modellar

OpenAI: Text Embedding Ada 002

Markdown · JSON

OpenAI: Text Embedding Ada 002

1 536 o‘lchamli sonli vektor qaytaradigan OpenAI matn embedding modeli. Bu ifodalardan semantik qidiruv, bog‘liq kontentni tavsiya qilish, klasterlash, tasniflash yoki g‘ayrioddiy matn yozuvlarini aniqlash uchun foydalaning.

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

text-embedding-ada-002 — yozma materialni sonli vektor shaklida ifodalash uchun OpenAI matn embedding modeli. Uning chiqish natijasi 1 536 komponentdan iborat. Ishlab chiqaruvchi matn o‘xshashligi, hujjat va so‘rov bo‘yicha qidiruv hamda kod qidiruvi vazifalarini bitta ifodada birlashtiradi. Natija embedding qilinayotgan matnga yaratilgan javob emas, balki taqqoslash yoki boshqa algoritm uchun ma’lumotdir.

Semantik qidiruv uchun mazmunli hujjat parchalarini tayyorlang va ularning manba identifikatorlarini saqlang. Namunaviy ish jarayoni har bir parcha va foydalanuvchi savolini bir xil model bilan embedding qiladi, vektorlarni taqqoslaydi va tegishli manba parchalarini qaytaradi. Qidirib topish qoidasi, filtrlar va taqdimot shaklini ilova belgilaydi. Keyingi matn yaratish bosqichi topilgan materialdan javob tuzish uchun foydalanishi mumkin, embedding modeli esa sonli ifodani ta’minlaydi.

Hujjatlarda qayd etilgan boshqa qo‘llanishlar o‘xshash yozuvlarni guruhlash, bog‘liq kontentni tavsiya qilish, matnni tasniflash va boshqalardan ajralib turadigan yozuvlarni aniqlashni o‘z ichiga oladi. Tavsiya uchun o‘zaro bog‘liqligi muhim bo‘lgan obyektlar tavsiflarini taqqoslang. Tasniflash uchun qo‘llanmada toifa ifodalari bilan taqqoslash yoki vektorlardan tasniflagichning belgilar to‘plami sifatida foydalanish tavsiflangan. Anomaliyalarni aniqlashda tegishli natija — atrofidagi to‘plamdan farq qiladigan va mahsulot vazifasiga muvofiq talqin etiladigan yozuvdir.

OpenAI bu model uchun maksimal kirish hajmini 8 192 token deb ko‘rsatadi. Ishlab chiqaruvchining embedding API’si matn satrlari yoki tokenlashtirilgan kirishni qabul qiladi, bitta so‘rovda bir nechta kirishga ruxsat beradi va bo‘sh satrlarni rad etadi. Har bir kirish uchun limitga qo‘shimcha ravishda, bitta so‘rov bo‘yicha jami limit 300 000 tokenni tashkil etadi. Uzunroq hujjatlarni sarlavhalar, ta’riflar va asl materialga havolani saqlagan holda foydali parchalarga bo‘ling.

Chiqish natijasi suzuvchi nuqtali qiymatlar vektoridir; ishlab chiqaruvchi base64’ni ma’lumot uzatish uchun muqobil kodlash sifatida ham hujjatlashtirgan. OpenAI’ning o‘lchamlarni qisqartirish parametri uchinchi avlod va undan keyingi embedding modellariga tegishli, shuning uchun Ada modelining hujjatlashtirilgan 1 536 o‘lchamli natijasini ushbu boshqaruv vositasidan alohida ko‘ring. Keyingi taqqoslashlarda izchil ifoda ishlatilishi uchun model identifikatori va vektorni manba yozuvi bilan birga saqlang.

Embedding qo‘llanmasi kosinus o‘xshashligini tavsiya qiladi va OpenAI embeddinglari birlik uzunligiga normallashtirilganini bildiradi. Bunday vektorlar uchun skalyar ko‘paytma kosinus o‘xshashligini hisoblay oladi, Evklid masofasi esa bir xil tartiblashni beradi. O‘xshashlik balli model avtomatik ta’minlaydigan toifaga oid qaror emas, balki ilovaning qidirib topish yoki tasniflash mantiqining bir qismidir.

