{ "aboutHtml": "

text-embedding-3-large เป็นโมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI สำหรับงานภาษาอังกฤษและภาษาอื่น แปลงข้อมูลเขียนเป็นเวกเตอร์เชิงตัวเลข โดยคืน 3,072 องค์ประกอบตามค่าเริ่มต้น เวกเตอร์แทนความสัมพันธ์ในเนื้อหาที่ให้มา กระบวนการค้นคืนหรือจำแนกใช้เพื่อเลือกข้อมูลหรือตัดสินใจอีกอย่าง

โมเดลรุ่นสามฝึกให้รองรับตัวแทนสั้นผ่านการควบคุม dimensions ของผู้ผลิต ผู้ผลิตยก 1,024 มิติเป็นตัวอย่างเมื่อที่เก็บเวกเตอร์ต้องใช้ขนาดนั้น เวกเตอร์สั้นลดปริมาณข้อมูลที่ต้องเก็บและเปรียบเทียบ ขณะที่การเปลี่ยนตัวแทนอาจมีผลต่อคุณภาพค้นคืน เลือกขนาดตามข้อกำหนดแอปพลิเคชัน และใช้ทางเลือกเดียวกันกับคลังและคำค้น

เวิร์กโฟลว์ค้นเอกสารตัวอย่างแบ่งต้นฉบับเป็นย่อหน้าที่มีความหมาย เก็บตัวระบุ และรับเวกเตอร์ของแต่ละย่อหน้า เอ็มเบดคำถามด้วยโมเดลและมิติเดียวกันแล้วเปรียบเทียบกับเวกเตอร์ย่อหน้า แอปพลิเคชันให้ตัวกรอง เลือกผลที่จัดอันดับ และแสดงการอ้างต้นฉบับ โมเดลสร้างข้อความภายหลังเขียนคำตอบจากข้อมูลที่ค้นคืนได้ ผลของโมเดลเอ็มเบดดิงยังเป็นข้อมูลเชิงตัวเลข

การใช้งานอื่นตามเอกสารรวมค้นโค้ดหรือข้อความ จัดกลุ่มระเบียนคล้ายกัน แนะนำเนื้อหาเกี่ยวข้อง จำแนก ตรวจความผิดปกติ และวัดความหลากหลายในคอลเล็กชัน สำหรับการแนะนำ อธิบายวัตถุด้วยคำที่เกี่ยวกับความสัมพันธ์ สำหรับการจำแนก เปรียบเทียบกับตัวแทนหมวดหรือใช้เวกเตอร์เป็นคุณลักษณะในตัวจำแนก กำหนดกฎที่เปลี่ยนความคล้ายเป็นผลที่ผลิตภัณฑ์ต้องการ

OpenAI ระบุอินพุตสูงสุด 8,192 โทเคนต่อข้อความ API เอ็มเบดดิงรับสตริงหรือข้อความที่แบ่งโทเคนแล้ว รองรับหลายอินพุต และปฏิเสธสตริงว่าง ยังบังคับขีดจำกัดรวม 300,000 โทเคนสำหรับคำขอเดียว เอกสารยาวควรแบ่งโดยรักษาขอบเขตที่มีความหมายและบริบท พร้อมผูกแต่ละเวกเตอร์กับย่อหน้าต้นฉบับ

ผู้ผลิตระบุเวกเตอร์เลขทศนิยมลอยตัวเป็นเอาต์พุตเริ่มต้นและ base64 เป็นทางเลือกเข้ารหัส คู่มือแนะนำความคล้ายโคไซน์และระบุว่าเอ็มเบดดิง OpenAI ผ่าน normalization ให้ความยาวหนึ่งหน่วย จึงใช้ผลคูณจุดเพื่อความคล้ายโคไซน์และให้อันดับเทียบเท่าภายใต้ระยะห่างยูคลิด หากลดเวกเตอร์รุ่นสามเองหลังสร้าง ผู้ผลิตให้แอปพลิเคชันทำ normalization เวกเตอร์สั้นใหม่ การใช้การควบคุม dimensions เป็นเส้นทางที่แนะนำ

เตรียมตัวแทนข้อความสม่ำเสมอและบันทึกโมเดล มิติ กับตัวระบุแหล่งที่มา สิ่งส่งมอบสุดท้ายที่มีประโยชน์คือชุดย่อหน้า รายการเกี่ยวข้อง หรือระเบียนจัดกลุ่มที่จัดอันดับและมีกฎเลือกชัดเจน ประเมินว่าผลตอบคำค้นหรือไม่และรักษาหลักฐานต้นฉบับให้ขั้นตอนถัดไป แทนการถือความคล้ายเวกเตอร์เป็นการตรวจยืนยันข้อเท็จจริงที่ระเบียนกล่าว

