Source: https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/ Canonical: https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/ Language: pt-pt # OpenAI: Text Embedding 3 Large [Markdown](https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/index.md) · [JSON](https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/facts.json) ## [OpenAI: Text Embedding 3 Large](https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/) O modelo maior de embeddings de texto de terceira geração da OpenAI devolve vetores de 3072 dimensões por predefinição, com um controlo do produtor para representações mais curtas. Utilize-o para recuperação semântica, comparação multilingue e fluxos de conteúdo relacionado ou classificação. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/#method-0) - [**Ailoot Ultra · Representações vetoriais · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large`](https://ailoot.ai/models/pt-pt/openai-text-embedding-3-large/#method-1) Sobre o modelo Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo. text-embedding-3-large é o modelo maior de embeddings de texto de terceira geração da OpenAI para tarefas em inglês e noutras línguas. Converte material escrito num vetor numérico, devolvendo 3072 componentes por predefinição. O vetor representa relações no conteúdo fornecido; um processo de recuperação ou classificação utiliza-o para selecionar material ou tomar outra decisão. Os modelos de terceira geração são treinados para suportar representações mais curtas através do controlo dimensions do produtor. O fabricante dá 1024 dimensões como exemplo quando um repositório vetorial exige esse tamanho. Um vetor mais curto reduz a quantidade de dados a armazenar e comparar, enquanto a alteração da representação pode afetar a qualidade de recuperação. Escolha o tamanho para os requisitos da aplicação e utilize a mesma escolha para o corpus e as respetivas consultas. Um fluxo ilustrativo de pesquisa documental divide material de origem em passagens significativas, conserva os seus identificadores e obtém vetores para cada passagem. É gerado o embedding de uma pergunta utilizando o mesmo modelo e dimensões, sendo depois comparado com os vetores das passagens. A aplicação fornece filtros, seleciona os resultados ordenados e apresenta as suas referências de origem. Um modelo posterior de geração de texto pode desenvolver uma resposta a partir do material recuperado; o resultado do modelo de embeddings continua a ser um conjunto de dados numéricos. Outras aplicações documentadas incluem pesquisa de código ou texto, agrupamento de registos semelhantes, recomendações de conteúdo relacionado, classificação, deteção de anomalias e medição de diversidade numa coleção. Para uma recomendação, descreva os objetos em termos relevantes para a relação. Para classificação, compare com representações de categorias ou utilize vetores como características num classificador. Defina a regra que transforma a similaridade no resultado de que o produto precisa. A OpenAI indica um máximo de entrada de 8192 tokens por texto. A API de embeddings aceita cadeias ou texto tokenizado, suporta várias entradas e rejeita cadeias vazias. Também impõe um limite agregado de 300 000 tokens num pedido. Um documento longo deve ser dividido mantendo os limites significativos e o contexto intactos, com cada vetor ligado à respetiva passagem de origem. O produtor documenta vetores float como saída predefinida e base64 como codificação alternativa. O guia recomenda similaridade do cosseno e indica que os embeddings da OpenAI são normalizados para comprimento unitário, permitindo um produto escalar para similaridade do cosseno e ordenações equivalentes pela distância euclidiana. Se um vetor de terceira geração for encurtado manualmente após a geração, o fabricante instrui a aplicação a normalizar novamente o vetor encurtado; utilizar o controlo dimensions é a via recomendada. Prepare uma representação textual consistente e registe o modelo, as dimensões e o identificador da fonte. Um artefacto final útil é um conjunto ordenado de passagens, elementos relacionados ou registos agrupados cuja regra de seleção é explícita. Avalie se o resultado responde à consulta e preserve a evidência de origem para a etapa seguinte, em vez de tratar a similaridade vetorial como verificação das afirmações factuais de um registo. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `openai/text-embedding-3-large` [`openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings) OpenAI /`openai/text-embedding-3-large` ID do modelo - `openai/text-embedding-3-large` - `text-embedding-3-large` ### Introdução O modelo maior de embeddings de texto de terceira geração da OpenAI devolve vetores de 3072 dimensões por predefinição, com um controlo do produtor para representações mais curtas. Utilize-o para recuperação semântica, comparação multilingue e fluxos de conteúdo relacionado ou classificação. Entradas aceites Texto · token\_ids Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Entrada `text`, `token_ids` Saída `embedding` Contexto 8192 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites openai/text-embedding-3-large | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 8192 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato8192 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext, token\_ids | Ciclo de vida: `synchronous_json` Guarde o índice e a dimensão de cada vetor. O nome do modelo multimodal não permite objetos de imagem neste caminho exato. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.00026** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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-large", "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 ``` ```python 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-large',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Embeddings json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Guarde cada vetor com o respetivo índice. O número de vetores tem de ser igual ao número de entradas; as dimensões têm de ser consistentes. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings) **Ailoot Ultra · Representações vetoriais · text-embedding-3-large** `POST /v1/embeddings` `text-embedding-3-large` [`text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings) OpenAI /`text-embedding-3-large` ID do modelo - `openai/text-embedding-3-large` - `text-embedding-3-large` ### Introdução O modelo maior de embeddings de texto de terceira geração da OpenAI devolve vetores de 3072 dimensões por predefinição, com um controlo do produtor para representações mais curtas. Utilize-o para recuperação semântica, comparação multilingue e fluxos de conteúdo relacionado ou classificação. Entradas aceites Texto Resultados embedding ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Representações vetoriais · text-embedding-3-large** `POST /v1/embeddings` Entrada `text` Saída `embedding` Contexto 8192 tokens Formato de saída json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites text-embedding-3-large | Predefinição— | | Campo`input` | Tipo`string\|string[]\|integer[]\|integer[][]` | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 Condições: Lote homogéneo não vazio. Os IDs de tokens são números inteiros não negativos. Orçamento de entrada: Máximo: 8192 · Unidade de texto: bytes UTF8 · Unidade de tokens: elementos do array de tokens | Predefinição— | | Campo`encoding_format` | Tipo`string` | RequisitoOpcional | Valores e limites float | Predefiniçãofloat | | Campo`dimensions` | Tipo`integer` | RequisitoNão suportado | Valores e limites Mínimo: 1 | Predefinição— | | Campo`user` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado. | Predefinição— | | Campo`session_id` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado. | Predefinição— | | Campo`trace` | Tipo`json_value` | RequisitoOpcional | Valores e limites Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado. | Predefinição— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores e limites Condições: provider.options rejeitado | Predefinição— | Combinações de materiais de entrada **text\_to\_embedding** Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, input | | Parâmetro`input_shapes` | Contratostring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parâmetro`encoding_format` | Contratofloat | | Parâmetro`dimensions_override` | Contratofalse | | Parâmetro`max_input_budget_units` | Contrato8192 | | Parâmetro`multimodal_objects` | Contratofalse | | Parâmetro`material_types` | Contratotext | | Parâmetro`text_file_material` | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. | Ciclo de vida: `synchronous_json` Envie o ID exato do modelo e os campos obrigatórios. Conserve todos os elementos devolvidos e os respetivos identificadores originais. ### Tarifários As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado. Modo rápido Tarifa normal Quando o modo rápido está selecionado Modo flex Tarifa normal Quando o modo flex está selecionado Esforço máximo de raciocínio Tarifa normal Quando o esforço máximo de raciocínio usa o ajuste predefinido (default) #### Tarifas Ailoot #### Preços por configuração | Configuração | Tabela de tarifas | Custo | | --- | --- | --- | | ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada **$0.00026** / 1K tokens Saída · Tokens de saída **$0** / 1K tokens Entrada · Leitura da cache **—** / 1K tokens Entrada · Escrita na cache **—** / 1K tokens Entrada · Escrita na cache, 1 hora **—** / 1K tokens | O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. [Como funcionam a reserva e a liquidação →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Representações vetoriais · text-embedding-3-large Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo ```json { "model": "text-embedding-3-large", "input": [ "First document", "Second document" ], "encoding_format": "float" } ``` ```bash set -eu : "${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-large', '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 ``` ```python 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-large', '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'))) ``` ### Receber e guardar os resultados #### Ailoot Ultra · Representações vetoriais · text-embedding-3-large json ##### Guardar todos os resultados concluídos Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra. Conserve todos os vetores de valores finitos com o respetivo índice original. Preserve todas as dimensões e o objeto completo de utilização. ##### Se for necessário verificar a resposta original Não é introduzido nenhum endpoint de tarefas de embeddings. Campos da resposta | Campo | Tipo | | --- | --- | | Campo`object` | Tipostring | | Campo`model` | Tipostring | | Campo`data[].index` | Tipointeger | | Campo`data[].embedding` | Tipofinite float\[\] | | Campo`usage` | Tipoobject | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`openai/text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=openai%2Ftext-embedding-3-large&fmt=embeddings), [`text-embedding-3-large`](https://ailoot.ai/models/pt-pt/#m=openai%2Ftext-embedding-3-large&route=Ultra&caller=text-embedding-3-large&fmt=embeddings) FAQ · OpenAI: Text Embedding 3 Large Que entradas e resultados estão disponíveis? `POST /v1/embeddings` · `openai/text-embedding-3-large`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-3-large`: `text` → `embedding` Que campos utiliza o pedido? `POST /v1/embeddings` · `openai/text-embedding-3-large`: `model`, `input`, `encoding_format`, `provider` `POST /v1/embeddings` · `text-embedding-3-large`: `model`, `input`, `encoding_format`, `provider` Que limites se aplicam? `POST /v1/embeddings` · `openai/text-embedding-3-large`: `ctx`: `8192`; `input.budget.maximum`: `8192` (bytes UTF8); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-3-large`: `ctx`: `8192`; `input.budget.maximum`: `8192` (bytes UTF8); `input.min_items`: `1` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.