Qaysi manba maydonlari kirish matniga aylanishini va parchalar qanday bo‘linishini belgilang. Namunaviy natija — har biri asl manbasi va tanlash uchun ishlatilgan qoida bilan bog‘langan, tartiblangan hujjat parchalari yoki tegishli yozuvlar to‘plamidir. Tayyorlashni izchil saqlang va qaytarilgan material haqiqiy savolga javob berishga mosligini baholang. Bu sonli natijani keyingi qidiruv, tavsiya yoki tahlil bosqichi uchun foydali qiladi.

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

openai/text-embedding-ada-002

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

Boshlash

1 536 o‘lchamli sonli vektor qaytaradigan OpenAI matn embedding modeli. Bu ifodalardan semantik qidiruv, bog‘liq kontentni tavsiya qilish, klasterlash, tasniflash yoki g‘ayrioddiy matn yozuvlarini aniqlash uchun foydalaning.

Qabul qilinadigan kirish ma’lumotlari
Matn · token_ids
Natijalar
embedding

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Embeddinglar POST /v1/embeddings
Kirish
text, token_ids
Chiqish
embedding
Kontekst
8 192 tokens
Chiqish formati
json
MaydonTurTalabQiymatlar va cheklovlarStandart
MaydonmodelTurstringTalabMajburiyQiymatlar va cheklovlar
openai/text-embedding-ada-002
Standart—
MaydoninputTurstring|string[]|integer[]|integer[][]TalabMajburiyQiymatlar va cheklovlar
Elementlarning eng kam soni: 1
Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir.
Kirish budjeti: Eng ko‘p: 8 192 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari
Standart—
Maydonencoding_formatTurstringTalabIxtiyoriyQiymatlar va cheklovlar
float
Standartfloat
MaydondimensionsTurintegerTalabQo‘llab-quvvatlanmaydiQiymatlar va cheklovlar
Eng kam: 1
Standart—
MaydonuserTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.
Standart—
Maydonsession_idTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.
Standart—
MaydontraceTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Manba ushbu JSON metama’lumot maydoniga ruxsat beradi; uning ta’minotchi xizmatidagi aniq ma’nosi modelga bog‘liq.
Standart—
MaydonproviderTurobjectTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: provider.options rad etildi
Standart—
Kirish materiallari birikmalari

text_to_embedding

Usul parametrlari va hayot sikli
ParametrParametr talablari
Parametrcontent_typeParametr talablariapplication/json
ParametrrequiredParametr talablarimodel, input
Parametrinput_shapesParametr talablaristring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrencoding_formatParametr talablarifloat
Parametrdimensions_overrideParametr talablarifalse
Parametrmax_input_budget_unitsParametr talablari8192
Parametrmultimodal_objectsParametr talablarifalse
Parametrmaterial_typesParametr talablaritext, token_ids

Hayot sikli: synchronous_json

Har bir vektorning indeksi va o‘lchamini saqlang.

Model nomida multimodal deyilgani aynan shu yo‘nalishda rasm obyektlariga ruxsat borligini anglatmaydi.

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim
Standart tarif Tezkor rejim tanlanganda
Flex rejimi
Standart tarif flex rejimi tanlanganda
Maksimal fikrlash darajasi
Standart tarif Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

SozlamaTariflar jadvaliTo‘lov
SozlamaTokenlar uchun bazaviy tariflarTariflar jadvaliAsosiy tarifTo‘lov
Kirish · Kirish tokenlari $0.0002 / 1K token
Chiqish · Chiqish tokenlari $0 / 1K token
Kirish · Keshdan o‘qish — / 1K token
Kirish · Keshga yozish — / 1K token
Kirish · Keshga yozish, 1 soat — / 1K token

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Embeddinglar

curlPython SDK
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "openai/text-embedding-ada-002", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT
from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='openai/text-embedding-ada-002',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

Natijalarni olish va saqlash

Ailoot Ultra · Embeddinglar

json

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Har bir vektorni indeksi bilan saqlang. Vektorlar soni kirish elementlari soniga teng bo‘lishi va o‘lchamlar bir xil bo‘lishi kerak.