", "aboutText": "text-embedding-3-large เป็นโมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI สำหรับงานภาษาอังกฤษและภาษาอื่น แปลงข้อมูลเขียนเป็นเวกเตอร์เชิงตัวเลข โดยคืน 3,072 องค์ประกอบตามค่าเริ่มต้น เวกเตอร์แทนความสัมพันธ์ในเนื้อหาที่ให้มา กระบวนการค้นคืนหรือจำแนกใช้เพื่อเลือกข้อมูลหรือตัดสินใจอีกอย่าง\n\nโมเดลรุ่นสามฝึกให้รองรับตัวแทนสั้นผ่านการควบคุม dimensions ของผู้ผลิต ผู้ผลิตยก 1,024 มิติเป็นตัวอย่างเมื่อที่เก็บเวกเตอร์ต้องใช้ขนาดนั้น เวกเตอร์สั้นลดปริมาณข้อมูลที่ต้องเก็บและเปรียบเทียบ ขณะที่การเปลี่ยนตัวแทนอาจมีผลต่อคุณภาพค้นคืน เลือกขนาดตามข้อกำหนดแอปพลิเคชัน และใช้ทางเลือกเดียวกันกับคลังและคำค้น\n\nเวิร์กโฟลว์ค้นเอกสารตัวอย่างแบ่งต้นฉบับเป็นย่อหน้าที่มีความหมาย เก็บตัวระบุ และรับเวกเตอร์ของแต่ละย่อหน้า เอ็มเบดคำถามด้วยโมเดลและมิติเดียวกันแล้วเปรียบเทียบกับเวกเตอร์ย่อหน้า แอปพลิเคชันให้ตัวกรอง เลือกผลที่จัดอันดับ และแสดงการอ้างต้นฉบับ โมเดลสร้างข้อความภายหลังเขียนคำตอบจากข้อมูลที่ค้นคืนได้ ผลของโมเดลเอ็มเบดดิงยังเป็นข้อมูลเชิงตัวเลข\n\nการใช้งานอื่นตามเอกสารรวมค้นโค้ดหรือข้อความ จัดกลุ่มระเบียนคล้ายกัน แนะนำเนื้อหาเกี่ยวข้อง จำแนก ตรวจความผิดปกติ และวัดความหลากหลายในคอลเล็กชัน สำหรับการแนะนำ อธิบายวัตถุด้วยคำที่เกี่ยวกับความสัมพันธ์ สำหรับการจำแนก เปรียบเทียบกับตัวแทนหมวดหรือใช้เวกเตอร์เป็นคุณลักษณะในตัวจำแนก กำหนดกฎที่เปลี่ยนความคล้ายเป็นผลที่ผลิตภัณฑ์ต้องการ\n\nOpenAI ระบุอินพุตสูงสุด 8,192 โทเคนต่อข้อความ API เอ็มเบดดิงรับสตริงหรือข้อความที่แบ่งโทเคนแล้ว รองรับหลายอินพุต และปฏิเสธสตริงว่าง ยังบังคับขีดจำกัดรวม 300,000 โทเคนสำหรับคำขอเดียว เอกสารยาวควรแบ่งโดยรักษาขอบเขตที่มีความหมายและบริบท พร้อมผูกแต่ละเวกเตอร์กับย่อหน้าต้นฉบับ\n\nผู้ผลิตระบุเวกเตอร์เลขทศนิยมลอยตัวเป็นเอาต์พุตเริ่มต้นและ base64 เป็นทางเลือกเข้ารหัส คู่มือแนะนำความคล้ายโคไซน์และระบุว่าเอ็มเบดดิง OpenAI ผ่าน normalization ให้ความยาวหนึ่งหน่วย จึงใช้ผลคูณจุดเพื่อความคล้ายโคไซน์และให้อันดับเทียบเท่าภายใต้ระยะห่างยูคลิด หากลดเวกเตอร์รุ่นสามเองหลังสร้าง ผู้ผลิตให้แอปพลิเคชันทำ normalization เวกเตอร์สั้นใหม่ การใช้การควบคุม dimensions เป็นเส้นทางที่แนะนำ\n\nเตรียมตัวแทนข้อความสม่ำเสมอและบันทึกโมเดล มิติ กับตัวระบุแหล่งที่มา สิ่งส่งมอบสุดท้ายที่มีประโยชน์คือชุดย่อหน้า รายการเกี่ยวข้อง หรือระเบียนจัดกลุ่มที่จัดอันดับและมีกฎเลือกชัดเจน ประเมินว่าผลตอบคำค้นหรือไม่และรักษาหลักฐานต้นฉบับให้ขั้นตอนถัดไป แทนการถือความคล้ายเวกเตอร์เป็นการตรวจยืนยันข้อเท็จจริงที่ระเบียนกล่าว", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "799007422dcd72fc3f940949df508b3b4426160bf39eb776c7b6b7976d7076f5", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "th", "methods": [ { "html": "
O

OpenAI: Text Embedding 3 Large

OpenAI /openai/text-embedding-3-large

เริ่มต้น

โมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI คืนเวกเตอร์ 3,072 มิติตามค่าเริ่มต้น พร้อมการควบคุมจากผู้ผลิตเพื่อลดความยาวตัวแทน ใช้สำหรับค้นคืนเชิงความหมาย เปรียบเทียบหลายภาษา และเวิร์กโฟลว์เนื้อหาที่เกี่ยวข้องหรือการจำแนก

อินพุตที่รองรับ
ข้อความ · token_ids
ผลลัพธ์
embedding
เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

text-embedding-3-large เป็นโมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI สำหรับงานภาษาอังกฤษและภาษาอื่น แปลงข้อมูลเขียนเป็นเวกเตอร์เชิงตัวเลข โดยคืน 3,072 องค์ประกอบตามค่าเริ่มต้น เวกเตอร์แทนความสัมพันธ์ในเนื้อหาที่ให้มา กระบวนการค้นคืนหรือจำแนกใช้เพื่อเลือกข้อมูลหรือตัดสินใจอีกอย่าง

โมเดลรุ่นสามฝึกให้รองรับตัวแทนสั้นผ่านการควบคุม dimensions ของผู้ผลิต ผู้ผลิตยก 1,024 มิติเป็นตัวอย่างเมื่อที่เก็บเวกเตอร์ต้องใช้ขนาดนั้น เวกเตอร์สั้นลดปริมาณข้อมูลที่ต้องเก็บและเปรียบเทียบ ขณะที่การเปลี่ยนตัวแทนอาจมีผลต่อคุณภาพค้นคืน เลือกขนาดตามข้อกำหนดแอปพลิเคชัน และใช้ทางเลือกเดียวกันกับคลังและคำค้น

