model

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

Model embedding teks generasi ketiga OpenAI yang lebih kecil mengembalikan vektor 1,536 dimensi secara lalai dan menyokong perwakilan lebih pendek. Gunakan output berangka untuk carian semantik, pemerolehan semula kod, pengelompokan, cadangan dan pengelasan.

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

text-embedding-3-small ialah model embedding teks generasi ketiga OpenAI yang lebih kecil. Ia menukarkan bahan bertulis kepada vektor berangka dengan 1,536 komponen secara lalai. Vektor itu mengukur hubungan antara teks untuk langkah carian atau analisis lain; model tidak menjana jawapan perbualan kepada input.

Seperti model generasi ketiga yang lebih besar, ia menyokong kawalan dimensions pengeluar untuk embedding lebih pendek. Latihan direka untuk mengekalkan maklumat yang mewakili konsep dalam vektor dipendekkan, dengan pilihan saiz mempengaruhi kualiti aplikasi dan keperluan sumber. Pastikan model dan dimensi terpilih konsisten merentas rekod serta pertanyaan yang dibandingkan.

Aplikasi praktikal ialah carian kod. Panduan pembuat menerangkan perwakilan fungsi sumber sebagai teks dan penghasilan embeddingnya, kemudian penghasilan embedding pertanyaan bahasa semula jadi menggunakan model sama serta perbandingan vektor hasil. Contoh hasil ialah set fungsi relevan berperingkat yang dipautkan kepada lokasi sumber. Untuk carian dokumen, artifak sepadan ialah set petikan yang teks dan rujukan asalnya kekal tersedia kepada pembaca atau model seterusnya.

Kegunaan lain yang didokumenkan termasuk pengelompokan, cadangan kandungan berkaitan, pengelasan, pengesanan pencilan dan pengukuran kepelbagaian. Aliran kerja mesej terfokus boleh mengumpulkan permintaan serupa atau membandingkannya dengan penerangan kategori. Aplikasi mentakrifkan cara hasil keserupaan menjadi kategori, cadangan atau item semakan; embedding sendiri kekal data berangka.

OpenAI menetapkan input maksimum 8,192 token bagi setiap teks. API embeddingnya menerima rentetan atau input bertoken serta beberapa input dalam satu permintaan, menolak rentetan kosong dan menggunakan had agregat 300,000 token. Sediakan bahan panjang sebagai petikan bermakna dan simpan tajuk atau takrif yang diperlukan untuk mentafsirkannya. Gunakan set medan sumber yang konsisten, bukannya menghasilkan embedding pelbagai jenis rekod dengan peraturan penyediaan yang tidak berkaitan.

Pengeluar mengembalikan vektor float secara lalai dan turut mendokumenkan pengekodan base64. Panduan menyatakan bahawa embedding OpenAI dinormalkan kepada panjang unit dan mengesyorkan keserupaan kosinus; hasil darab titik boleh mengiranya dan jarak Euclidean memberikan kedudukan sama. Jika embedding generasi ketiga dipendekkan secara manual selepas diterima, normalkan semula vektor dipendekkan itu seperti yang diterangkan panduan. Kawalan dimensions mengelakkan keperluan menjadikan pemotongan manual sebagai langkah penyediaan biasa.

Rekodkan identiti model, dimensi dan pautan sumber bersama setiap vektor. Artifak hiliran berguna ialah senarai berperingkat, koleksi berkumpulan atau set ciri pengelasan yang dipautkan kepada teks yang menghasilkannya. Periksa sama ada bahan terpilih benar-benar menyokong tugas dan asingkan fakta yang tiada daripada perkaitan semantik. Langkah berikutnya kemudian boleh menggunakan perwakilan untuk aliran kerja pemerolehan semula atau keputusan khusus.

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

openai/text-embedding-3-small

OpenAI /openai/text-embedding-3-small
ID model
  • openai/text-embedding-3-small
  • text-embedding-3-small

Pengenalan

Model embedding teks generasi ketiga OpenAI yang lebih kecil mengembalikan vektor 1,536 dimensi secara lalai dan menyokong perwakilan lebih pendek. Gunakan output berangka untuk carian semantik, pemerolehan semula kod, pengelompokan, cadangan dan pengelasan.

Input yang diterima
Teks · token_ids
Hasil
embedding

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Pembenaman POST /v1/embeddings
Input
text, token_ids
Output
embedding
Konteks
8,192 tokens
Format output
json
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
openai/text-embedding-3-small
Lalai—
MedaninputJenisstring|string[]|integer[]|integer[][]KeperluanDiperlukanNilai & had
Item minimum: 1
Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif.
Bajet input: Maksimum: 8,192 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token
Lalai—
Medanencoding_formatJenisstringKeperluanPilihanNilai & had
float
Lalaifloat
MedandimensionsJenisintegerKeperluanTidak disokongNilai & had
Minimum: 1
Lalai—
MedanuserJenisjson_valueKeperluanPilihanNilai & had
Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model.
Lalai—
Medansession_idJenisjson_valueKeperluanPilihanNilai & had
Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model.
Lalai—
MedantraceJenisjson_valueKeperluanPilihanNilai & had
Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model.
Lalai—
MedanproviderJenisobjectKeperluanPilihanNilai & had
Syarat: provider.options ditolak
Lalai—
Gabungan bahan input

text_to_embedding

Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, input
Parameterinput_shapesKontrakstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatKontrakfloat
Parameterdimensions_overrideKontrakfalse
Parametermax_input_budget_unitsKontrak8192
Parametermultimodal_objectsKontrakfalse
Parametermaterial_typesKontraktext, token_ids

