modeller

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

OpenAIs lille tekstembeddingmodell fra tredje generasjon returnerer vektorer med 1 536 dimensjoner som standard og støtter kortere representasjoner. Bruk de numeriske resultatene til semantisk søk, kodegjenfinning, gruppering, anbefalinger og klassifisering.

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

text-embedding-3-small er OpenAIs mindre tekstembeddingmodell fra tredje generasjon. Den omdanner skriftlig materiale til numeriske vektorer med 1 536 komponenter som standard. Vektorene måler forhold mellom tekster til et etterfølgende søke- eller analysetrinn; modellen genererer ikke et samtalesvar på inndataene.

Som den større modellen fra tredje generasjon støtter den produsentens dimensions-kontroll for kortere embeddingvektorer. Treningen er utformet for å bevare informasjon som representerer begreper, i en forkortet vektor, og valget av størrelse påvirker applikasjonens kvalitet og ressursbehov. Hold modellen og valgte dimensjoner konsekvente for postene og forespørslene som sammenlignes.

En praktisk anvendelse er kodesøk. Produsentens veiledning beskriver å representere kildekodefunksjoner som tekst og beregne embeddingvektorene deres, deretter beregne en embeddingvektor for en forespørsel på naturlig språk med samme modell og sammenligne de resulterende vektorene. Et illustrerende resultat er et rangert sett med relevante funksjoner knyttet til plasseringene i kildekoden. For dokumentsøk er det tilsvarende resultatet et sett med passasjer der tekst og opprinnelige referanser fortsatt er tilgjengelige for leseren eller neste modell.

Andre dokumenterte bruksområder omfatter klyngedannelse, anbefalinger av relatert innhold, klassifisering, oppdagelse av avvikere og måling av variasjon. En avgrenset meldingsflyt kan gruppere lignende henvendelser eller sammenligne dem med kategoribeskrivelser. Applikasjonen definerer hvordan et likhetsresultat blir til en kategori, anbefaling eller post for gjennomgang; selve embeddingvektoren forblir numeriske data.

OpenAI oppgir maksimalt 8 192 tokener per tekst. Embedding-API-et godtar strenger eller tokeniserte inndata og flere inndataelementer i én forespørsel, avviser tomme strenger og bruker en samlet grense på 300 000 tokener. Klargjør langt materiale som meningsfulle passasjer, og bevar titler eller definisjoner som trengs for å tolke dem. Bruk et konsekvent sett med kildefelt fremfor å beregne embeddingvektorer for ulike typer poster med klargjøringsregler uten innbyrdes sammenheng.

Produsenten returnerer flyttallsvektorer som standard og dokumenterer også base64-koding. Veiledningen sier at OpenAI-embeddings er normalisert til enhetslengde og anbefaler cosinuslikhet; et skalarprodukt kan beregne den, og euklidisk avstand gir samme rangering. Hvis en embeddingvektor fra tredje generasjon forkortes manuelt etter at den er returnert, normaliseres den forkortede vektoren på nytt som beskrevet i veiledningen. Med dimensions-kontrollen trenger ikke manuell avkorting inngå i den vanlige klargjøringen.

Registrer modellidentiteten, dimensjonene og kildekoblingen sammen med hver vektor. Et nyttig etterfølgende resultat er en rangert liste, en gruppert samling eller et sett med klassifiseringsegenskaper knyttet til teksten som produserte dem. Kontroller om det valgte materialet faktisk støtter oppgaven, og hold manglende fakta atskilt fra semantisk beslektethet. Neste trinn kan deretter bruke representasjonen i en konkret gjenfinnings- eller beslutningsflyt.

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

openai/text-embedding-3-small

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

Start

OpenAIs lille tekstembeddingmodell fra tredje generasjon returnerer vektorer med 1 536 dimensjoner som standard og støtter kortere representasjoner. Bruk de numeriske resultatene til semantisk søk, kodegjenfinning, gruppering, anbefalinger og klassifisering.

Godkjente inndata
Tekst · token_ids
Resultater
embedding

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Vektorrepresentasjoner POST /v1/embeddings
Inndatatyper
text, token_ids
Utdatatyper
embedding
Kontekst
8 192 tokens
Utdataformat
json
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
openai/text-embedding-3-small
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall.
Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet
Standard—
Feltencoding_formatTypestringKravValgfrittVerdier & grenser
float
Standardfloat
FeltdimensionsTypeintegerKravStøttes ikkeVerdier & grenser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
Feltsession_idTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
FelttraceTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Kilden tillater dette JSON-metadatafeltet; den nøyaktige semantikken hos den underliggende leverandøren er modellavhengig.
Standard—
FeltproviderTypeobjectKravValgfrittVerdier & grenser
Vilkår: provider.options avvises
Standard—
Kombinasjoner av inngående materialer

text_to_embedding

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input
Parameterinput_shapesAvtalestring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatAvtalefloat
Parameterdimensions_overrideAvtalefalse
Parametermax_input_budget_unitsAvtale8192
Parametermultimodal_objectsAvtalefalse
Parametermaterial_typesAvtaletext, token_ids

Livssyklus: synchronous_json

Bevar hver vektors indeks og dimensjon.

