text-embedding-3-large je OpenAI-jev večji model za vektorske vložitve besedila tretje generacije za naloge v angleščini in drugih jezikih. Pisno gradivo preslika v številski vektor in privzeto vrne 3072 komponent. Vektor predstavlja razmerja v posredovani vsebini; postopek pridobivanja ali klasifikacije ga uporabi za izbor gradiva ali drugo odločitev.
Modeli tretje generacije so naučeni podpirati krajše predstavitve prek proizvajalčeve nastavitve dimensions. Razvijalec kot primer navaja 1024 dimenzij, kadar vektorska shramba zahteva to velikost. Krajši vektor zmanjša količino podatkov za shranjevanje in primerjavo, sprememba predstavitve pa lahko vpliva na kakovost pridobivanja. Velikost izberite glede na potrebe aplikacije in isto izbiro uporabite za korpus ter njegove poizvedbe.
Ponazoritveni potek iskanja dokumentov razdeli izvorno gradivo na smiselne odlomke, ohrani njihove identifikatorje in pridobi vektorje za vsak odlomek. Vprašanje pretvori v vložitev z istim modelom in dimenzijami ter ga nato primerja z vektorji odlomkov. Aplikacija zagotovi filtre, izbere razvrščene rezultate in prikaže sklice na njihove vire. Naslednji model za ustvarjanje besedila lahko iz pridobljenega gradiva oblikuje odgovor; rezultat modela za vložitve ostaja številski podatek.
Druge dokumentirane uporabe vključujejo iskanje kode ali besedila, združevanje podobnih zapisov, priporočanje sorodnih vsebin, klasifikacijo, zaznavanje anomalij in merjenje raznolikosti zbirke. Za priporočilo opišite predmete z izrazi, pomembnimi za njihovo razmerje. Pri klasifikaciji primerjajte s predstavitvami kategorij ali uporabite vektorje kot značilke v klasifikatorju. Določite pravilo, ki podobnost pretvori v rezultat, potreben za izdelek.
OpenAI navaja največji vnos 8192 žetonov na besedilo. API za vložitve sprejema nize ali tokenizirano besedilo, podpira več vnosov in zavrača prazne nize. Uveljavlja tudi skupno omejitev 300 000 žetonov za eno zahtevo. Dolg dokument razdelite tako, da ohranite njegove smiselne meje in kontekst, vsak vektor pa naj ostane povezan s svojim izvornim odlomkom.
Proizvajalec dokumentira vektorje float kot privzeti izhod in base64 kot alternativno kodiranje. Vodnik priporoča kosinusno podobnost in navaja, da so OpenAI-jeve vložitve normalizirane na enotsko dolžino, zato je za kosinusno podobnost mogoč skalarni produkt, evklidska razdalja pa daje enakovredno razvrstitev. Če vektor tretje generacije po ustvarjanju ročno skrajšate, razvijalec naroča, da aplikacija skrajšani vektor znova normalizira; priporočena pot je uporaba nastavitve dimensions.
Pripravite dosledno besedilno predstavitev in zabeležite model, dimenzije ter identifikator vira. Uporaben končni izdelek je razvrščen nabor odlomkov, sorodnih postavk ali združenih zapisov z izrecnim pravilom izbora. Ocenite, ali rezultat odgovarja na poizvedbo, in ohranite izvorne dokaze za naslednjo stopnjo, namesto da bi vektorsko podobnost obravnavali kot preverjanje dejanskih trditev v zapisu.
