikiuotas dokumentų ištraukų ar susijusių įrašų rinkinys, kurio kiekvienas elementas susietas su originaliu šaltiniu ir atrankai naudota taisykle. Paruošimą išlaikykite nuoseklų ir įvertinkite, ar grąžinta medžiaga atsako į tikrąjį klausimą. Taip skaitinė išvestis tampa naudinga kitam paieškos, rekomendavimo ar analizės veiksmui.

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

openai/text-embedding-ada-002

OpenAI /openai/text-embedding-ada-002
Modelio ID
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Pradžia

OpenAI teksto įterpinių modelis, grąžinantis 1536 matmenų skaitinį vektorių. Šias reprezentacijas naudokite semantinei paieškai, susijusio turinio rekomendacijoms, grupavimui į klasterius, klasifikavimui ar neįprastų tekstinių įrašų aptikimui.

Leidžiamos įvestys
Tekstas · token_ids
Rezultatai
embedding

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Įterpiniai POST /v1/embeddings
Įvestis
text, token_ids
Išvestis
embedding
Kontekstas
8 192 tokens
Išvesties formatas
json
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
openai/text-embedding-ada-002
Numatyta—
LaukasinputTipasstring|string[]|integer[]|integer[][]ReikalavimasPrivalomaReikšmės ir ribos
Mažiausias elementų skaičius: 1
Sąlygos: Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai.
Įvesties biudžetas: Didžiausia reikšmė: 8 192 · Teksto vienetas: UTF8 baitai · Tokenų vienetas: žetonų masyvo elementai
Numatyta—
Laukasencoding_formatTipasstringReikalavimasNeprivalomaReikšmės ir ribos
float
Numatytafloat
LaukasdimensionsTipasintegerReikalavimasNepalaikomaReikšmės ir ribos
Mažiausia reikšmė: 1
Numatyta—
LaukasuserTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.
Numatyta—
Laukassession_idTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.
Numatyta—
LaukastraceTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Šaltinis leidžia šį JSON metaduomenų lauką; tiksli jo reikšmė tiekėjo sistemoje priklauso nuo modelio.
Numatyta—
LaukasproviderTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: provider.options atmetamas
Numatyta—
Įvesties medžiagos deriniai

text_to_embedding

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, input
Parametrasinput_shapesSpecifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrasencoding_formatSpecifikacijafloat
Parametrasdimensions_overrideSpecifikacijafalse
Parametrasmax_input_budget_unitsSpecifikacija8192
Parametrasmultimodal_objectsSpecifikacijafalse
Parametrasmaterial_typesSpecifikacijatext, token_ids

Gyvavimo ciklas: synchronous_json

Išsaugokite kiekvieną vektoriaus indeksą ir matmenį.

Tai, kad modelio pavadinimas nurodo multimodalumą, nereiškia, jog šiuo konkrečiu keliu priimami vaizdų objektai.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Standartinis įkainis Pasirinkus spartųjį režimą
Flex režimas
Standartinis įkainis Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Standartinis įkainis Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0002 / 1K tokenų
Išvestis · Išvesties tokenai $0 / 1K tokenų
Įvestis · Talpyklos skaitymas — / 1K tokenų
Įvestis · Rašymas į talpyklą — / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Įterpiniai

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)

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Įterpiniai

json

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite kiekvieną vektorių su jo indeksu. Vektorių skaičius turi sutapti su įvesčių skaičiumi; jų matmenų skaičius turi būti vienodas.

Jei reikia patikrinti pradinį atsakymą

Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas.

Atsakymo laukai
LaukasTipas
LaukasobjectTipasstring
LaukasmodelTipasstring
Laukasdata[].indexTipasinteger
Laukasdata[].embeddingTipasfinite float[]
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

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

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

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

Ailoot Ultra · Vektorinės reprezentacijos · text-embedding-ada-002 POST /v1/embeddings text-embedding-ada-002

text-embedding-ada-002

OpenAI /text-embedding-ada-002
Modelio ID
  • openai/text-embedding-ada-002
  • text-embedding-ada-002

Pradžia

OpenAI teksto įterpinių modelis, grąžinantis 1536 matmenų skaitinį vektorių. Šias reprezentacijas naudokite semantinei paieškai, susijusio turinio rekomendacijoms, grupavimui į klasterius, klasifikavimui ar neįprastų tekstinių įrašų aptikimui.