Asl javobni tekshirish kerak bo‘lsa

Embedding vazifalari uchun endpoint qo‘shilmaydi.

Javob maydonlari
MaydonTur
MaydonobjectTurstring
MaydonmodelTurstring
Maydondata[].indexTurinteger
Maydondata[].embeddingTurfinite float[]
MaydonusageTurobject
Xatolar va keyingi qadamlar
JavobShartKeyingi qadam
Javob400 · invalid_request_errorShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘riKeyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.

Taxalluslar

Model taxalluslari

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

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

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

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

text-embedding-ada-002

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

Boshlash

1 536 o‘lchamli sonli vektor qaytaradigan OpenAI matn embedding modeli. Bu ifodalardan semantik qidiruv, bog‘liq kontentni tavsiya qilish, klasterlash, tasniflash yoki g‘ayrioddiy matn yozuvlarini aniqlash uchun foydalaning.

Qabul qilinadigan kirish ma’lumotlari
Matn
Natijalar
embedding

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Embeddinglar · text-embedding-ada-002 POST /v1/embeddings
Kirish
text
Chiqish
embedding
Kontekst
8 192 tokens
Chiqish formati
json
MaydonTurTalabQiymatlar va cheklovlarStandart
MaydonmodelTurstringTalabMajburiyQiymatlar va cheklovlar
text-embedding-ada-002
Standart—
MaydoninputTurstring|string[]|integer[]|integer[][]TalabMajburiyQiymatlar va cheklovlar
Elementlarning eng kam soni: 1
Shartlar: Bo‘sh bo‘lmagan, bir xil turdagi elementlardan iborat paket. Token ID lari manfiy bo‘lmagan butun sonlardir.
Kirish budjeti: Eng ko‘p: 8 192 · Matn birligi: UTF8 baytlari · Token birligi: Tokenlar massivi elementlari
Standart—
Maydonencoding_formatTurstringTalabIxtiyoriyQiymatlar va cheklovlar
float
Standartfloat
MaydondimensionsTurintegerTalabQo‘llab-quvvatlanmaydiQiymatlar va cheklovlar
Eng kam: 1
Standart—
MaydonuserTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Ixtiyoriy JSON metama’lumotlari; dastlabki tizimdagi aniq semantika tanlangan modelga bog‘liq.
Standart—
Maydonsession_idTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Ixtiyoriy JSON metama’lumotlari; dastlabki tizimdagi aniq semantika tanlangan modelga bog‘liq.
Standart—
MaydontraceTurjson_valueTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: Ixtiyoriy JSON metama’lumotlari; dastlabki tizimdagi aniq semantika tanlangan modelga bog‘liq.
Standart—
MaydonproviderTurobjectTalabIxtiyoriyQiymatlar va cheklovlar
Shartlar: provider.options rad etildi
Standart—
Kirish materiallari birikmalari

text_to_embedding

Usul parametrlari va hayot sikli
ParametrParametr talablari
Parametrcontent_typeParametr talablariapplication/json
ParametrrequiredParametr talablarimodel, input
Parametrinput_shapesParametr talablaristring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
Parametrencoding_formatParametr talablarifloat
Parametrdimensions_overrideParametr talablarifalse
Parametrmax_input_budget_unitsParametr talablari8192
Parametrmultimodal_objectsParametr talablarifalse
Parametrmaterial_typesParametr talablaritext
Parametrtext_file_materialParametr talablariHaqiqiy UTF-8 hujjatini o‘qing va uning matnini ko‘rsatilgan kirish yoki xabar kontenti satriga joylashtiring.

Hayot sikli: synchronous_json

Aniq model ID sini va majburiy maydonlarni yuboring.

Qaytarilgan har bir element va uning dastlabki identifikatorlarini saqlang.