เวิร์กโฟลว์ค้นเอกสารตัวอย่างแบ่งต้นฉบับเป็นย่อหน้าที่มีความหมาย เก็บตัวระบุ และรับเวกเตอร์ของแต่ละย่อหน้า เอ็มเบดคำถามด้วยโมเดลและมิติเดียวกันแล้วเปรียบเทียบกับเวกเตอร์ย่อหน้า แอปพลิเคชันให้ตัวกรอง เลือกผลที่จัดอันดับ และแสดงการอ้างต้นฉบับ โมเดลสร้างข้อความภายหลังเขียนคำตอบจากข้อมูลที่ค้นคืนได้ ผลของโมเดลเอ็มเบดดิงยังเป็นข้อมูลเชิงตัวเลข

การใช้งานอื่นตามเอกสารรวมค้นโค้ดหรือข้อความ จัดกลุ่มระเบียนคล้ายกัน แนะนำเนื้อหาเกี่ยวข้อง จำแนก ตรวจความผิดปกติ และวัดความหลากหลายในคอลเล็กชัน สำหรับการแนะนำ อธิบายวัตถุด้วยคำที่เกี่ยวกับความสัมพันธ์ สำหรับการจำแนก เปรียบเทียบกับตัวแทนหมวดหรือใช้เวกเตอร์เป็นคุณลักษณะในตัวจำแนก กำหนดกฎที่เปลี่ยนความคล้ายเป็นผลที่ผลิตภัณฑ์ต้องการ

OpenAI ระบุอินพุตสูงสุด 8,192 โทเคนต่อข้อความ API เอ็มเบดดิงรับสตริงหรือข้อความที่แบ่งโทเคนแล้ว รองรับหลายอินพุต และปฏิเสธสตริงว่าง ยังบังคับขีดจำกัดรวม 300,000 โทเคนสำหรับคำขอเดียว เอกสารยาวควรแบ่งโดยรักษาขอบเขตที่มีความหมายและบริบท พร้อมผูกแต่ละเวกเตอร์กับย่อหน้าต้นฉบับ

ผู้ผลิตระบุเวกเตอร์เลขทศนิยมลอยตัวเป็นเอาต์พุตเริ่มต้นและ base64 เป็นทางเลือกเข้ารหัส คู่มือแนะนำความคล้ายโคไซน์และระบุว่าเอ็มเบดดิง OpenAI ผ่าน normalization ให้ความยาวหนึ่งหน่วย จึงใช้ผลคูณจุดเพื่อความคล้ายโคไซน์และให้อันดับเทียบเท่าภายใต้ระยะห่างยูคลิด หากลดเวกเตอร์รุ่นสามเองหลังสร้าง ผู้ผลิตให้แอปพลิเคชันทำ normalization เวกเตอร์สั้นใหม่ การใช้การควบคุม dimensions เป็นเส้นทางที่แนะนำ

เตรียมตัวแทนข้อความสม่ำเสมอและบันทึกโมเดล มิติ กับตัวระบุแหล่งที่มา สิ่งส่งมอบสุดท้ายที่มีประโยชน์คือชุดย่อหน้า รายการเกี่ยวข้อง หรือระเบียนจัดกลุ่มที่จัดอันดับและมีกฎเลือกชัดเจน ประเมินว่าผลตอบคำค้นหรือไม่และรักษาหลักฐานต้นฉบับให้ขั้นตอนถัดไป แทนการถือความคล้ายเวกเตอร์เป็นการตรวจยืนยันข้อเท็จจริงที่ระเบียนกล่าว

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · เอ็มเบดดิง POST /v1/embeddings
ขาเข้า
text, token_ids
ขาออก
embedding
บริบท
8,192 tokens
รูปแบบเอาต์พุต
json
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
openai/text-embedding-3-large
ค่าเริ่มต้น—
ฟิลด์inputประเภทstring|string[]|integer[]|integer[][]ข้อกำหนดจำเป็นค่าและข้อจำกัด
จำนวนรายการขั้นต่ำ: 1
เงื่อนไข: ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ
โควตาอินพุต: สูงสุด: 8,192 · หน่วยข้อความ: ไบต์ UTF8 · หน่วยโทเค็น: องค์ประกอบในอาร์เรย์โทเค็น
ค่าเริ่มต้น—
ฟิลด์encoding_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
float
ค่าเริ่มต้นfloat
ฟิลด์dimensionsประเภทintegerข้อกำหนดไม่รองรับค่าและข้อจำกัด
ขั้นต่ำ: 1
ค่าเริ่มต้น—
ฟิลด์userประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล
ค่าเริ่มต้น—
ฟิลด์session_idประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล
ค่าเริ่มต้น—
ฟิลด์traceประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล
ค่าเริ่มต้น—
ฟิลด์providerประเภทobjectข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: provider.options ถูกปฏิเสธ
ค่าเริ่มต้น—
ชุดผสมของสื่ออินพุต

text_to_embedding

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์content_typeข้อกำหนดapplication/json
พารามิเตอร์requiredข้อกำหนดmodel, input
พารามิเตอร์input_shapesข้อกำหนดstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
พารามิเตอร์encoding_formatข้อกำหนดfloat
พารามิเตอร์dimensions_overrideข้อกำหนดfalse
พารามิเตอร์max_input_budget_unitsข้อกำหนด8192
พารามิเตอร์multimodal_objectsข้อกำหนดfalse
พารามิเตอร์material_typesข้อกำหนดtext, token_ids

