models

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

Het kleine tekstembeddingmodel van de derde generatie van OpenAI retourneert standaard 1.536-dimensionale vectoren en ondersteunt kortere representaties. Gebruik de numerieke uitvoer voor semantisch zoeken, codeopvraging, groepering, aanbevelingen en classificatie.

Over het model

Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.

text-embedding-3-small is het kleinere tekstembeddingmodel van de derde generatie van OpenAI. Het zet geschreven materiaal om in numerieke vectoren met standaard 1.536 componenten. Die vectoren meten relaties tussen teksten voor een andere zoek- of analysestap; het model genereert geen gespreksantwoord op de invoer.

Net als het grotere model van de derde generatie ondersteunt het de dimensions-instelling van de producent voor kortere embeddings. De training is ontworpen om informatie over concepten in een verkorte vector te behouden, waarbij de groottekeuze de kwaliteit en het resourcegebruik van de toepassing beïnvloedt. Houd het model en de geselecteerde dimensies consistent tussen de records en zoekvragen die worden vergeleken.

Een praktische toepassing is codezoeken. De gids van de maker beschrijft het representeren van bronfuncties als tekst en het embedden daarvan, daarna het embedden van een natuurlijke-taalvraag met hetzelfde model en het vergelijken van de resulterende vectoren. Een illustratief resultaat is een gerangschikte verzameling relevante functies die aan hun bronlocaties zijn gekoppeld. Voor documentzoeken is het vergelijkbare artefact een verzameling passages waarvan tekst en oorspronkelijke verwijzingen beschikbaar blijven voor de lezer of het volgende model.

Andere gedocumenteerde toepassingen omvatten clustering, aanbevelingen van verwante inhoud, classificatie, detectie van uitschieters en het meten van diversiteit. Een gerichte berichtenworkflow kan vergelijkbare verzoeken groeperen of die met categoriebeschrijvingen vergelijken. De toepassing definieert hoe een gelijkenisresultaat een categorie, aanbeveling of beoordelingsitem wordt; de embedding zelf bestaat nog steeds uit numerieke gegevens.

OpenAI specificeert een maximale invoer van 8.192 tokens per tekst. De embedding-API accepteert tekenreeksen of getokeniseerde invoer en meerdere invoeritems in één aanvraag, weigert lege tekenreeksen en past een totale limiet van 300.000 tokens toe. Bereid lang materiaal voor als betekenisvolle passages en behoud de titels of definities die nodig zijn om ze te interpreteren. Gebruik een consistente verzameling bronvelden in plaats van verschillende soorten records met niet-gerelateerde voorbereidingsregels te embedden.

De producent retourneert standaard float-vectoren en documenteert ook base64-codering. De gids stelt dat OpenAI-embeddings naar eenheidslengte zijn genormaliseerd en beveelt cosinusgelijkenis aan; een inproduct kan die berekenen en Euclidische afstand geeft dezelfde rangschikking. Als een embedding van de derde generatie na ontvangst handmatig wordt verkort, normaliseer die verkorte vector dan opnieuw zoals de gids beschrijft. De dimensions-instelling voorkomt dat handmatig afkappen de gewone voorbereidingsstap wordt.

Leg de modelidentiteit, dimensies en bronkoppeling bij elke vector vast. Een bruikbaar vervolgartefact is een gerangschikte lijst, gegroepeerde verzameling of set classificatiekenmerken die aan de oorspronkelijke tekst is gekoppeld. Controleer of het geselecteerde materiaal de taak daadwerkelijk ondersteunt en houd ontbrekende feiten gescheiden van semantische verwantschap. De volgende stap kan de representatie dan voor een specifieke zoek- of beslisworkflow gebruiken.

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

openai/text-embedding-3-small

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

Aan de slag

Het kleine tekstembeddingmodel van de derde generatie van OpenAI retourneert standaard 1.536-dimensionale vectoren en ondersteunt kortere representaties. Gebruik de numerieke uitvoer voor semantisch zoeken, codeopvraging, groepering, aanbevelingen en classificatie.

