models

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

Текстовая модель эмбеддингов OpenAI, возвращающая числовой вектор размерности 1536. Используйте эти представления для семантического поиска, рекомендаций связанного контента, кластеризации, классификации или обнаружения необычных текстовых записей.

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

text-embedding-ada-002 — текстовая модель эмбеддингов OpenAI для представления письменных материалов числовым вектором. Её выход содержит 1536 компонентов. Производитель объединяет сходство текстов, поиск документов по запросу и поиск кода в одном представлении. Результат — данные для сравнения или другого алгоритма, а не сгенерированный ответ на текст, для которого создаётся эмбеддинг.

Для семантического поиска подготовьте осмысленные фрагменты документов и сохраняйте их идентификаторы источников. Пример процесса создаёт эмбеддинги каждого фрагмента и вопроса пользователя одной моделью, сравнивает векторы и возвращает нужные исходные фрагменты. Приложение определяет правило поиска, фильтры и представление результата. Последующий этап генерации текста может использовать найденный материал для ответа, тогда как модель эмбеддингов даёт числовое представление.

Другие документированные применения включают группировку сходных записей, рекомендации связанного контента, классификацию текста и выявление выбросов. Для рекомендации сравнивайте описания объектов, связь между которыми важна. Для классификации руководство описывает сравнение с представлениями категорий или использование векторов как признаков классификатора. При обнаружении аномалий нужный результат — запись, отличающаяся от окружающей коллекции и интерпретируемая согласно задаче продукта.

OpenAI указывает для этой модели максимальный вход 8192 токена. API эмбеддингов производителя принимает текстовые строки или токенизированный вход, допускает несколько входов в одном запросе и отклоняет пустые строки. Совокупный лимит одного запроса — 300 000 токенов, дополнительно к лимиту каждого входа. Разбивайте длинные документы на полезные фрагменты, сохраняя названия, определения и ссылку на исходный материал.

Выход — вектор значений с плавающей точкой; производитель также документирует base64 как альтернативную транспортную кодировку. Параметр сокращения размерности OpenAI предназначен для моделей эмбеддингов третьего поколения и новее, поэтому документированный результат Ada размерности 1536 следует отделять от этого параметра. Храните идентичность модели и вектор вместе с исходной записью, чтобы последующие сравнения использовали согласованное представление.

Руководство по эмбеддингам рекомендует косинусное сходство и указывает, что эмбеддинги OpenAI нормализованы до единичной длины. Для этих векторов скалярное произведение позволяет вычислить косинусное сходство, а евклидово расстояние даёт то же ранжирование. Оценка сходства — часть логики поиска или классификации приложения, а не решение о категории, автоматически выдаваемое моделью.

Определите, какие поля источника становятся входным текстом и как следует разделять фрагменты. Пример результата — ранжированный набор фрагментов документов или связанных записей, каждая из которых связана со своим исходным источником и правилом отбора. Сохраняйте единообразную подготовку и оценивайте, отвечает ли возвращённый материал на реальный вопрос. Так числовой выход становится полезным для следующего этапа поиска, рекомендаций или анализа.

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

openai/text-embedding-ada-002

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

Начало

Текстовая модель эмбеддингов OpenAI, возвращающая числовой вектор размерности 1536. Используйте эти представления для семантического поиска, рекомендаций связанного контента, кластеризации, классификации или обнаружения необычных текстовых записей.

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
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
openai/text-embedding-ada-002
По умолчанию—
ПолеinputТипstring|string[]|integer[]|integer[][]ТребованиеОбязательноЗначения 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—
Полеencoding_formatТипstringТребованиеНеобязательноЗначения и ограничения
float
По умолчаниюfloat
ПолеdimensionsТипintegerТребованиеНе поддерживаетсяЗначения и ограничения
Минимум: 1
По умолчанию—
ПолеuserТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.
По умолчанию—
Полеsession_idТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.
По умолчанию—
ПолеtraceТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели.
По умолчанию—
ПолеproviderТипobjectТребованиеНеобязательноЗначения и ограничения
Условия: provider.options отклоняется
По умолчанию—
Сочетания входных материалов

text_to_embedding

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, input
Параметрinput_shapesКонтрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Параметрencoding_formatКонтрактfloat
Параметрdimensions_overrideКонтрактfalse
Параметрmax_input_budget_unitsКонтракт8192
Параметрmultimodal_objectsКонтрактfalse
Параметрmaterial_typesКонтрактtext, 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

