modelos

OpenAI: Text Embedding 3 Small

Markdown · JSON

OpenAI: Text Embedding 3 Small

O modelo pequeno de embeddings de texto de terceira geração da OpenAI devolve vetores de 1536 dimensões por predefinição e suporta representações mais curtas. Utilize a saída numérica para pesquisa semântica, recuperação de código, agrupamento, recomendações e classificação.

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-small é o modelo menor de embeddings de texto de terceira geração da OpenAI. Converte material escrito em vetores numéricos com 1536 componentes por predefinição. Esses vetores medem relações entre textos para outra etapa de pesquisa ou análise; o modelo não gera uma resposta de conversação à entrada.

Tal como o modelo maior de terceira geração, suporta o controlo dimensions do produtor para embeddings mais curtos. O treino foi concebido para conservar informação representativa de conceitos num vetor encurtado, com a escolha de tamanho a afetar a qualidade e os requisitos de recursos da aplicação. Mantenha o modelo e as dimensões selecionadas consistentes entre os registos e consultas comparados.

Uma aplicação prática é a pesquisa de código. O guia do fabricante descreve a representação de funções de origem como texto e a geração dos seus embeddings, seguida da geração do embedding de uma consulta em linguagem natural com o mesmo modelo e da comparação dos vetores resultantes. Um resultado ilustrativo é um conjunto ordenado de funções relevantes ligadas às suas localizações de origem. Para pesquisa documental, o artefacto equivalente é um conjunto de passagens cujo texto e referências originais continuam disponíveis para o leitor ou modelo seguinte.

Outras utilizações documentadas incluem agrupamento, recomendações de conteúdo relacionado, classificação, deteção de valores atípicos e medição de diversidade. Um fluxo focado de mensagens pode agrupar pedidos semelhantes ou compará-los com descrições de categorias. A aplicação define como um resultado de similaridade se torna categoria, recomendação ou elemento de revisão; o embedding em si continua a ser um conjunto de dados numéricos.

A OpenAI especifica um máximo de entrada de 8192 tokens por texto. A sua API de embeddings aceita cadeias ou entrada tokenizada e várias entradas num pedido, rejeita cadeias vazias e aplica um limite agregado de 300 000 tokens. Prepare material longo como passagens significativas e conserve os títulos ou definições necessários para as interpretar. Utilize um conjunto consistente de campos de origem, em vez de gerar embeddings de diferentes tipos de registos com regras de preparação sem relação.

O produtor devolve vetores float por predefinição e também documenta codificação base64. O guia indica que os embeddings da OpenAI são normalizados para comprimento unitário e recomenda similaridade do cosseno; um produto escalar pode calculá-la e a distância euclidiana produz a mesma ordenação. Se um embedding de terceira geração for encurtado manualmente depois de devolvido, normalize novamente esse vetor encurtado como o guia descreve. O controlo dimensions evita que o truncamento manual seja a etapa normal de preparação.

Registe a identidade do modelo, as dimensões e a ligação à fonte com cada vetor. Um artefacto posterior útil é uma lista ordenada, coleção agrupada ou conjunto de características de classificação ligado ao texto que o produziu. Verifique se o material selecionado realmente sustenta a tarefa e mantenha os factos em falta separados da relação semântica. A etapa seguinte pode então utilizar a representação para um fluxo específico de recuperação ou decisão.

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

openai/text-embedding-3-small

OpenAI /openai/text-embedding-3-small
ID do modelo
  • openai/text-embedding-3-small
  • text-embedding-3-small

Introdução

O modelo pequeno de embeddings de texto de terceira geração da OpenAI devolve vetores de 1536 dimensões por predefinição e suporta representações mais curtas. Utilize a saída numérica para pesquisa semântica, recuperação de código, agrupamento, recomendações e 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
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
openai/text-embedding-3-small
Predefinição—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObrigatórioValores 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—
Campoencoding_formatTipostringRequisitoOpcionalValores e limites
float
Predefiniçãofloat
CampodimensionsTipointegerRequisitoNão suportadoValores e limites
Mínimo: 1
Predefinição—
CampouserTipojson_valueRequisitoOpcionalValores e limites
Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo.
Predefinição—
Camposession_idTipojson_valueRequisitoOpcionalValores e limites
Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo.
Predefinição—
CampotraceTipojson_valueRequisitoOpcionalValores e limites
Condições: A fonte permite este campo de metadados JSON; a semântica exata a montante depende do modelo.
Predefinição—
CampoproviderTipoobjectRequisitoOpcionalValores e limites
Condições: provider.options rejeitado
Predefinição—
Combinações de materiais de entrada