วงจรการทำงาน: synchronous_json

เก็บดัชนีและจำนวนมิติของเวกเตอร์ทุกรายการ

ชื่อโมเดลที่สื่อว่ารองรับข้อมูลหลายรูปแบบไม่ได้ทำให้สามารถส่งออบเจ็กต์รูปภาพผ่านเส้นทางเฉพาะนี้ได้

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว
อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น
อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด
อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

การตั้งค่าตารางอัตราค่าบริการค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคนตารางอัตราค่าบริการอัตราพื้นฐานค่าบริการ
ขาเข้า · โทเค็นอินพุต $0.00026 / 1K โทเค็น
ขาออก · โทเค็นเอาต์พุต $0 / 1K โทเค็น
ขาเข้า · การอ่านแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · เอ็มเบดดิง

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\n

รับและบันทึกผลลัพธ์

Ailoot Ultra · เอ็มเบดดิง

json

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์objectประเภทstring
ฟิลด์modelประเภทstring
ฟิลด์data[].indexประเภทinteger
ฟิลด์data[].embeddingประเภทfinite float[]
ฟิลด์usageประเภทobject
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

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

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

openai/text-embedding-3-large, text-embedding-3-large

", "method_identity": { "effective_request_model_id": "openai/text-embedding-3-large", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "openai/text-embedding-3-large", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|openai%2Ftext-embedding-3-large", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล" }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/text-embedding-3-large" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "ไบต์ UTF8", "token_unit": "องค์ประกอบในอาร์เรย์โทเค็น" }, "conditions": "ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options ถูกปฏิเสธ", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "เก็บดัชนีและจำนวนมิติของเวกเตอร์ทุกรายการ", "ชื่อโมเดลที่สื่อว่ารองรับข้อมูลหลายรูปแบบไม่ได้ทำให้สามารถส่งออบเจ็กต์รูปภาพผ่านเส้นทางเฉพาะนี้ได้" ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.26, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "openai/text-embedding-3-large", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } }, { "html": "
O

OpenAI: Text Embedding 3 Large

OpenAI /text-embedding-3-large

เริ่มต้น

โมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI คืนเวกเตอร์ 3,072 มิติตามค่าเริ่มต้น พร้อมการควบคุมจากผู้ผลิตเพื่อลดความยาวตัวแทน ใช้สำหรับค้นคืนเชิงความหมาย เปรียบเทียบหลายภาษา และเวิร์กโฟลว์เนื้อหาที่เกี่ยวข้องหรือการจำแนก

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
embedding
เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

text-embedding-3-large เป็นโมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI สำหรับงานภาษาอังกฤษและภาษาอื่น แปลงข้อมูลเขียนเป็นเวกเตอร์เชิงตัวเลข โดยคืน 3,072 องค์ประกอบตามค่าเริ่มต้น เวกเตอร์แทนความสัมพันธ์ในเนื้อหาที่ให้มา กระบวนการค้นคืนหรือจำแนกใช้เพื่อเลือกข้อมูลหรือตัดสินใจอีกอย่าง

โมเดลรุ่นสามฝึกให้รองรับตัวแทนสั้นผ่านการควบคุม dimensions ของผู้ผลิต ผู้ผลิตยก 1,024 มิติเป็นตัวอย่างเมื่อที่เก็บเวกเตอร์ต้องใช้ขนาดนั้น เวกเตอร์สั้นลดปริมาณข้อมูลที่ต้องเก็บและเปรียบเทียบ ขณะที่การเปลี่ยนตัวแทนอาจมีผลต่อคุณภาพค้นคืน เลือกขนาดตามข้อกำหนดแอปพลิเคชัน และใช้ทางเลือกเดียวกันกับคลังและคำค้น

เวิร์กโฟลว์ค้นเอกสารตัวอย่างแบ่งต้นฉบับเป็นย่อหน้าที่มีความหมาย เก็บตัวระบุ และรับเวกเตอร์ของแต่ละย่อหน้า เอ็มเบดคำถามด้วยโมเดลและมิติเดียวกันแล้วเปรียบเทียบกับเวกเตอร์ย่อหน้า แอปพลิเคชันให้ตัวกรอง เลือกผลที่จัดอันดับ และแสดงการอ้างต้นฉบับ โมเดลสร้างข้อความภายหลังเขียนคำตอบจากข้อมูลที่ค้นคืนได้ ผลของโมเดลเอ็มเบดดิงยังเป็นข้อมูลเชิงตัวเลข

การใช้งานอื่นตามเอกสารรวมค้นโค้ดหรือข้อความ จัดกลุ่มระเบียนคล้ายกัน แนะนำเนื้อหาเกี่ยวข้อง จำแนก ตรวจความผิดปกติ และวัดความหลากหลายในคอลเล็กชัน สำหรับการแนะนำ อธิบายวัตถุด้วยคำที่เกี่ยวกับความสัมพันธ์ สำหรับการจำแนก เปรียบเทียบกับตัวแทนหมวดหรือใช้เวกเตอร์เป็นคุณลักษณะในตัวจำแนก กำหนดกฎที่เปลี่ยนความคล้ายเป็นผลที่ผลิตภัณฑ์ต้องการ

OpenAI ระบุอินพุตสูงสุด 8,192 โทเคนต่อข้อความ API เอ็มเบดดิงรับสตริงหรือข้อความที่แบ่งโทเคนแล้ว รองรับหลายอินพุต และปฏิเสธสตริงว่าง ยังบังคับขีดจำกัดรวม 300,000 โทเคนสำหรับคำขอเดียว เอกสารยาวควรแบ่งโดยรักษาขอบเขตที่มีความหมายและบริบท พร้อมผูกแต่ละเวกเตอร์กับย่อหน้าต้นฉบับ