Toegestane invoer
Tekst · token_ids
Resultaten
embedding

Beschikbaar in Ailoot · invoer en methoden

Ailoot Ultra · Embeddings POST /v1/embeddings
Invoer
text, token_ids
Uitvoer
embedding
Context
8.192 tokens
Uitvoerformaat
json
VeldTypeVereisteWaarden en limietenStandaard
VeldmodelTypestringVereisteVereistWaarden en limieten
openai/text-embedding-3-small
Standaard—
VeldinputTypestring|string[]|integer[]|integer[][]VereisteVereistWaarden en limieten
Minimumaantal items: 1
Voorwaarden: Niet-lege homogene batch. Token-ID's zijn niet-negatieve gehele getallen.
Invoerbudget: Maximum: 8.192 · Teksteenheid: UTF8-bytes · Tokeneenheid: elementen van de token-array
Standaard—
Veldencoding_formatTypestringVereisteOptioneelWaarden en limieten
float
Standaardfloat
VelddimensionsTypeintegerVereisteNiet ondersteundWaarden en limieten
Minimum: 1
Standaard—
VelduserTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek.
Standaard—
Veldsession_idTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek.
Standaard—
VeldtraceTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: De bron staat dit JSON-metadataveld toe; de precieze betekenis bij de achterliggende leverancier is modelspecifiek.
Standaard—
VeldproviderTypeobjectVereisteOptioneelWaarden en limieten
Voorwaarden: provider.options geweigerd
Standaard—
Combinaties van invoermaterialen

text_to_embedding

Methodeparameters en levenscyclus
ParameterContract
Parametercontent_typeContractapplication/json
ParameterrequiredContractmodel, input
Parameterinput_shapesContractstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatContractfloat
Parameterdimensions_overrideContractfalse
Parametermax_input_budget_unitsContract8192
Parametermultimodal_objectsContractfalse
Parametermaterial_typesContracttext, token_ids

Levenscyclus: synchronous_json

Bewaar elke vectorindex en -dimensie.

Ook bij een multimodale modelnaam zijn afbeeldingsobjecten op dit specifieke pad niet toegestaan.

Tarieven

Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.

Snelle modus
Standaardtarief Wanneer de snelle modus geselecteerd is
Flex-modus
Standaardtarief Wanneer de flex-modus geselecteerd is
Maximale redeneerinspanning
Standaardtarief Wanneer voor maximale redeneerinspanning de default-aanpassing wordt gebruikt

Ailoot-tarieven

Prijzen per configuratie

ConfiguratieTariefstaffelKosten
ConfiguratieBasistarieven voor tokensTariefstaffelBasistariefKosten
Invoer · Invoertokens $0.00004 / 1K tokens
Uitvoer · Uitvoertokens $0 / 1K tokens
Invoer · Cache lezen — / 1K tokens
Invoer · Cache schrijven — / 1K tokens
Invoer · Cache schrijven, 1 uur — / 1K tokens

Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →

Voorbeeldverzoeken

Ailoot Ultra · Embeddings

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)

Resultaten ophalen en opslaan

Ailoot Ultra · Embeddings

json

Alle voltooide resultaten bewaren

Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.

Bewaar elke vector met zijn index. Het aantal vectoren moet gelijk zijn aan het aantal invoeritems; de dimensies moeten consistent zijn.

Als het oorspronkelijke antwoord moet worden gecontroleerd

Er wordt geen endpoint voor embeddingtaken toegevoegd.

Antwoordvelden
VeldType
VeldobjectTypestring
VeldmodelTypestring
Velddata[].indexTypeinteger
Velddata[].embeddingTypefinite float[]
VeldusageTypeobject
Fouten en vervolgstappen
AntwoordVoorwaardeVolgende stap
Antwoord400 · invalid_request_errorVoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldigVolgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag.

Aliasnamen

Modelaliasnamen

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

Aliasnamen voor methodepaden

Gebruik de hierboven getoonde methodepaden.

Gerelateerde aanroeper-ID’s

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

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

text-embedding-3-small

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

Aan de slag

Het kleine tekstembeddingmodel van de derde generatie van OpenAI retourneert standaard 1.536-dimensionale vectoren en ondersteunt kortere representaties. Gebruik de numerieke uitvoer voor semantisch zoeken, codeopvraging, groepering, aanbevelingen en classificatie.

Toegestane invoer
Tekst
Resultaten
embedding

Beschikbaar in Ailoot · invoer en methoden

Ailoot Ultra · Vectorrepresentaties · text-embedding-3-small POST /v1/embeddings
Invoer
text
Uitvoer
embedding
Context
8.192 tokens
Uitvoerformaat
json
VeldTypeVereisteWaarden en limietenStandaard
VeldmodelTypestringVereisteVereistWaarden en limieten
text-embedding-3-small
Standaard—
VeldinputTypestring|string[]|integer[]|integer[][]VereisteVereistWaarden en limieten
Minimumaantal items: 1
Voorwaarden: Niet-lege homogene batch. Token-ID's zijn niet-negatieve gehele getallen.
Invoerbudget: Maximum: 8.192 · Teksteenheid: UTF8-bytes · Tokeneenheid: elementen van de token-array
Standaard—
Veldencoding_formatTypestringVereisteOptioneelWaarden en limieten
float
Standaardfloat
VelddimensionsTypeintegerVereisteNiet ondersteundWaarden en limieten
Minimum: 1
Standaard—
VelduserTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: Optionele JSON-metadata; de exacte betekenis bij de aanbieder hangt af van het geselecteerde model.
Standaard—
Veldsession_idTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: Optionele JSON-metadata; de exacte betekenis bij de aanbieder hangt af van het geselecteerde model.
Standaard—
VeldtraceTypejson_valueVereisteOptioneelWaarden en limieten
Voorwaarden: Optionele JSON-metadata; de exacte betekenis bij de aanbieder hangt af van het geselecteerde model.
Standaard—
VeldproviderTypeobjectVereisteOptioneelWaarden en limieten
Voorwaarden: provider.options geweigerd
Standaard—
Combinaties van invoermaterialen