Kitar hayat: synchronous_json

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas
Kadar standard Apabila mod pantas dipilih
Mod flex
Kadar standard Apabila mod flex dipilih
Usaha penaakulan maksimum
Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

KonfigurasiJadual kadarCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasCaj
Input · Token input $0.00004 / 1K token
Output · Token output $0 / 1K token
Input · Bacaan cache — / 1K token
Input · Penulisan cache — / 1K token
Input · Penulisan cache, 1 jam — / 1K token

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Pembenaman

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)

Terima dan simpan hasil

Ailoot Ultra · Pembenaman

json

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons
MedanJenis
MedanobjectJenisstring
MedanmodelJenisstring
Medandata[].indexJenisinteger
Medandata[].embeddingJenisfinite float[]
MedanusageJenisobject
Ralat dan langkah seterusnya
ResponsSyaratLangkah seterusnya
Respons400 · invalid_request_errorSyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sahLangkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.

Alias

Alias model

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

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

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

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

text-embedding-3-small

OpenAI /text-embedding-3-small
ID model
  • openai/text-embedding-3-small
  • text-embedding-3-small

Pengenalan

Model embedding teks generasi ketiga OpenAI yang lebih kecil mengembalikan vektor 1,536 dimensi secara lalai dan menyokong perwakilan lebih pendek. Gunakan output berangka untuk carian semantik, pemerolehan semula kod, pengelompokan, cadangan dan pengelasan.

Input yang diterima
Teks
Hasil
embedding

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Pembenaman · text-embedding-3-small POST /v1/embeddings
Input
text
Output
embedding
Konteks
8,192 tokens
Format output
json
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
text-embedding-3-small
Lalai—
MedaninputJenisstring|string[]|integer[]|integer[][]KeperluanDiperlukanNilai & had
Item minimum: 1
Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif.
Bajet input: Maksimum: 8,192 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token
Lalai—
Medanencoding_formatJenisstringKeperluanPilihanNilai & had
float
Lalaifloat
MedandimensionsJenisintegerKeperluanTidak disokongNilai & had
Minimum: 1
Lalai—
MedanuserJenisjson_valueKeperluanPilihanNilai & had
Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih.
Lalai—
Medansession_idJenisjson_valueKeperluanPilihanNilai & had
Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih.
Lalai—
MedantraceJenisjson_valueKeperluanPilihanNilai & had
Syarat: Metadata JSON pilihan; makna tepat di pihak huluan bergantung pada model yang dipilih.
Lalai—
MedanproviderJenisobjectKeperluanPilihanNilai & had
Syarat: provider.options ditolak
Lalai—
Gabungan bahan input

text_to_embedding

Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, input
Parameterinput_shapesKontrakstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatKontrakfloat
Parameterdimensions_overrideKontrakfalse
Parametermax_input_budget_unitsKontrak8192
Parametermultimodal_objectsKontrakfalse
Parametermaterial_typesKontraktext
Parametertext_file_materialKontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan.

Kitar hayat: synchronous_json

Hantar ID model yang tepat dan medan wajib.

Simpan setiap item yang dikembalikan dan pengecam asalnya.

Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas
Kadar standard Apabila mod pantas dipilih
Mod flex
Kadar standard Apabila mod flex dipilih
Usaha penaakulan maksimum
Kadar standard Apabila usaha penaakulan maksimum menggunakan pelarasan default

Kadar Ailoot

Harga mengikut konfigurasi

KonfigurasiJadual kadarCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasCaj
Input · Token input $0.00004 / 1K token
Output · Token output $0 / 1K token
Input · Bacaan cache — / 1K token
Input · Penulisan cache — / 1K token
Input · Penulisan cache, 1 jam — / 1K token

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →

Contoh permintaan

Ailoot Ultra · Pembenaman · text-embedding-3-small

Badan JSON minimum yang lengkapcurl · gunakan dokumen UTF-8 andaPython · simpan hasil lengkap
{
  "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')))

Terima dan simpan hasil

Ailoot Ultra · Pembenaman · text-embedding-3-small

json

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor terhingga berserta indeks asalnya. Kekalkan semua dimensi dan keseluruhan objek penggunaan.

Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons
MedanJenis
MedanobjectJenisstring
MedanmodelJenisstring
Medandata[].indexJenisinteger
Medandata[].embeddingJenisfinite float[]
MedanusageJenisobject
Ralat dan langkah seterusnya
ResponsSyaratLangkah seterusnya
Respons400 · invalid_request_errorSyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sahLangkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.

Alias

Alias model

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

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

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

FAQ · OpenAI: Text Embedding 3 Small
Apakah input dan hasil yang tersedia?

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

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

Apakah medan yang digunakan oleh permintaan?

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

Apakah had yang terpakai?

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

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

Butiran lanjut

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan
Pilih pelan berdiskaun untuk permintaan berkala anda.
Kod promosi sehingga 50%
Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.
Perbelanjaan dalam sejarah
Model, token dan jumlah disimpan bagi setiap permintaan.

Pilih langganan · Lihat harga model

Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial
Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.
Lesen penjual semula
Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.
Dokumen pada laman
Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

Mohon lesen penjual semula · Tawaran dan perjanjian lesen