", "aboutText": "text-embedding-3-large je OpenAI-jev večji model za vektorske vložitve besedila tretje generacije za naloge v angleščini in drugih jezikih. Pisno gradivo preslika v številski vektor in privzeto vrne 3072 komponent. Vektor predstavlja razmerja v posredovani vsebini; postopek pridobivanja ali klasifikacije ga uporabi za izbor gradiva ali drugo odločitev.\n\nModeli tretje generacije so naučeni podpirati krajše predstavitve prek proizvajalčeve nastavitve dimensions. Razvijalec kot primer navaja 1024 dimenzij, kadar vektorska shramba zahteva to velikost. Krajši vektor zmanjša količino podatkov za shranjevanje in primerjavo, sprememba predstavitve pa lahko vpliva na kakovost pridobivanja. Velikost izberite glede na potrebe aplikacije in isto izbiro uporabite za korpus ter njegove poizvedbe.\n\nPonazoritveni potek iskanja dokumentov razdeli izvorno gradivo na smiselne odlomke, ohrani njihove identifikatorje in pridobi vektorje za vsak odlomek. Vprašanje pretvori v vložitev z istim modelom in dimenzijami ter ga nato primerja z vektorji odlomkov. Aplikacija zagotovi filtre, izbere razvrščene rezultate in prikaže sklice na njihove vire. Naslednji model za ustvarjanje besedila lahko iz pridobljenega gradiva oblikuje odgovor; rezultat modela za vložitve ostaja številski podatek.\n\nDruge dokumentirane uporabe vključujejo iskanje kode ali besedila, združevanje podobnih zapisov, priporočanje sorodnih vsebin, klasifikacijo, zaznavanje anomalij in merjenje raznolikosti zbirke. Za priporočilo opišite predmete z izrazi, pomembnimi za njihovo razmerje. Pri klasifikaciji primerjajte s predstavitvami kategorij ali uporabite vektorje kot značilke v klasifikatorju. Določite pravilo, ki podobnost pretvori v rezultat, potreben za izdelek.\n\nOpenAI navaja največji vnos 8192 žetonov na besedilo. API za vložitve sprejema nize ali tokenizirano besedilo, podpira več vnosov in zavrača prazne nize. Uveljavlja tudi skupno omejitev 300 000 žetonov za eno zahtevo. Dolg dokument razdelite tako, da ohranite njegove smiselne meje in kontekst, vsak vektor pa naj ostane povezan s svojim izvornim odlomkom.\n\nProizvajalec dokumentira vektorje float kot privzeti izhod in base64 kot alternativno kodiranje. Vodnik priporoča kosinusno podobnost in navaja, da so OpenAI-jeve vložitve normalizirane na enotsko dolžino, zato je za kosinusno podobnost mogoč skalarni produkt, evklidska razdalja pa daje enakovredno razvrstitev. Če vektor tretje generacije po ustvarjanju ročno skrajšate, razvijalec naroča, da aplikacija skrajšani vektor znova normalizira; priporočena pot je uporaba nastavitve dimensions.\n\nPripravite dosledno besedilno predstavitev in zabeležite model, dimenzije ter identifikator vira. Uporaben končni izdelek je razvrščen nabor odlomkov, sorodnih postavk ali združenih zapisov z izrecnim pravilom izbora. Ocenite, ali rezultat odgovarja na poizvedbo, in ohranite izvorne dokaze za naslednjo stopnjo, namesto da bi vektorsko podobnost obravnavali kot preverjanje dejanskih trditev v zapisu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "869692e273dc1742b537aeea1fe829ff6d417fbd3178a4d8292f7a8672af55f3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "openai/text-embedding-3-largeOpenAI-jev večji model za vektorske vložitve besedila tretje generacije privzeto vrne 3072-dimenzionalne vektorje, proizvajalčeva nastavitev pa omogoča krajše predstavitve. Uporabite ga za semantično pridobivanje, večjezično primerjavo ter poteke sorodnih vsebin ali klasifikacije.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
text-embedding-3-large je OpenAI-jev večji model za vektorske vložitve besedila tretje generacije za naloge v angleščini in drugih jezikih. Pisno gradivo preslika v številski vektor in privzeto vrne 3072 komponent. Vektor predstavlja razmerja v posredovani vsebini; postopek pridobivanja ali klasifikacije ga uporabi za izbor gradiva ali drugo odločitev.
Modeli tretje generacije so naučeni podpirati krajše predstavitve prek proizvajalčeve nastavitve dimensions. Razvijalec kot primer navaja 1024 dimenzij, kadar vektorska shramba zahteva to velikost. Krajši vektor zmanjša količino podatkov za shranjevanje in primerjavo, sprememba predstavitve pa lahko vpliva na kakovost pridobivanja. Velikost izberite glede na potrebe aplikacije in isto izbiro uporabite za korpus ter njegove poizvedbe.
