modele

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

Model embeddingów tekstowych OpenAI zwracający 1536-wymiarowy wektor liczbowy. Używaj tych reprezentacji do wyszukiwania semantycznego, polecania powiązanych treści, grupowania, klasyfikacji lub wykrywania nietypowych rekordów tekstowych.

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

text-embedding-ada-002 to model osadzeń tekstu OpenAI reprezentujący materiały pisemne jako wektor liczbowy. Jego wyjście zawiera 1536 składników. Producent łączy w jednej reprezentacji ocenę podobieństwa tekstów, wyszukiwanie dokumentów na podstawie zapytań oraz wyszukiwanie kodu. Wynikiem są dane do porównania lub innego algorytmu, a nie wygenerowana odpowiedź na tekst, którego osadzenie powstaje.

Do wyszukiwania semantycznego przygotuj znaczące fragmenty dokumentów i zachowaj ich identyfikatory źródłowe. Przykładowy proces tworzy osadzenie każdego fragmentu i pytania użytkownika tym samym modelem, porównuje wektory i zwraca odpowiednie fragmenty źródłowe. Aplikacja określa regułę wyszukiwania, filtry i prezentację. Późniejszy krok generowania tekstu może wykorzystać znaleziony materiał do opracowania odpowiedzi, a model osadzeń dostarcza reprezentację liczbową.

Inne udokumentowane zastosowania obejmują grupowanie podobnych rekordów, rekomendowanie powiązanych treści, klasyfikowanie tekstu i wykrywanie odstających elementów. Dla rekomendacji porównuj opisy obiektów, między którymi istotna jest relacja. Dla klasyfikacji przewodnik opisuje porównanie z reprezentacjami kategorii lub użycie wektorów jako cech w klasyfikatorze. W wykrywaniu anomalii odpowiednim wynikiem jest rekord różniący się od otaczającej kolekcji, interpretowany zgodnie z zadaniem produktu.

OpenAI podaje maksymalne wejście 8192 tokenów dla tego modelu. API osadzeń producenta przyjmuje ciągi tekstowe lub wejście podzielone na tokeny, umożliwia wiele wejść w jednym żądaniu i odrzuca puste ciągi. Oprócz limitu na pojedyncze wejście obowiązuje łączny limit 300 000 tokenów na jedno żądanie. Dziel dłuższe dokumenty na użyteczne fragmenty, zachowując tytuły, definicje i odwołanie do oryginalnego materiału.

Wyjściem jest wektor wartości zmiennoprzecinkowych; producent dokumentuje także base64 jako alternatywne kodowanie transportowe. Parametr OpenAI skracający liczbę wymiarów dotyczy modeli osadzeń trzeciej i kolejnych generacji, więc udokumentowany wynik Ada o 1536 wymiarach należy odróżnić od tej opcji. Zapisuj tożsamość modelu i wektor wraz z rekordem źródłowym, aby późniejsze porównania używały spójnej reprezentacji.

Przewodnik po osadzeniach zaleca podobieństwo kosinusowe i podaje, że osadzenia OpenAI są znormalizowane do jednostkowej normy. Dla takich wektorów iloczyn skalarny może obliczyć podobieństwo kosinusowe, a odległość euklidesowa daje ten sam ranking. Wynik podobieństwa jest częścią logiki wyszukiwania lub klasyfikacji aplikacji, a nie decyzją o kategorii automatycznie dostarczaną przez model.

Określ, które pola źródłowe stają się tekstem wejściowym i jak dzielić fragmenty. Przykładowym wynikiem jest uporządkowany zestaw fragmentów dokumentów lub powiązanych rekordów, każdy połączony z oryginalnym źródłem i regułą używaną do wyboru. Zachowuj spójne przygotowanie i oceniaj, czy zwrócony materiał odpowiada na rzeczywiste pytanie. Dzięki temu wynik liczbowy jest użyteczny w kolejnym kroku wyszukiwania, rekomendacji lub analizy.

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

openai/text-embedding-ada-002

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

Start

Model embeddingów tekstowych OpenAI zwracający 1536-wymiarowy wektor liczbowy. Używaj tych reprezentacji do wyszukiwania semantycznego, polecania powiązanych treści, grupowania, klasyfikacji lub wykrywania nietypowych rekordów tekstowych.

Akceptowane dane wejściowe
Tekst · token_ids
Wyniki
embedding

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Reprezentacje wektorowe POST /v1/embeddings
Wejście
text, token_ids
Wyjście
embedding
Kontekst
8192 tokens
Format wyjściowy
json
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
openai/text-embedding-ada-002
Domyślnie—
PoleinputTypstring|string[]|integer[]|integer[][]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi.
Budżet wejścia: Maksimum: 8192 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów
Domyślnie—
Poleencoding_formatTypstringWymaganieOpcjonalneWartości i limity
float
Domyślniefloat
PoledimensionsTypintegerWymaganieNieobsługiwaneWartości i limity
Minimum: 1
Domyślnie—
PoleuserTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.
Domyślnie—
Polesession_idTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.
Domyślnie—
PoletraceTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu.
Domyślnie—
PoleproviderTypobjectWymaganieOpcjonalneWartości i limity
Warunki: Odrzucono provider.options
Domyślnie—
Kombinacje materiałów wejściowych

text_to_embedding

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, input
Parametrinput_shapesKontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrencoding_formatKontraktfloat
Parametrdimensions_overrideKontraktfalse
Parametrmax_input_budget_unitsKontrakt8192
Parametrmultimodal_objectsKontraktfalse
Parametrmaterial_typesKontrakttext, token_ids

Cykl życia: synchronous_json

Zachowaj indeks i liczbę wymiarów każdego wektora.

Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Stawka standardowa Gdy wybrany jest tryb szybki
Tryb flex
Stawka standardowa Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

KonfiguracjaTabela stawekOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0 / 1K tokenów
Wejście · Odczyt cache — / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Reprezentacje wektorowe

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)

Odbieranie i zapisywanie wyników

Ailoot Ultra · Reprezentacje wektorowe

json

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Nie wprowadzono endpointu zadań generowania osadzeń.

Pola odpowiedzi
PoleTyp
PoleobjectTypstring
PolemodelTypstring
Poledata[].indexTypinteger
Poledata[].embeddingTypfinite float[]
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

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

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

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

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

text-embedding-ada-002

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

Start

Model embeddingów tekstowych OpenAI zwracający 1536-wymiarowy wektor liczbowy. Używaj tych reprezentacji do wyszukiwania semantycznego, polecania powiązanych treści, grupowania, klasyfikacji lub wykrywania nietypowych rekordów tekstowych.

Akceptowane dane wejściowe
Tekst
Wyniki
embedding

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Wektory osadzeń · text-embedding-ada-002 POST /v1/embeddings
Wejście
text
Wyjście
embedding
Kontekst
8192 tokens
Format wyjściowy
json
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
text-embedding-ada-002
Domyślnie—
PoleinputTypstring|string[]|integer[]|integer[][]WymaganieWymaganeWartości i limity
Minimalna liczba elementów: 1
Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi.
Budżet wejścia: Maksimum: 8192 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów
Domyślnie—
Poleencoding_formatTypstringWymaganieOpcjonalneWartości i limity
float
Domyślniefloat
PoledimensionsTypintegerWymaganieNieobsługiwaneWartości i limity
Minimum: 1
Domyślnie—
PoleuserTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Opcjonalne metadane JSON; dokładna semantyka po stronie dostawcy zależy od wybranego modelu.
Domyślnie—
Polesession_idTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Opcjonalne metadane JSON; dokładna semantyka po stronie dostawcy zależy od wybranego modelu.
Domyślnie—
PoletraceTypjson_valueWymaganieOpcjonalneWartości i limity
Warunki: Opcjonalne metadane JSON; dokładna semantyka po stronie dostawcy zależy od wybranego modelu.
Domyślnie—
PoleproviderTypobjectWymaganieOpcjonalneWartości i limity
Warunki: Odrzucono provider.options
Domyślnie—
Kombinacje materiałów wejściowych

text_to_embedding

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, input
Parametrinput_shapesKontraktstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrencoding_formatKontraktfloat
Parametrdimensions_overrideKontraktfalse
Parametrmax_input_budget_unitsKontrakt8192
Parametrmultimodal_objectsKontraktfalse
Parametrmaterial_typesKontrakttext
Parametrtext_file_materialKontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości.

Cykl życia: synchronous_json

Wyślij dokładny identyfikator modelu i wymagane pola.

Zachowaj każdy zwrócony element i jego pierwotne identyfikatory.

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Stawka standardowa Gdy wybrany jest tryb szybki
Tryb flex
Stawka standardowa Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Stawka standardowa Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

KonfiguracjaTabela stawekOpłata
KonfiguracjaPodstawowe stawki za tokenyTabela stawekStawka podstawowaOpłata
Wejście · Tokeny wejściowe $0.0002 / 1K tokenów
Wyjście · Tokeny wyjściowe $0 / 1K tokenów
Wejście · Odczyt cache — / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot Ultra · Wektory osadzeń · text-embedding-ada-002

Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik
{
  "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')))

Odbieranie i zapisywanie wyników

Ailoot Ultra · Wektory osadzeń · text-embedding-ada-002

json

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj każdy wektor o skończonych wartościach wraz z pierwotnym indeksem. Zachowaj wszystkie wymiary i kompletny obiekt usage.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Nie wprowadzono endpointu zadań generowania osadzeń.

Pola odpowiedzi
PoleTyp
PoleobjectTypstring
PolemodelTypstring
Poledata[].indexTypinteger
Poledata[].embeddingTypfinite float[]
PoleusageTypobject
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametruNastępny krokPopraw wskazane pola przed nowym żądaniem utworzenia.

Aliasy

Aliasy modelu

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

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

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

FAQ · OpenAI: Text Embedding Ada 002
Jakie dane wejściowe i wyniki są dostępne?

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

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

Jakich pól używa żądanie?

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

Jakie limity obowiązują?

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

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

Więcej szczegółów

Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją.

Firma i jej portfel projektów

Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach.

Kupuj tokeny z rabatem.

Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny.

Subskrypcja
Wybierz plan z rabatem do regularnych żądań.
Kod promocyjny do 50%
Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji.
Koszty w historii
Model, tokeny i kwota są zapisywane dla każdego żądania.

Wybierz subskrypcję · Sprawdź ceny modeli

Połącz API z produktem, który sprzedajesz.

SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską.

Aplikacja komercyjna
Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi.
Licencja resellerska
Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży.
Dokumenty na stronie
Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem.

Poproś o licencję resellerską · Oferta i umowa licencyjna