КонфигурацияШкала ставокПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаПлата
Вход · Входные токены $0.0002 / 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 →

Примеры запросов

Ailoot Ultra · Эмбеддинги

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)

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
ПолеТип
ПолеobjectТипstring
ПолеmodelТипstring
Полеdata[].indexТипinteger
Полеdata[].embeddingТипfinite float[]
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

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

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

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

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

text-embedding-ada-002

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

Начало

Текстовая модель эмбеддингов OpenAI, возвращающая числовой вектор размерности 1536. Используйте эти представления для семантического поиска, рекомендаций связанного контента, кластеризации, классификации или обнаружения необычных текстовых записей.

Допустимые входные данные
Текст
Результаты
embedding

Доступно в Ailoot · входные данные и методы

Ailoot Ultra · Векторные представления · text-embedding-ada-002 POST /v1/embeddings
Входные данные
text
Результат
embedding
Контекст
8 192 tokens
Выходной формат
json
ПолеТипТребованиеЗначения и ограниченияПо умолчанию
ПолеmodelТипstringТребованиеОбязательноЗначения и ограничения
text-embedding-ada-002
По умолчанию—
ПолеinputТипstring|string[]|integer[]|integer[][]ТребованиеОбязательноЗначения 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—
Полеencoding_formatТипstringТребованиеНеобязательноЗначения и ограничения
float
По умолчаниюfloat
ПолеdimensionsТипintegerТребованиеНе поддерживаетсяЗначения и ограничения
Минимум: 1
По умолчанию—
ПолеuserТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели.
По умолчанию—
Полеsession_idТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели.
По умолчанию—
ПолеtraceТипjson_valueТребованиеНеобязательноЗначения и ограничения
Условия: Необязательные метаданные JSON; точная семантика поставщика зависит от выбранной модели.
По умолчанию—
ПолеproviderТипobjectТребованиеНеобязательноЗначения и ограничения
Условия: provider.options отклоняется
По умолчанию—
Сочетания входных материалов

text_to_embedding

Параметры и жизненный цикл метода
ПараметрКонтракт
Параметрcontent_typeКонтрактapplication/json
ПараметрrequiredКонтрактmodel, input
Параметрinput_shapesКонтрактstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Параметрencoding_formatКонтрактfloat
Параметрdimensions_overrideКонтрактfalse
Параметрmax_input_budget_unitsКонтракт8192
Параметрmultimodal_objectsКонтрактfalse
Параметрmaterial_typesКонтрактtext
Параметрtext_file_materialКонтрактПрочитайте 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

КонфигурацияШкала ставокПлата
КонфигурацияБазовые ставки за токеныШкала ставокБазовая ставкаПлата
Вход · Входные токены $0.0002 / 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 →

Примеры запросов

Ailoot Ultra · Векторные представления · text-embedding-ada-002

Полное минимальное тело запроса в формате JSONcurl · используйте свой документ UTF-8Python · сохраните полный результат
{
  "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')))

Получить и сохранить результаты

Ailoot Ultra · Векторные представления · text-embedding-ada-002

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
ПолеТип
ПолеobjectТипstring
ПолеmodelТипstring
Полеdata[].indexТипinteger
Полеdata[].embeddingТипfinite float[]
ПолеusageТипobject
Ошибки и дальнейшие шаги
ОтветУсловиеСледующий шаг
Ответ400 · invalid_request_errorУсловиеНеверные обязательные поля, представление материалов или значение параметраСледующий шагИсправьте указанные поля перед новым запросом на создание.

Псевдонимы

Псевдонимы моделей

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

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

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

FAQ · OpenAI: Text Embedding Ada 002
Какие входные данные и результаты доступны?

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

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

Какие поля использует запрос?

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

Какие ограничения действуют?

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

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

Подробнее

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 · Посмотреть цены моделей

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 · Оферта и лицензионный договор