Ponazoritveni potek iskanja dokumentov razdeli izvorno gradivo na smiselne odlomke, ohrani njihove identifikatorje in pridobi vektorje za vsak odlomek. Vprašanje pretvori v vložitev z istim modelom in dimenzijami ter ga nato primerja z vektorji odlomkov. Aplikacija zagotovi filtre, izbere razvrščene rezultate in prikaže sklice na njihove vire. Naslednji model za ustvarjanje besedila lahko iz pridobljenega gradiva oblikuje odgovor; rezultat modela za vložitve ostaja številski podatek.
Druge dokumentirane uporabe vključujejo iskanje kode ali besedila, združevanje podobnih zapisov, priporočanje sorodnih vsebin, klasifikacijo, zaznavanje anomalij in merjenje raznolikosti zbirke. Za priporočilo opišite predmete z izrazi, pomembnimi za njihovo razmerje. Pri klasifikaciji primerjajte s predstavitvami kategorij ali uporabite vektorje kot značilke v klasifikatorju. Določite pravilo, ki podobnost pretvori v rezultat, potreben za izdelek.
OpenAI navaja največji vnos 8192 žetonov na besedilo. API za vložitve sprejema nize ali tokenizirano besedilo, podpira več vnosov in zavrača prazne nize. Uveljavlja tudi skupno omejitev 300 000 žetonov za eno zahtevo. Dolg dokument razdelite tako, da ohranite njegove smiselne meje in kontekst, vsak vektor pa naj ostane povezan s svojim izvornim odlomkom.
Proizvajalec dokumentira vektorje float kot privzeti izhod in base64 kot alternativno kodiranje. Vodnik priporoča kosinusno podobnost in navaja, da so OpenAI-jeve vložitve normalizirane na enotsko dolžino, zato je za kosinusno podobnost mogoč skalarni produkt, evklidska razdalja pa daje enakovredno razvrstitev. Če vektor tretje generacije po ustvarjanju ročno skrajšate, razvijalec naroča, da aplikacija skrajšani vektor znova normalizira; priporočena pot je uporaba nastavitve dimensions.
Pripravite dosledno besedilno predstavitev in zabeležite model, dimenzije ter identifikator vira. Uporaben končni izdelek je razvrščen nabor odlomkov, sorodnih postavk ali združenih zapisov z izrecnim pravilom izbora. Ocenite, ali rezultat odgovarja na poizvedbo, in ohranite izvorne dokaze za naslednjo stopnjo, namesto da bi vektorsko podobnost obravnavali kot preverjanje dejanskih trditev v zapisu.
POST /v1/embeddingstext, token_idsembedding| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve openai/text-embedding-3-large | Privzeto— |
Poljeinput | Vrstastring|string[]|integer[]|integer[][] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 Pogoji: Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila. Vhodni proračun: Največ: 8192 · Besedilna enota: bajti UTF8 · Enota žetonov: elementi polja žetonov | Privzeto— |
Poljeencoding_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve float | Privzetofloat |
Poljedimensions | Vrstainteger | ZahtevaNi podprto | Vrednosti in omejitve Najmanj: 1 | Privzeto— |
Poljeuser | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljesession_id | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljetrace | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Izvor dovoljuje to polje metapodatkov JSON; natančen pomen pri ponudniku je odvisen od modela. | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je zavrnjen | Privzeto— |
text_to_embedding
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input |
Parameterinput_shapes | Specifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Specifikacijafloat |
Parameterdimensions_override | Specifikacijafalse |
Parametermax_input_budget_units | Specifikacija8192 |
Parametermultimodal_objects | Specifikacijafalse |
Parametermaterial_types | Specifikacijatext, token_ids |
Življenjski cikel: synchronous_json
Shranite indeks in dimenzijo vsakega vektorja.