text_to_embedding

Methodeparameters en levenscyclus
ParameterContract
Parametercontent_typeContractapplication/json
ParameterrequiredContractmodel, input
Parameterinput_shapesContractstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parameterencoding_formatContractfloat
Parameterdimensions_overrideContractfalse
Parametermax_input_budget_unitsContract8192
Parametermultimodal_objectsContractfalse
Parametermaterial_typesContracttext
Parametertext_file_materialContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht.

Levenscyclus: synchronous_json

Verstuur de exacte model-ID en de verplichte velden.

Bewaar elk teruggestuurd item en zijn oorspronkelijke identificatiecodes.

Tarieven

Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.

Snelle modus
Standaardtarief Wanneer de snelle modus geselecteerd is
Flex-modus
Standaardtarief Wanneer de flex-modus geselecteerd is
Maximale redeneerinspanning
Standaardtarief Wanneer voor maximale redeneerinspanning de default-aanpassing wordt gebruikt

Ailoot-tarieven

Prijzen per configuratie

ConfiguratieTariefstaffelKosten
ConfiguratieBasistarieven voor tokensTariefstaffelBasistariefKosten
Invoer · Invoertokens $0.00004 / 1K tokens
Uitvoer · Uitvoertokens $0 / 1K tokens
Invoer · Cache lezen — / 1K tokens
Invoer · Cache schrijven — / 1K tokens
Invoer · Cache schrijven, 1 uur — / 1K tokens

Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →

Voorbeeldverzoeken

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

Volledige minimale JSON-bodycurl · gebruik je UTF-8-documentPython · sla het volledige resultaat op
{
  "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')))

Resultaten ophalen en opslaan

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

json

Alle voltooide resultaten bewaren

Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.

Bewaar elke vector met eindige waarden met zijn oorspronkelijke index. Behoud alle dimensies en het volledige verbruiksobject.

Als het oorspronkelijke antwoord moet worden gecontroleerd

Er wordt geen endpoint voor embeddingtaken toegevoegd.

Antwoordvelden
VeldType
VeldobjectTypestring
VeldmodelTypestring
Velddata[].indexTypeinteger
Velddata[].embeddingTypefinite float[]
VeldusageTypeobject
Fouten en vervolgstappen
AntwoordVoorwaardeVolgende stap
Antwoord400 · invalid_request_errorVoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldigVolgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag.

Aliasnamen

Modelaliasnamen

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

Aliasnamen voor methodepaden

Gebruik de hierboven getoonde methodepaden.

Gerelateerde aanroeper-ID’s

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

FAQ · OpenAI: Text Embedding 3 Small
Welke invoer en resultaten zijn beschikbaar?

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

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

Welke velden gebruikt het verzoek?

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

Welke limieten gelden?

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

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

Meer details

Verbind Ailoot met Claude Code, OpenCode, Hermes of je eigen applicatie.

Het bedrijf en zijn projectenportefeuille

Het bedrijf en zijn projectenportefeuille: miljoenen klanten; maandelijkse verkopen in de miljarden.

Koop tokens met korting.

Abonnementsvoordeel voor regelmatig gebruik. Promotiecodes geven tot 50% korting op tokens.

Abonnement
Kies een abonnement met korting voor je terugkerende verzoeken.
Promotiecode tot 50%
Vul de code bij aankoop in. De prijs wordt volgens de lopende actie herberekend.
Kosten in de geschiedenis
Model, tokens en bedrag worden per verzoek bewaard.

Kies een abonnement · Bekijk modelprijzen

Verbind de API met het product dat je verkoopt.

SaaS, apps en bots volgens de openbare aanbodvoorwaarden en licentieovereenkomst van Ailoot. Vraag voor doorverkoop een resellerlicentie aan.

Commerciële applicatie
Voeg tekst-, beeld-, video- en geluidsgeneratie aan betaalde functies van je service toe.
Resellerlicentie
Stuur een projectbeschrijving en toegangsschema. Vraag schriftelijke voorwaarden voor gebruik en doorverkoop.
Documenten op de site
Aanbodvoorwaarden, licentieovereenkomst en gegevensbeleid zijn vóór het verbinden beschikbaar.

Vraag een resellerlicentie aan · Aanbodvoorwaarden en licentieovereenkomst