ผู้ผลิตระบุเวกเตอร์เลขทศนิยมลอยตัวเป็นเอาต์พุตเริ่มต้นและ base64 เป็นทางเลือกเข้ารหัส คู่มือแนะนำความคล้ายโคไซน์และระบุว่าเอ็มเบดดิง OpenAI ผ่าน normalization ให้ความยาวหนึ่งหน่วย จึงใช้ผลคูณจุดเพื่อความคล้ายโคไซน์และให้อันดับเทียบเท่าภายใต้ระยะห่างยูคลิด หากลดเวกเตอร์รุ่นสามเองหลังสร้าง ผู้ผลิตให้แอปพลิเคชันทำ normalization เวกเตอร์สั้นใหม่ การใช้การควบคุม dimensions เป็นเส้นทางที่แนะนำ

เตรียมตัวแทนข้อความสม่ำเสมอและบันทึกโมเดล มิติ กับตัวระบุแหล่งที่มา สิ่งส่งมอบสุดท้ายที่มีประโยชน์คือชุดย่อหน้า รายการเกี่ยวข้อง หรือระเบียนจัดกลุ่มที่จัดอันดับและมีกฎเลือกชัดเจน ประเมินว่าผลตอบคำค้นหรือไม่และรักษาหลักฐานต้นฉบับให้ขั้นตอนถัดไป แทนการถือความคล้ายเวกเตอร์เป็นการตรวจยืนยันข้อเท็จจริงที่ระเบียนกล่าว

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · เวกเตอร์ฝังตัว · text-embedding-3-large POST /v1/embeddings
ขาเข้า
text
ขาออก
embedding
บริบท
8,192 tokens
รูปแบบเอาต์พุต
json
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
text-embedding-3-large
ค่าเริ่มต้น—
ฟิลด์inputประเภทstring|string[]|integer[]|integer[][]ข้อกำหนดจำเป็นค่าและข้อจำกัด
จำนวนรายการขั้นต่ำ: 1
เงื่อนไข: ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ
โควตาอินพุต: สูงสุด: 8,192 · หน่วยข้อความ: ไบต์ UTF8 · หน่วยโทเค็น: องค์ประกอบในอาร์เรย์โทเค็น
ค่าเริ่มต้น—
ฟิลด์encoding_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
float
ค่าเริ่มต้นfloat
ฟิลด์dimensionsประเภทintegerข้อกำหนดไม่รองรับค่าและข้อจำกัด
ขั้นต่ำ: 1
ค่าเริ่มต้น—
ฟิลด์userประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก
ค่าเริ่มต้น—
ฟิลด์session_idประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก
ค่าเริ่มต้น—
ฟิลด์traceประเภทjson_valueข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก
ค่าเริ่มต้น—
ฟิลด์providerประเภทobjectข้อกำหนดไม่บังคับค่าและข้อจำกัด
เงื่อนไข: provider.options ถูกปฏิเสธ
ค่าเริ่มต้น—
ชุดผสมของสื่ออินพุต

text_to_embedding

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์content_typeข้อกำหนดapplication/json
พารามิเตอร์requiredข้อกำหนดmodel, input
พารามิเตอร์input_shapesข้อกำหนดstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
พารามิเตอร์encoding_formatข้อกำหนดfloat
พารามิเตอร์dimensions_overrideข้อกำหนดfalse
พารามิเตอร์max_input_budget_unitsข้อกำหนด8192
พารามิเตอร์multimodal_objectsข้อกำหนดfalse
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์text_file_materialข้อกำหนดอ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ

วงจรการทำงาน: synchronous_json

ส่ง ID โมเดลที่ตรงตามที่กำหนดและฟิลด์ที่จำเป็น

เก็บทุกรายการที่ส่งกลับพร้อมตัวระบุเดิม

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว
อัตรามาตรฐาน เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น
อัตรามาตรฐาน เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด
อัตรามาตรฐาน เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

การตั้งค่าตารางอัตราค่าบริการค่าบริการ
การตั้งค่าอัตราราคาพื้นฐานของโทเคนตารางอัตราค่าบริการอัตราพื้นฐานค่าบริการ
ขาเข้า · โทเค็นอินพุต $0.00026 / 1K โทเค็น
ขาออก · โทเค็นเอาต์พุต $0 / 1K โทเค็น
ขาเข้า · การอ่านแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช — / 1K โทเค็น
ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · เวกเตอร์ฝังตัว · text-embedding-3-large

{\n  "model": "text-embedding-3-large",\n  "input": [\n    "First document",\n    "Second document"\n  ],\n  "encoding_format": "float"\n}

รับและบันทึกผลลัพธ์

Ailoot Ultra · เวกเตอร์ฝังตัว · text-embedding-3-large

json

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บเวกเตอร์ที่มีค่าจำกัดทุกชุดพร้อมดัชนีเดิม คงทุกมิติและออบเจ็กต์การใช้งานทั้งหมดไว้

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์objectประเภทstring
ฟิลด์modelประเภทstring
ฟิลด์data[].indexประเภทinteger
ฟิลด์data[].embeddingประเภทfinite float[]
ฟิลด์usageประเภทobject
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่