Ime multimodalnega modela ne pomeni, da so na tej točno določeni poti dovoljeni slikovni objekti.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00026 / 1K žetonov Izhod · Izhodni žetoni $0 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "openai/text-embedding-3-large", "input": ["First document", "Second document"]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.embeddings.create(model='openai/text-embedding-3-large',input=["First document","Second document"])\nprint(result)\nfor item in result.data:print(item.index,item.embedding)\njson
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Shranite vsak vektor skupaj z njegovim indeksom. Število vektorjev mora biti enako številu vhodov; dimenzije morajo biti skladne.
Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.
| Polje | Vrsta |
|---|---|
Poljeobject | Vrstastring |
Poljemodel | Vrstastring |
Poljedata[].index | Vrstainteger |
Poljedata[].embedding | Vrstafinite float[] |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Uporabite zgoraj navedene poti metod.
text-embedding-3-largeOpenAI-jev večji model za vektorske vložitve besedila tretje generacije privzeto vrne 3072-dimenzionalne vektorje, proizvajalčeva nastavitev pa omogoča krajše predstavitve. Uporabite ga za semantično pridobivanje, večjezično primerjavo ter poteke sorodnih vsebin ali klasifikacije.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
text-embedding-3-large je OpenAI-jev večji model za vektorske vložitve besedila tretje generacije za naloge v angleščini in drugih jezikih. Pisno gradivo preslika v številski vektor in privzeto vrne 3072 komponent. Vektor predstavlja razmerja v posredovani vsebini; postopek pridobivanja ali klasifikacije ga uporabi za izbor gradiva ali drugo odločitev.
Modeli tretje generacije so naučeni podpirati krajše predstavitve prek proizvajalčeve nastavitve dimensions. Razvijalec kot primer navaja 1024 dimenzij, kadar vektorska shramba zahteva to velikost. Krajši vektor zmanjša količino podatkov za shranjevanje in primerjavo, sprememba predstavitve pa lahko vpliva na kakovost pridobivanja. Velikost izberite glede na potrebe aplikacije in isto izbiro uporabite za korpus ter njegove poizvedbe.
Ponazoritveni potek iskanja dokumentov razdeli izvorno gradivo na smiselne odlomke, ohrani njihove identifikatorje in pridobi vektorje za vsak odlomek. Vprašanje pretvori v vložitev z istim modelom in dimenzijami ter ga nato primerja z vektorji odlomkov. Aplikacija zagotovi filtre, izbere razvrščene rezultate in prikaže sklice na njihove vire. Naslednji model za ustvarjanje besedila lahko iz pridobljenega gradiva oblikuje odgovor; rezultat modela za vložitve ostaja številski podatek.
Druge dokumentirane uporabe vključujejo iskanje kode ali besedila, združevanje podobnih zapisov, priporočanje sorodnih vsebin, klasifikacijo, zaznavanje anomalij in merjenje raznolikosti zbirke. Za priporočilo opišite predmete z izrazi, pomembnimi za njihovo razmerje. Pri klasifikaciji primerjajte s predstavitvami kategorij ali uporabite vektorje kot značilke v klasifikatorju. Določite pravilo, ki podobnost pretvori v rezultat, potreben za izdelek.
OpenAI navaja največji vnos 8192 žetonov na besedilo. API za vložitve sprejema nize ali tokenizirano besedilo, podpira več vnosov in zavrača prazne nize. Uveljavlja tudi skupno omejitev 300 000 žetonov za eno zahtevo. Dolg dokument razdelite tako, da ohranite njegove smiselne meje in kontekst, vsak vektor pa naj ostane povezan s svojim izvornim odlomkom.
Proizvajalec dokumentira vektorje float kot privzeti izhod in base64 kot alternativno kodiranje. Vodnik priporoča kosinusno podobnost in navaja, da so OpenAI-jeve vložitve normalizirane na enotsko dolžino, zato je za kosinusno podobnost mogoč skalarni produkt, evklidska razdalja pa daje enakovredno razvrstitev. Če vektor tretje generacije po ustvarjanju ročno skrajšate, razvijalec naroča, da aplikacija skrajšani vektor znova normalizira; priporočena pot je uporaba nastavitve dimensions.
Pripravite dosledno besedilno predstavitev in zabeležite model, dimenzije ter identifikator vira. Uporaben končni izdelek je razvrščen nabor odlomkov, sorodnih postavk ali združenih zapisov z izrecnim pravilom izbora. Ocenite, ali rezultat odgovarja na poizvedbo, in ohranite izvorne dokaze za naslednjo stopnjo, namesto da bi vektorsko podobnost obravnavali kot preverjanje dejanskih trditev v zapisu.
POST /v1/embeddingstextembedding| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve text-embedding-3-large | Privzeto— |
Poljeinput | Vrstastring|string[]|integer[]|integer[][] | ZahtevaObvezno | Vrednosti in omejitve Najmanjše število elementov: 1 Pogoji: Neprazen paket istovrstnih vhodnih podatkov. Identifikatorji žetonov so nenegativna cela števila. Vhodni proračun: Največ: 8192 · Besedilna enota: bajti UTF8 · Enota žetonov: elementi polja žetonov | Privzeto— |
Poljeencoding_format | Vrstastring | ZahtevaIzbirno | Vrednosti in omejitve float | Privzetofloat |
Poljedimensions | Vrstainteger | ZahtevaNi podprto | Vrednosti in omejitve Najmanj: 1 | Privzeto— |
Poljeuser | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Neobvezni metapodatki JSON; natančna semantika nadrejenega sistema je odvisna od izbranega modela. | Privzeto— |
Poljesession_id | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Neobvezni metapodatki JSON; natančna semantika nadrejenega sistema je odvisna od izbranega modela. | Privzeto— |
Poljetrace | Vrstajson_value | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: Neobvezni metapodatki JSON; natančna semantika nadrejenega sistema je odvisna od izbranega modela. | Privzeto— |
Poljeprovider | Vrstaobject | ZahtevaIzbirno | Vrednosti in omejitve Pogoji: provider.options je zavrnjen | Privzeto— |
text_to_embedding
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input |
Parameterinput_shapes | Specifikacijastring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Parameterencoding_format | Specifikacijafloat |
Parameterdimensions_override | Specifikacijafalse |
Parametermax_input_budget_units | Specifikacija8192 |
Parametermultimodal_objects | Specifikacijafalse |
Parametermaterial_types | Specifikacijatext |
Parametertext_file_material | SpecifikacijaPreberite dejanski dokument UTF-8 in njegovo besedilo vstavite v navedeni vhodni niz ali niz vsebine sporočila. |
Življenjski cikel: synchronous_json
Pošljite natančni ID modela in obvezna polja.
Ohranite vsak vrnjeni element in njegove prvotne identifikatorje.
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
| Nastavitev | Cenovna lestvica | Strošek |
|---|---|---|
| NastavitevOsnovne cene za žetone | Cenovna lestvicaOsnovna cena | Strošek Vhod · Vhodni žetoni $0.00026 / 1K žetonov Izhod · Izhodni žetoni $0 / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
{\n "model": "text-embedding-3-large",\n "input": [\n "First document",\n "Second document"\n ],\n "encoding_format": "float"\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'text-embedding-3-large', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}\npayload['input'] = [text]\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}\nheaders['Authorization'] = 'Bearer ' + api_key\nrequest = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nfor vector in result.get('data', []):\n print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))\njson
Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.
Ohranite vsak vektor s končnimi vrednostmi in njegovim izvirnim indeksom. Ohranite vse dimenzije in celoten objekt porabe.
Končna točka za opravila ustvarjanja vektorskih predstavitev se ne uvaja.
| Polje | Vrsta |
|---|---|
Poljeobject | Vrstastring |
Poljemodel | Vrstastring |
Poljedata[].index | Vrstainteger |
Poljedata[].embedding | Vrstafinite float[] |
Poljeusage | Vrstaobject |
| Odgovor | Pogoj | Naslednji korak |
|---|---|---|
Odgovor400 · invalid_request_error | PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra | Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja. |
Ailoot Ultra openai/text-embedding-3-large, text-embedding-3-large
Uporabite zgoraj navedene poti metod.