Leidžiamos įvestys
Tekstas
Rezultatai
embedding

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Vektorinės reprezentacijos · text-embedding-ada-002 POST /v1/embeddings
Įvestis
text
Išvestis
embedding
Kontekstas
8 192 tokens
Išvesties formatas
json
LaukasTipasReikalavimasReikšmės ir ribosNumatyta
LaukasmodelTipasstringReikalavimasPrivalomaReikšmės ir ribos
text-embedding-ada-002
Numatyta—
LaukasinputTipasstring|string[]|integer[]|integer[][]ReikalavimasPrivalomaReikšmės ir ribos
Mažiausias elementų skaičius: 1
Sąlygos: Netuščias vienalyčių įvesčių paketas. Žetonų ID yra neneigiami sveikieji skaičiai.
Įvesties biudžetas: Didžiausia reikšmė: 8 192 · Teksto vienetas: UTF8 baitai · Tokenų vienetas: žetonų masyvo elementai
Numatyta—
Laukasencoding_formatTipasstringReikalavimasNeprivalomaReikšmės ir ribos
float
Numatytafloat
LaukasdimensionsTipasintegerReikalavimasNepalaikomaReikšmės ir ribos
Mažiausia reikšmė: 1
Numatyta—
LaukasuserTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio.
Numatyta—
Laukassession_idTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio.
Numatyta—
LaukastraceTipasjson_valueReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: Neprivalomi JSON metaduomenys; tiksli teikėjo sistemos semantika priklauso nuo pasirinkto modelio.
Numatyta—
LaukasproviderTipasobjectReikalavimasNeprivalomaReikšmės ir ribos
Sąlygos: provider.options atmetamas
Numatyta—
Įvesties medžiagos deriniai

text_to_embedding

Metodo parametrai ir gyvavimo ciklas
ParametrasSpecifikacija
Parametrascontent_typeSpecifikacijaapplication/json
ParametrasrequiredSpecifikacijamodel, input
Parametrasinput_shapesSpecifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrasencoding_formatSpecifikacijafloat
Parametrasdimensions_overrideSpecifikacijafalse
Parametrasmax_input_budget_unitsSpecifikacija8192
Parametrasmultimodal_objectsSpecifikacijafalse
Parametrasmaterial_typesSpecifikacijatext
Parametrastext_file_materialSpecifikacijaPerskaitykite tikrąjį UTF-8 dokumentą ir įterpkite jo tekstą į nurodytą input lauką arba pranešimo turinio eilutę.

Gyvavimo ciklas: synchronous_json

Siųskite tikslų modelio ID ir privalomus laukus.

Išsaugokite kiekvieną grąžintą elementą ir jo pradinius identifikatorius.

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas
Standartinis įkainis Pasirinkus spartųjį režimą
Flex režimas
Standartinis įkainis Pasirinkus flex režimą
Didžiausios samprotavimo pastangos
Standartinis įkainis Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

KonfigūracijaĮkainių lentelėMokestis
KonfigūracijaBaziniai žetonų įkainiaiĮkainių lentelėBazinis įkainisMokestis
Įvestis · Įvesties tokenai $0.0002 / 1K tokenų
Išvestis · Išvesties tokenai $0 / 1K tokenų
Įvestis · Talpyklos skaitymas — / 1K tokenų
Įvestis · Rašymas į talpyklą — / 1K tokenų
Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Vektorinės reprezentacijos · text-embedding-ada-002

Visas minimalus JSON užklausos turinyscurl · naudokite savo UTF-8 dokumentąPython · išsaugokite visą rezultatą
{
  "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')))

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Vektorinės reprezentacijos · text-embedding-ada-002

json

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite kiekvieną vektorių su baigtinėmis reikšmėmis ir jo pradinį indeksą. Išsaugokite visas dimensijas ir visą naudojimo duomenų objektą.

Jei reikia patikrinti pradinį atsakymą

Vektorių generavimo užduotims atskiras API galinis taškas neįvedamas.

Atsakymo laukai
LaukasTipas
LaukasobjectTipasstring
LaukasmodelTipasstring
Laukasdata[].indexTipasinteger
Laukasdata[].embeddingTipasfinite float[]
LaukasusageTipasobject
Klaidos ir tolesni veiksmai
AtsakymasSąlygaKitas žingsnis
Atsakymas400 · invalid_request_errorSąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmėKitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.

Pseudonimai

Modelių pseudonimai

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

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

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

FAQ · OpenAI: Text Embedding Ada 002
Kokios įvestys ir rezultatai prieinami?

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

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

Kokius laukus naudoja užklausa?

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

Kokie apribojimai taikomi?

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

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

Išsamiau

Prijunkite Ailoot prie Claude Code, OpenCode, Hermes arba savo programos.

Įmonė ir jos projektų portfelis

Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus.

Pirkite žetonus su nuolaida.

Prenumeratos nuolaida reguliariam darbui. Kodai — iki 50% žetonų pirkimui.

Prenumerata
Pasirinkite planą su nuolaida reguliarioms užklausoms.
Nuolaidos kodas iki 50%
Įveskite kodą perkant. Kaina perskaičiuojama pagal galiojančios akcijos sąlygas.
Išlaidos istorijoje
Kiekvienai užklausai išsaugomi modelis, žetonai ir suma.

Pasirinkti prenumeratą · Peržiūrėti modelių kainas

Prijunkite API prie produkto, kurį parduodate.

SaaS, programos ir botai pagal Ailoot ofertą bei licencijos sutartį. Perpardavimui paprašykite perpardavėjo licencijos.

Komercinė programa
Teksto, vaizdų, video ir garso kūrimą integruokite į mokamas paslaugos funkcijas.
Perpardavėjo licencija
Atsiųskite projekto aprašymą ir prieigos schemą. Paprašykite rašytinių naudojimo ir perpardavimo sąlygų.
Dokumentai svetainėje
Oferta, licencijos sutartis ir duomenų tvarkymo politika prieinamos prieš prisijungiant.

Paprašyti perpardavėjo licencijos · Oferta ir licencijos sutartis