Source: https://ailoot.ai/models/ru/openai-text-embedding-3-small/ Canonical: https://ailoot.ai/models/ru/openai-text-embedding-3-small/ Language: ru # OpenAI: Text Embedding 3 Small [Markdown](https://ailoot.ai/models/ru/openai-text-embedding-3-small/index.md) · [JSON](https://ailoot.ai/models/ru/openai-text-embedding-3-small/facts.json) ## [OpenAI: Text Embedding 3 Small](https://ailoot.ai/models/ru/openai-text-embedding-3-small/) Малая текстовая модель эмбеддингов третьего поколения OpenAI по умолчанию возвращает векторы размерности 1536 и поддерживает более короткие представления. Используйте числовой выход для семантического поиска, поиска кода, группировки, рекомендаций и классификации. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `openai/text-embedding-3-small`](https://ailoot.ai/models/ru/openai-text-embedding-3-small/#method-0) - [**Ailoot Ultra · Векторные представления · text-embedding-3-small** `POST /v1/embeddings` `text-embedding-3-small`](https://ailoot.ai/models/ru/openai-text-embedding-3-small/#method-1) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. text-embedding-3-small — меньшая текстовая модель эмбеддингов третьего поколения OpenAI. Она преобразует письменные материалы в числовые векторы с 1536 компонентами по умолчанию. Эти векторы измеряют связи между текстами для последующего этапа поиска или анализа; модель не генерирует разговорный ответ на вход. Как и большая модель третьего поколения, она поддерживает параметр производителя dimensions для более коротких эмбеддингов. Обучение рассчитано на сохранение информации, представляющей понятия, в укороченном векторе; выбор размера влияет на качество и ресурсные требования приложения. Сохраняйте одинаковые модель и выбранную размерность для сравниваемых записей и запросов. Практическое применение — поиск кода. Руководство производителя описывает представление исходных функций текстом и создание их эмбеддингов, затем создание эмбеддинга запроса на естественном языке той же моделью и сравнение полученных векторов. Пример результата — ранжированный набор подходящих функций, связанных с их расположением в исходниках. Для поиска документов аналогичный результат — набор фрагментов, чей текст и исходные ссылки остаются доступны читателю или следующей модели. Другие документированные применения включают кластеризацию, рекомендации связанного контента, классификацию, обнаружение выбросов и измерение разнообразия. Целевой процесс работы с сообщениями может группировать сходные запросы или сравнивать их с описаниями категорий. Приложение определяет, как результат сходства превращается в категорию, рекомендацию или запись для проверки; сам эмбеддинг остаётся числовыми данными. OpenAI задаёт максимальный вход 8192 токена на текст. API эмбеддингов принимает строки или токенизированный вход и несколько входов в одном запросе, отклоняет пустые строки и применяет совокупный лимит 300 000 токенов. Подготавливайте длинные материалы как осмысленные фрагменты и сохраняйте названия или определения, необходимые для их понимания. Используйте единый набор полей источника вместо создания эмбеддингов разных видов записей по несвязанным правилам подготовки. Производитель по умолчанию возвращает векторы с плавающей точкой и также документирует кодировку base64. Руководство указывает, что эмбеддинги OpenAI нормализованы до единичной длины, и рекомендует косинусное сходство; скалярное произведение позволяет вычислить его, а евклидово расстояние даёт то же ранжирование. Если эмбеддинг третьего поколения вручную сокращается после получения, снова нормализуйте укороченный вектор, как описывает руководство. Параметр dimensions позволяет не превращать ручное усечение в обычный этап подготовки. Записывайте идентичность модели, размерность и ссылку на источник вместе с каждым вектором. Полезный последующий результат — ранжированный список, сгруппированная коллекция или набор классификационных признаков, связанных с породившим их текстом. Проверяйте, действительно ли выбранный материал поддерживает задачу, и отделяйте отсутствие фактов от семантической связанности. Следующий этап сможет использовать представление для конкретного процесса поиска или принятия решений. **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `openai/text-embedding-3-small` [`openai/text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings) OpenAI /`openai/text-embedding-3-small` ID модели - `openai/text-embedding-3-small` - `text-embedding-3-small` ### Начало Малая текстовая модель эмбеддингов третьего поколения OpenAI по умолчанию возвращает векторы размерности 1536 и поддерживает более короткие представления. Используйте числовой выход для семантического поиска, поиска кода, группировки, рекомендаций и классификации. Допустимые входные данные Текст · token\_ids Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` Входные данные `text`, `token_ids` Результат `embedding` Контекст 8 192 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения openai/text-embedding-3-small | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 8 192 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт8192 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext, token\_ids | Жизненный цикл: `synchronous_json` Сохраняйте индекс и размерность каждого вектора. Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Стандартный тариф При выборе быстрого режима Режим flex Стандартный тариф При выборе режима flex Максимальная интенсивность рассуждений Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00004** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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-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 ``` ```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-small',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Эмбеддинги json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`openai/text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`openai/text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) **Ailoot Ultra · Векторные представления · text-embedding-3-small** `POST /v1/embeddings` `text-embedding-3-small` [`text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) OpenAI /`text-embedding-3-small` ID модели - `openai/text-embedding-3-small` - `text-embedding-3-small` ### Начало Малая текстовая модель эмбеддингов третьего поколения OpenAI по умолчанию возвращает векторы размерности 1536 и поддерживает более короткие представления. Используйте числовой выход для семантического поиска, поиска кода, группировки, рекомендаций и классификации. Допустимые входные данные Текст Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Векторные представления · text-embedding-3-small** `POST /v1/embeddings` Входные данные `text` Результат `embedding` Контекст 8 192 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения text-embedding-3-small | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 8 192 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт8192 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext | | Параметр`text_file_material` | КонтрактПрочитайте фактический документ UTF-8 и поместите его текст в указанную строку входа или содержимого сообщения. | Жизненный цикл: `synchronous_json` Передайте точный ID модели и обязательные поля. Сохраняйте каждый возвращённый элемент и его исходные идентификаторы. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Стандартный тариф При выборе быстрого режима Режим flex Стандартный тариф При выборе режима flex Максимальная интенсивность рассуждений Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00004** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Векторные представления · text-embedding-3-small Полное минимальное тело запроса в формате JSONcurl · используйте свой документ UTF-8Python · сохраните полный результат ```json { "model": "text-embedding-3-small", "input": [ "First document", "Second document" ], "encoding_format": "float" } ``` ```bash set -eu : "${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-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 ``` ```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-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'))) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Векторные представления · text-embedding-3-small json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с конечными значениями и его исходным индексом. Сохраняйте все измерения и весь объект usage. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`openai/text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`openai/text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=openai%2Ftext-embedding-3-small&fmt=embeddings), [`text-embedding-3-small`](https://ailoot.ai/models/ru/#m=openai%2Ftext-embedding-3-small&route=Ultra&caller=text-embedding-3-small&fmt=embeddings) FAQ · OpenAI: Text Embedding 3 Small Какие входные данные и результаты доступны? `POST /v1/embeddings` · `openai/text-embedding-3-small`: `text`, `token_ids` → `embedding` `POST /v1/embeddings` · `text-embedding-3-small`: `text` → `embedding` Какие поля использует запрос? `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` Какие ограничения действуют? `POST /v1/embeddings` · `openai/text-embedding-3-small`: `ctx`: `8192`; `input.budget.maximum`: `8192` (байты UTF8); `input.min_items`: `1` `POST /v1/embeddings` · `text-embedding-3-small`: `ctx`: `8192`; `input.budget.maximum`: `8192` (байты UTF8); `input.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.