ชื่ออื่น

ชื่ออื่นของโมเดล

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

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

openai/text-embedding-3-large, text-embedding-3-large

", "method_identity": { "effective_request_model_id": "text-embedding-3-large", "fmt": "embeddings", "http": "POST", "path": "/v1/embeddings", "request_model_id": "text-embedding-3-large", "route_label": "Ultra" }, "method_key": "Ultra|embeddings|/v1/embeddings|text-embedding-3-large", "ordinal": 1, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every finite vector with its original index. Preserve all dimensions and the complete usage object.", "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล" }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "เก็บเวกเตอร์ที่มีค่าจำกัดทุกชุดพร้อมดัชนีเดิม คงทุกมิติและออบเจ็กต์การใช้งานทั้งหมดไว้", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text-embedding-3-large" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "ไบต์ UTF8", "token_unit": "องค์ประกอบในอาร์เรย์โทเค็น" }, "conditions": "ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options ถูกปฏิเสธ", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงตามที่กำหนดและฟิลด์ที่จำเป็น", "เก็บทุกรายการที่ส่งกลับพร้อมตัวระบุเดิม" ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "official_sources": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"text-embedding-3-large\",\n \"input\": [\n \"First document\",\n \"Second document\"\n ],\n \"encoding_format\": \"float\"\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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')))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Use the text of your own UTF-8 document as the request material.", "Save the complete result, including usage and every returned output." ], "http": "POST", "in": 0.26, "input": [ "text" ], "label": "เวกเตอร์ฝังตัว · text-embedding-3-large", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "official_sources": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "text-embedding-3-large", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } } ], "model_id": "openai/text-embedding-3-large", "nativeProvenance": { "input_facts_canonical_sha256": "df99b512a9caf13d5c5fa18d2c0cd267b638f832f6ea8073f2042846a7460c98", "input_html_sha256": "05d97086090df7f7bb056153f52c45f6920ec437412789f889fe125aee4e46a6", "private_audit_sha256": "dff8caff8c01caa76d079bf2d46cb42b0d7fbac5bcae46dd519a282dc218e3ba", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/th/openai-text-embedding-3-large/", "description": "โมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI คืนเวกเตอร์ 3,072 มิติตามค่าเริ่มต้น พร้อมการควบคุมจากผู้ผลิตเพื่อลดความยาวตัวแทน ใช้สำหรับค้นคืนเชิงความหมาย เปรียบเทียบหลายภาษา และเวิร์กโฟลว์เนื้อหาที่เกี่ยวข้องหรือการจำแนก", "locale": "th", "md_url": "https://ailoot.ai/models/th/openai-text-embedding-3-large/index.md", "title": "OpenAI: Text Embedding 3 Large — Ailoot", "url": "https://ailoot.ai/models/th/openai-text-embedding-3-large/" }, "rawModel": { "about": "text-embedding-3-large เป็นโมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI สำหรับงานภาษาอังกฤษและภาษาอื่น แปลงข้อมูลเขียนเป็นเวกเตอร์เชิงตัวเลข โดยคืน 3,072 องค์ประกอบตามค่าเริ่มต้น เวกเตอร์แทนความสัมพันธ์ในเนื้อหาที่ให้มา กระบวนการค้นคืนหรือจำแนกใช้เพื่อเลือกข้อมูลหรือตัดสินใจอีกอย่าง\n\nโมเดลรุ่นสามฝึกให้รองรับตัวแทนสั้นผ่านการควบคุม dimensions ของผู้ผลิต ผู้ผลิตยก 1,024 มิติเป็นตัวอย่างเมื่อที่เก็บเวกเตอร์ต้องใช้ขนาดนั้น เวกเตอร์สั้นลดปริมาณข้อมูลที่ต้องเก็บและเปรียบเทียบ ขณะที่การเปลี่ยนตัวแทนอาจมีผลต่อคุณภาพค้นคืน เลือกขนาดตามข้อกำหนดแอปพลิเคชัน และใช้ทางเลือกเดียวกันกับคลังและคำค้น\n\nเวิร์กโฟลว์ค้นเอกสารตัวอย่างแบ่งต้นฉบับเป็นย่อหน้าที่มีความหมาย เก็บตัวระบุ และรับเวกเตอร์ของแต่ละย่อหน้า เอ็มเบดคำถามด้วยโมเดลและมิติเดียวกันแล้วเปรียบเทียบกับเวกเตอร์ย่อหน้า แอปพลิเคชันให้ตัวกรอง เลือกผลที่จัดอันดับ และแสดงการอ้างต้นฉบับ โมเดลสร้างข้อความภายหลังเขียนคำตอบจากข้อมูลที่ค้นคืนได้ ผลของโมเดลเอ็มเบดดิงยังเป็นข้อมูลเชิงตัวเลข\n\nการใช้งานอื่นตามเอกสารรวมค้นโค้ดหรือข้อความ จัดกลุ่มระเบียนคล้ายกัน แนะนำเนื้อหาเกี่ยวข้อง จำแนก ตรวจความผิดปกติ และวัดความหลากหลายในคอลเล็กชัน สำหรับการแนะนำ อธิบายวัตถุด้วยคำที่เกี่ยวกับความสัมพันธ์ สำหรับการจำแนก เปรียบเทียบกับตัวแทนหมวดหรือใช้เวกเตอร์เป็นคุณลักษณะในตัวจำแนก กำหนดกฎที่เปลี่ยนความคล้ายเป็นผลที่ผลิตภัณฑ์ต้องการ\n\nOpenAI ระบุอินพุตสูงสุด 8,192 โทเคนต่อข้อความ API เอ็มเบดดิงรับสตริงหรือข้อความที่แบ่งโทเคนแล้ว รองรับหลายอินพุต และปฏิเสธสตริงว่าง ยังบังคับขีดจำกัดรวม 300,000 โทเคนสำหรับคำขอเดียว เอกสารยาวควรแบ่งโดยรักษาขอบเขตที่มีความหมายและบริบท พร้อมผูกแต่ละเวกเตอร์กับย่อหน้าต้นฉบับ\n\nผู้ผลิตระบุเวกเตอร์เลขทศนิยมลอยตัวเป็นเอาต์พุตเริ่มต้นและ base64 เป็นทางเลือกเข้ารหัส คู่มือแนะนำความคล้ายโคไซน์และระบุว่าเอ็มเบดดิง OpenAI ผ่าน normalization ให้ความยาวหนึ่งหน่วย จึงใช้ผลคูณจุดเพื่อความคล้ายโคไซน์และให้อันดับเทียบเท่าภายใต้ระยะห่างยูคลิด หากลดเวกเตอร์รุ่นสามเองหลังสร้าง ผู้ผลิตให้แอปพลิเคชันทำ normalization เวกเตอร์สั้นใหม่ การใช้การควบคุม dimensions