Et multimodalt modellnavn innebærer ikke at bildeobjekter er tillatt på denne nøyaktige stien.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.00004 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Vektorrepresentasjoner

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)

Motta og lagre resultater

Ailoot Ultra · Vektorrepresentasjoner

json

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hver vektor sammen med indeksen. Antall vektorer må være lik antall inndata; dimensjonene må være konsistente.

Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

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

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

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

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

text-embedding-3-small

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

Start

OpenAIs lille tekstembeddingmodell fra tredje generasjon returnerer vektorer med 1 536 dimensjoner som standard og støtter kortere representasjoner. Bruk de numeriske resultatene til semantisk søk, kodegjenfinning, gruppering, anbefalinger og klassifisering.

Godkjente inndata
Tekst
Resultater
embedding

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Vektorrepresentasjoner · text-embedding-3-small POST /v1/embeddings
Inndatatyper
text
Utdatatyper
embedding
Kontekst
8 192 tokens
Utdataformat
json
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
text-embedding-3-small
Standard—
FeltinputTypestring|string[]|integer[]|integer[][]KravPåkrevdVerdier & grenser
Minste antall elementer: 1
Vilkår: Ikke-tom batch med ensartede elementer. Token-ID-er er ikke-negative heltall.
Inndatabudsjett: Maksimum: 8 192 · Tekstenhet: UTF8-byte · Tokenenhet: elementer i token-arrayet
Standard—
Feltencoding_formatTypestringKravValgfrittVerdier & grenser
float
Standardfloat
FeltdimensionsTypeintegerKravStøttes ikkeVerdier & grenser
Minimum: 1
Standard—
FeltuserTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
Feltsession_idTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
FelttraceTypejson_valueKravValgfrittVerdier & grenser
Vilkår: Valgfrie JSON-metadata; den eksakte betydningen hos leverandøren avhenger av den valgte modellen.
Standard—
FeltproviderTypeobjectKravValgfrittVerdier & grenser
Vilkår: provider.options avvises
Standard—
Kombinasjoner av inngående materialer

text_to_embedding

Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input
Parameterinput_shapesAvtalestring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatAvtalefloat
Parameterdimensions_overrideAvtalefalse
Parametermax_input_budget_unitsAvtale8192
Parametermultimodal_objectsAvtalefalse
Parametermaterial_typesAvtaletext
Parametertext_file_materialAvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen.

Livssyklus: synchronous_json

Send den eksakte modell-ID-en og de påkrevde feltene.

Behold hvert returnert element og de opprinnelige identifikatorene.

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Standardpris Når hurtigmodus er valgt
Flex-modus
Standardpris Når flex-modus er valgt
Maksimal resonneringsinnsats
Standardpris Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

KonfigurasjonPrisplanKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsKostnad
Inndata · Inngående tokener $0.00004 / 1K tokener
Utdata · Utgående tokener $0 / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

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

Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet
{
  "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')))

Motta og lagre resultater

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

json

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Behold hver vektor med endelige verdier og dens opprinnelige indeks. Bevar alle dimensjoner og hele forbruksobjektet.

Hvis det opprinnelige svaret må kontrolleres

Det innføres ikke noe endepunkt for embedding-jobber.

Svarfelter
FeltType
FeltobjectTypestring
FeltmodelTypestring
Feltdata[].indexTypeinteger
Feltdata[].embeddingTypefinite float[]
FeltusageTypeobject
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdiNeste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.

Aliaser

Modellaliaser

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

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

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

FAQ · OpenAI: Text Embedding 3 Small
Hvilke inndata og resultater er tilgjengelige?

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

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

Hvilke felt bruker forespørselen?

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

Hvilke grenser gjelder?

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

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

Flere detaljer

Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon.

Selskapet og dets prosjektportefølje

Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder.

Kjøp tokener med rabatt.

Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp.

Abonnement
Velg et rabattabonnement for faste forespørsler.
Kampanjekode opptil 50%
Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje.
Kostnader i historikken
Modell, tokener og beløp lagres for hver forespørsel.

Velg abonnement · Se modellpriser

Koble API-et til produktet du selger.

SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg.

Kommersiell applikasjon
Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten.
Forhandlerlisens
Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg.
Dokumenter på nettstedet
Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling.

Be om forhandlerlisens · Offentlig tilbud og lisensavtale