models

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

Een tekstembeddingmodel van OpenAI dat een 1.536-dimensionale numerieke vector retourneert. Gebruik die representaties voor semantisch zoeken, aanbevelingen van verwante inhoud, clustering, classificatie of het detecteren van ongebruikelijke tekstrecords.

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-ada-002 is het tekstembeddingmodel van OpenAI om geschreven materiaal als een numerieke vector te representeren. De uitvoer bevat 1.536 componenten. De maker combineert tekstgelijkenis, zoekrollen voor documenten en zoekvragen en codezoekrollen in één representatie. Het resultaat bestaat uit gegevens voor vergelijking of een ander algoritme, in plaats van een gegenereerd antwoord op de tekst die wordt ingebed.

Bereid voor semantisch zoeken betekenisvolle documentpassages voor en behoud hun bronidentifiers. Een illustratieve workflow embedt elke passage en de gebruikersvraag met hetzelfde model, vergelijkt de vectoren en retourneert de relevante bronpassages. De toepassing bepaalt de zoekregel, filters en presentatie. Een volgende tekstgeneratiestap kan het opgehaalde materiaal gebruiken om een antwoord te ontwikkelen, terwijl het embeddingmodel de numerieke representatie levert.

Andere gedocumenteerde toepassingen zijn het groeperen van vergelijkbare records, aanbevelen van verwante inhoud, classificeren van tekst en identificeren van uitschieters. Vergelijk voor een aanbeveling beschrijvingen van de objecten waarvan de relatie belangrijk is. Voor classificatie beschrijft de gids vergelijking met categorierepresentaties of het gebruik van vectoren als kenmerken in een classifier. Voor anomaliedetectie is het relevante resultaat een record dat van de omringende verzameling afwijkt, geïnterpreteerd volgens de producttaak.

OpenAI vermeldt een maximale invoer van 8.192 tokens voor dit model. De embedding-API van de producent accepteert tekenreeksen of getokeniseerde invoer, staat meerdere invoeritems in één aanvraag toe en weigert lege tekenreeksen. De totale limiet is 300.000 tokens voor één aanvraag, naast de limiet per invoeritem. Splits langere documenten in bruikbare passages en behoud titels, definities en de verwijzing naar het oorspronkelijke materiaal.

De uitvoer is een vector van drijvende-kommagetallen; de producent documenteert ook base64 als alternatieve transportcodering. De parameter van OpenAI voor het verkorten van dimensies is voor embeddingmodellen van de derde generatie en later, dus de gedocumenteerde 1.536-dimensionale uitvoer van Ada blijft onderscheiden van die instelling. Bewaar de modelidentiteit en vector bij het bronrecord, zodat latere vergelijkingen een consistente representatie gebruiken.

De embeddinggids beveelt cosinusgelijkenis aan en stelt dat OpenAI-embeddings naar eenheidslengte zijn genormaliseerd. Voor die vectoren kan een inproduct cosinusgelijkenis berekenen en geeft Euclidische afstand dezelfde rangschikking. Een gelijkenisscore maakt deel uit van de zoek- of classificatielogica van de toepassing, niet van een categorische beslissing die het model automatisch levert.

Definieer welke bronvelden de invoertekst vormen en hoe passages moeten worden verdeeld. Een illustratief resultaat is een gerangschikte verzameling documentpassages of verwante records, elk gekoppeld aan de oorspronkelijke bron en de gebruikte selectieregel. Houd de voorbereiding consistent en evalueer of het geretourneerde materiaal de daadwerkelijke vraag behandelt. Dat maakt de numerieke uitvoer bruikbaar voor de volgende zoek-, aanbevelings- of analysestap.

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

openai/text-embedding-ada-002

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

Aan de slag

Een tekstembeddingmodel van OpenAI dat een 1.536-dimensionale numerieke vector retourneert. Gebruik die representaties voor semantisch zoeken, aanbevelingen van verwante inhoud, clustering, classificatie of het detecteren van ongebruikelijke tekstrecords.

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-ada-002
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 $0.0002 / 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-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)

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

Aliasnamen voor methodepaden

Gebruik de hierboven getoonde methodepaden.

Gerelateerde aanroeper-ID’s

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

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

text-embedding-ada-002

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

Aan de slag

Een tekstembeddingmodel van OpenAI dat een 1.536-dimensionale numerieke vector retourneert. Gebruik die representaties voor semantisch zoeken, aanbevelingen van verwante inhoud, clustering, classificatie of het detecteren van ongebruikelijke tekstrecords.

Toegestane invoer
Tekst
Resultaten
embedding

Beschikbaar in Ailoot · invoer en methoden

Ailoot Ultra · Vectorrepresentaties · text-embedding-ada-002 POST /v1/embeddings
Invoer
text
Uitvoer
embedding
Context
8.192 tokens
Uitvoerformaat
json
VeldTypeVereisteWaarden en limietenStandaard
VeldmodelTypestringVereisteVereistWaarden en limieten
text-embedding-ada-002
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 $0.0002 / 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-ada-002

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

Resultaten ophalen en opslaan

Ailoot Ultra · Vectorrepresentaties · text-embedding-ada-002

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

Aliasnamen voor methodepaden

Gebruik de hierboven getoonde methodepaden.

Gerelateerde aanroeper-ID’s

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

FAQ · OpenAI: Text Embedding Ada 002
Welke invoer en resultaten zijn beschikbaar?

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

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

Welke velden gebruikt het verzoek?

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

Welke limieten gelden?

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

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