text_to_embedding

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, input
Parâmetroinput_shapesContratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parâmetroencoding_formatContratofloat
Parâmetrodimensions_overrideContratofalse
Parâmetromax_input_budget_unitsContrato8192
Parâmetromultimodal_objectsContratofalse
Parâmetromaterial_typesContratotext, 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

ConfiguraçãoTabela de tarifasCusto
ConfiguraçãoTarifas base dos tokensTabela de tarifasTarifa baseCusto
Entrada · Tokens de entrada $0.00004 / 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 →

Exemplos de pedidos

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)

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
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidosPasso seguinteCorrija os campos indicados antes de um novo pedido de criação.

Aliases

Aliases do modelo

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

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

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

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

text-embedding-3-small

OpenAI /text-embedding-3-small
ID do modelo
  • openai/text-embedding-3-small
  • text-embedding-3-small

Introdução

O modelo pequeno de embeddings de texto de terceira geração da OpenAI devolve vetores de 1536 dimensões por predefinição e suporta representações mais curtas. Utilize a saída numérica para pesquisa semântica, recuperação de código, agrupamento, recomendações e classificação.

Entradas aceites
Texto
Resultados
embedding

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Representações vetoriais · text-embedding-3-small POST /v1/embeddings
Entrada
text
Saída
embedding
Contexto
8192 tokens
Formato de saída
json
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
text-embedding-3-small
Predefinição—
CampoinputTipostring|string[]|integer[]|integer[][]RequisitoObrigatórioValores 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—
Campoencoding_formatTipostringRequisitoOpcionalValores e limites
float
Predefiniçãofloat
CampodimensionsTipointegerRequisitoNão suportadoValores e limites
Mínimo: 1
Predefinição—
CampouserTipojson_valueRequisitoOpcionalValores e limites
Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado.
Predefinição—
Camposession_idTipojson_valueRequisitoOpcionalValores e limites
Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado.
Predefinição—
CampotraceTipojson_valueRequisitoOpcionalValores e limites
Condições: Metadados JSON opcionais; a semântica exata do fornecedor depende do modelo selecionado.
Predefinição—
CampoproviderTipoobjectRequisitoOpcionalValores e limites
Condições: provider.options rejeitado
Predefinição—
Combinações de materiais de entrada

text_to_embedding

Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, input
Parâmetroinput_shapesContratostring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parâmetroencoding_formatContratofloat
Parâmetrodimensions_overrideContratofalse
Parâmetromax_input_budget_unitsContrato8192
Parâmetromultimodal_objectsContratofalse
Parâmetromaterial_typesContratotext
Parâmetrotext_file_materialContratoLeia 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

ConfiguraçãoTabela de tarifasCusto
ConfiguraçãoTarifas base dos tokensTabela de tarifasTarifa baseCusto
Entrada · Tokens de entrada $0.00004 / 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 →

Exemplos de pedidos

Ailoot Ultra · Representações vetoriais · text-embedding-3-small

Corpo JSON mínimo completocurl · use o seu documento UTF-8Python · guarde o resultado completo
{
  "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')))

Receber e guardar os resultados

Ailoot Ultra · Representações vetoriais · text-embedding-3-small

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
CampoTipo
CampoobjectTipostring
CampomodelTipostring
Campodata[].indexTipointeger
Campodata[].embeddingTipofinite float[]
CampousageTipoobject
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidosPasso seguinteCorrija os campos indicados antes de um novo pedido de criação.

Aliases

Aliases do modelo

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

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

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

FAQ · OpenAI: Text Embedding 3 Small
Que entradas e resultados estão disponíveis?

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

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

Que campos utiliza o pedido?

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

Que limites se aplicam?

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

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

Mais detalhes

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 · Ver preços dos modelos

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 · Oferta e contrato de licença