เป็นเส้นทางที่แนะนำ\n\nเตรียมตัวแทนข้อความสม่ำเสมอและบันทึกโมเดล มิติ กับตัวระบุแหล่งที่มา สิ่งส่งมอบสุดท้ายที่มีประโยชน์คือชุดย่อหน้า รายการเกี่ยวข้อง หรือระเบียนจัดกลุ่มที่จัดอันดับและมีกฎเลือกชัดเจน ประเมินว่าผลตอบคำค้นหรือไม่และรักษาหลักฐานต้นฉบับให้ขั้นตอนถัดไป แทนการถือความคล้ายเวกเตอร์เป็นการตรวจยืนยันข้อเท็จจริงที่ระเบียนกล่าว", "alias_of": null, "aliases": [ "text-embedding-3-large" ], "author": "OpenAI", "available": null, "canonical_model": "openai/text-embedding-3-large", "capabilities": { "context_length": 8192, "manufacturer_input": [ "text" ], "manufacturer_output": [ "embeddings" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" }, { "label": "Ultra", "rates": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "ดูราคาตามการกำหนดค่าแบบครบถ้วนในรายละเอียด" } ], "ctx": 8192, "entity_type": "model", "formats": [ "embeddings" ], "id": "openai/text-embedding-3-large", "input": [ "text", "token_ids" ], "kind": "embedding", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every vector with its index. Vector count must equal input count; dimensions must be consistent.", "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล" }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "เก็บเวกเตอร์ทุกรายการพร้อมดัชนีของแต่ละรายการ จำนวนเวกเตอร์ต้องเท่ากับจำนวนข้อมูลนำเข้า และจำนวนมิติต้องสอดคล้องกัน", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "openai/text-embedding-3-large" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "ไบต์ UTF8", "token_unit": "องค์ประกอบในอาร์เรย์โทเค็น" }, "conditions": "ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "ต้นฉบับอนุญาตฟิลด์เมทาดาทา JSON นี้ โดยความหมายที่แน่นอนในระบบต้นทางขึ้นอยู่กับแต่ละโมเดล", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options ถูกปฏิเสธ", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "เก็บดัชนีและจำนวนมิติของเวกเตอร์ทุกรายการ", "ชื่อโมเดลที่สื่อว่ารองรับข้อมูลหลายรูปแบบไม่ได้ทำให้สามารถส่งออบเจ็กต์รูปภาพผ่านเส้นทางเฉพาะนี้ได้" ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text", "token_ids" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ] }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "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\n", "label": "curl · retained exact creation", "language": "bash" }, { "code": "from 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)\n", "label": "Python SDK · all vectors", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Keep every vector index and dimension.", "Multimodal model name does not admit image objects on this exact path." ], "http": "POST", "in": 0.26, "input": [ "text", "token_ids" ], "label": "Эмбеддинги", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "openai/text-embedding-3-large", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep every finite vector with its original index. Preserve all dimensions and the complete usage object.", "errors": [ { "code": null, "condition": "ฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง", "http_status": 400, "recovery": "แก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "create": { "http": "POST", "path": "/v1/embeddings" }, "job_read": null, "mode": "synchronous_json", "unknown": "ไม่มีการเพิ่มจุดเชื่อมต่อสำหรับงานสร้างเวกเตอร์ตัวแทนข้อมูล" }, "material_combinations": [ { "alternatives": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "mode": "text_to_embedding" } ], "operation_modes": [ "single_embedding", "batched_embeddings" ], "outputs": { "all_results": "เก็บเวกเตอร์ที่มีค่าจำกัดทุกชุดพร้อมดัชนีเดิม คงทุกมิติและออบเจ็กต์การใช้งานทั้งหมดไว้", "default_dimensions": null, "family": "embedding", "fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "data[].index", "type": "integer" }, { "description": null, "name": "data[].embedding", "type": "finite float[]" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "text-embedding-3-large" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "budget": { "maximum": 8192, "text_unit": "ไบต์ UTF8", "token_unit": "องค์ประกอบในอาร์เรย์โทเค็น" }, "conditions": "ชุดข้อมูลต้องไม่ว่างและประกอบด้วยข้อมูลชนิดเดียวกัน ID โทเคนต้องเป็นจำนวนเต็มที่ไม่ติดลบ", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_items": 1, "name": "input", "required": true, "type": "string|string[]|integer[]|integer[][]" }, { "availability": "source_interface", "default": "float", "default_known": true, "enum": [ "float" ], "enum_known": true, "name": "encoding_format", "required": false, "type": "string" }, { "availability": "unsupported", "default": null, "default_known": false, "enum": null, "enum_known": false, "minimum": 1, "name": "dimensions", "required": false, "type": "integer" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "user", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "session_id", "required": false, "type": "json_value" }, { "availability": "pass_through_metadata", "conditions": "เมทาดาทา JSON เป็นตัวเลือกที่ไม่บังคับ ความหมายที่แน่นอนในระบบต้นทางขึ้นกับโมเดลที่เลือก", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "json_value" }, { "availability": "source_interface", "conditions": "provider.options ถูกปฏิเสธ", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "object" } ], "unsupported": [ "mixed input kinds", "empty input", "image/audio/file objects", "encoding_format=base64", "dimensions override" ] }, "hints": [ "ส่ง ID โมเดลที่ตรงตามที่กำหนดและฟิลด์ที่จำเป็น", "เก็บทุกรายการที่ส่งกลับพร้อมตัวระบุเดิม" ], "input": { "content_type": "application/json", "dimensions_override": false, "encoding_format": [ "float" ], "input_shapes": [ "string", "string[]", "nonnegative_integer_token_array", "nonnegative_integer_token_array[]" ], "material_types": [ "text" ], "max_input_budget_units": 8192, "multimodal_objects": false, "required": [ "model", "input" ], "text_file_material": "อ่านเอกสาร UTF-8 จริง แล้วใส่ข้อความใน input หรือสตริงเนื้อหาข้อความที่ระบุ" }, "lifecycle": { "mode": "synchronous_json", "unknown": "no embedding job endpoint inferred" }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/embeddings" }, "method_aliases": [], "official_sources": [], "operation_modes": [ "text_to_embedding" ], "output": { "default_dimensions": null, "family": "embedding", "format": "json", "http_success": 200, "vectors": "one dense float vector per input; indices/model/usage validated" } }, "ctx": 8192, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "อัตราราคาพื้นฐานของโทเคน", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "examples": [ { "code": "{\n \"model\": \"text-embedding-3-large\",\n \"input\": [\n \"First document\",\n \"Second document\"\n ],\n \"encoding_format\": \"float\"\n}", "label": "Complete minimal JSON body", "language": "json" }, { "code": "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\n", "label": "curl · use your UTF-8 document", "language": "bash" }, { "code": "import 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')))\n", "label": "Python · save the complete result", "language": "python" } ], "family": "openai", "fast_multiplier": 1, "flex_multiplier": 1, "fmt": "embeddings", "hints": [ "Use the text of your own UTF-8 document as the request material.", "Save the complete result, including usage and every returned output." ], "http": "POST", "in": 0.26, "input": [ "text" ], "label": "เวกเตอร์ฝังตัว · text-embedding-3-large", "max_out": null, "max_reasoning_effort_multiplier": 1, "method_aliases": [], "official_sources": [], "out": 0, "output": [ "embedding" ], "path": "/v1/embeddings", "price_conditions": [ { "label": "โหมดรวดเร็ว", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมดรวดเร็ว" }, { "label": "โหมดยืดหยุ่น", "value": "อัตรามาตรฐาน", "when": "เมื่อเลือกโหมด flex" }, { "label": "ระดับการใช้เหตุผลสูงสุด", "value": "อัตรามาตรฐาน", "when": "เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด" } ], "pricing": { "billing_mode": "token", "image_input_price": null, "image_output_price": null, "per_request_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "request_model_id": "text-embedding-3-large", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "model_aliases": [ { "canonical_model_id": "openai/text-embedding-3-large", "request_model_id": "openai/text-embedding-3-large", "route_label": "Ultra" }, { "canonical_model_id": "openai/text-embedding-3-large", "request_model_id": "text-embedding-3-large", "route_label": "Ultra" } ], "name": "OpenAI: Text Embedding 3 Large", "price": { "in": 0.26, "in_label": null, "out": 0, "out_label": null, "scope_label": "Token rates", "sort_in": 0.26, "sort_out": 0, "varies": false }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Эмбеддинги · Base token rates", "units": [ { "amount": "0.00026000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": "0.00000026", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": "0", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] } ], "public_id": "openai/text-embedding-3-large", "short": "โมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI คืนเวกเตอร์ 3,072 มิติตามค่าเริ่มต้น พร้อมการควบคุมจากผู้ผลิตเพื่อลดความยาวตัวแทน ใช้สำหรับค้นคืนเชิงความหมาย เปรียบเทียบหลายภาษา และเวิร์กโฟลว์เนื้อหาที่เกี่ยวข้องหรือการจำแนก" }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 }, { "contract_json_pointer": "/methods/1/rawMethod/contract", "html_json_pointer": "/methods/1/html", "method_ordinal": 1 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod", "/methods/1/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "โมเดลเอ็มเบดดิงข้อความรุ่นสามขนาดใหญ่กว่าของ OpenAI คืนเวกเตอร์ 3,072 มิติตามค่าเริ่มต้น พร้อมการควบคุมจากผู้ผลิตเพื่อลดความยาวตัวแทน ใช้สำหรับค้นคืนเชิงความหมาย เปรียบเทียบหลายภาษา และเวิร์กโฟลว์เนื้อหาที่เกี่ยวข้องหรือการจำแนก", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "f57fab6019b8f07b75cfbe940377c9b0cb328aeee5fa82d6b27f69b9d74df637", "renderer_sha256": "890edb706fafafdd4f598bb324acf65fada58918b0911b97eb80e68be2ef65d9" }, "sourceRevision": "887dbe85a816dd3f06f3124bcfe747f826765b4e3bc6bb1245fa372bac938f09" }