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim
Standart tarif Tezkor rejim tanlanganda
Flex rejimi
Standart tarif flex rejimi tanlanganda
Maksimal fikrlash darajasi
Standart tarif Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

SozlamaTariflar jadvaliTo‘lov
SozlamaTokenlar uchun bazaviy tariflarTariflar jadvaliAsosiy tarifTo‘lov
Kirish · Kirish tokenlari $0.0002 / 1K token
Chiqish · Chiqish tokenlari $0 / 1K token
Kirish · Keshdan o‘qish — / 1K token
Kirish · Keshga yozish — / 1K token
Kirish · Keshga yozish, 1 soat — / 1K token

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Embeddinglar · text-embedding-ada-002

To‘liq minimal JSON so‘rov tanasicurl · O‘zingizning UTF-8 hujjatingizdan foydalaningPython · Natijani to‘liq saqlang
{
  "model": "text-embedding-ada-002",
  "input": [
    "First document",
    "Second document"
  ],
  "encoding_format": "float"
}
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))
PY_RESULT
import json, os
from pathlib import Path

source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
    raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
    raise SystemExit('Choose a document containing text')
payload = {'model': 'text-embedding-ada-002', 'input': ['First document', 'Second document'], 'encoding_format': 'float'}
payload['input'] = [text]
from urllib.request import Request, urlopen
from urllib.error import HTTPError

api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
    raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'Authorization': 'Bearer PLACEHOLDER_KEY', 'Content-Type': 'application/json'}
headers['Authorization'] = 'Bearer ' + api_key
request = Request('https://api.ailoot.ai/v1/embeddings', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
    with urlopen(request, timeout=120) as response:
        raw = response.read()
        Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
    Path('result.json').write_bytes(error.read())
    Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
    raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path

result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
for vector in result.get('data', []):
    print('Vector', vector.get('index'), json.dumps(vector.get('embedding')))

Natijalarni olish va saqlash

Ailoot Ultra · Embeddinglar · text-embedding-ada-002

json

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Har bir chekli vektorni dastlabki indeksi bilan saqlang. Barcha o‘lchamlarni va to‘liq usage obyektini saqlang.

Asl javobni tekshirish kerak bo‘lsa

Embedding vazifalari uchun endpoint qo‘shilmaydi.

Javob maydonlari
MaydonTur
MaydonobjectTurstring
MaydonmodelTurstring
Maydondata[].indexTurinteger
Maydondata[].embeddingTurfinite float[]
MaydonusageTurobject
Xatolar va keyingi qadamlar
JavobShartKeyingi qadam
Javob400 · invalid_request_errorShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘riKeyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.

Taxalluslar

Model taxalluslari

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

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

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

FAQ · OpenAI: Text Embedding Ada 002
Qanday kirish ma’lumotlari va natijalar mavjud?

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

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

So‘rov qaysi maydonlardan foydalanadi?

POST /v1/embeddings · openai/text-embedding-ada-002: model, input, encoding_format, provider

POST /v1/embeddings · text-embedding-ada-002: model, input, encoding_format, provider

Qanday cheklovlar amal qiladi?

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

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

Batafsil

Ailoot’ni Claude Code, OpenCode, Hermes yoki ilovangizga ulang.

Kompaniya va uning loyihalar portfeli

Kompaniya va uning loyihalar portfeli: millionlab mijozlar; oylik sotuvlar hajmi milliardlarda.

Tokenlarni chegirma bilan xarid qiling.

Muntazam ish uchun obuna chegirmasi. Token xaridiga promokodlar — 50% gacha.

Obuna
Muntazam so‘rovlaringiz uchun chegirmali tarif tanlang.
50% gacha promokod
Xaridda kod kiriting. Narx amaldagi aksiya bilan qayta hisoblanadi.
Tarixdagi xarajatlar
Har so‘rov uchun model, token va summa saqlanadi.

Obuna tanlash · Model narxlarini ko‘rish

API’ni sotadigan mahsulotingizga ulang.

SaaS, ilova va botlar Ailoot ofertasi hamda litsenziya shartnomasiga muvofiq. Qayta sotishga reseller litsenziyasi so‘rang.

Tijorat ilovasi
Xizmatingizning pullik funksiyalariga matn, rasm, video va ovoz yaratishni qo‘shing.
Reseller litsenziyasi
Loyiha tavsifi va kirish sxemasini yuboring. Foydalanish va qayta sotishga yozma shartlarni so‘rang.
Saytdagi hujjatlar
Oferta, litsenziya shartnomasi va ma’lumotlar siyosati ulashdan oldin ochiq.

Reseller litsenziyasini so‘rash · Oferta va litsenziya shartnomasi