Ir al contenido principal

openai/text-embedding-3-small/embedding

text-embedding-3-small convierte notas y fragmentos de documentos en vectores de búsqueda de 1,536 dimensiones por defecto, con opción de reducirlos.

Desde $0.000004/1.000 tokens80% por debajo del precio oficial

Playground

Entrada

Embedding
En 3-small, dimensions admite de 1 a 1,536; usa la misma longitud para los documentos y las consultas. no menor que 1 · no mayor que 1536
Envía a 3-small un texto, una lista de textos, IDs de tokens o un lote de arreglos de tokens.
Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
{"data":[{"embedding":[0.52685546875,0.419189453125,0.6533203125,-0.0018758773803710938,-0.25048828125,-0.0029315948486328125,0.2252197265625,-0.07879638671875],"index":0},{"embedding":[-0.0767822265625,0.150146484375,0.52099609375,0.15771484375,-0.184814453125,0.0173492431640625,-0.5791015625,-0.55224609375],"index":1}],"inputTokens":12}

¿No está el modelo que buscas?

Al crear un índice de notas con 3-small, evalúa la recuperación con 256 dimensiones antes de elegir cuánto espacio reservar.

Cifras clave

Dimensiones
1536

Presupuesto de tokens

Ventana de entrada
300.000
tokens por solicitud

Antes de gastar

Embedding

Cada solicitud de text-embedding-3-small en la plataforma admite hasta 128 entradas de 8,192 tokens cada una y 300,000 en total; los arreglos de IDs tienen un máximo de 2,048 elementos.

Lo que hace el modelo

Vectores compactos de longitud ajustable

La longitud ajustable de 3-small permite comparar, por ejemplo, un índice de notas de 256 dimensiones con la representación predeterminada. Un vector más corto necesita menos almacenamiento, pero conviene comprobar el efecto con las preguntas que hacen tus usuarios. Mantén la misma cantidad de dimensiones para los documentos y las consultas de una colección.

Un vector por fragmento

Un lote de 3-small conserva un vector independiente por cada fragmento enviado. El índice del resultado permite vincularlo con su entrada, el ID del documento, la ubicación de la fuente y sus permisos. Este endpoint acepta hasta 128 entradas por solicitud y factura los tokens de entrada medidos para todo el lote.

Dónde encaja

  • Buscar en un cuaderno personal

    En un cuaderno personal con 3-small, guarda fragmentos breves con el ID de su nota para encontrar material relacionado aunque la consulta use otras palabras. Muestra el pasaje original y su fecha junto al resultado para que la persona pueda revisar lo que significa.

  • Recuperar artículos de soporte aprobados

    En una biblioteca de soporte con 3-small, selecciona artículos aprobados relacionados con la pregunta del cliente y entrega esas fuentes a un modelo de redacción separado. La cercanía entre vectores orienta la búsqueda. Tu aplicación sigue decidiendo qué artículos puede consultar ese cliente.

Referencia del modelo

Referencia de la API de text-embedding-3-small

Especificaciones de la API de text-embedding-3-small

Dimensiones
1536

Cómo llamar a la API de text-embedding-3-small

  1. Guía de prompts y consejos profesionales

    Prepara los documentos largos de 3-small dividiéndolos en límites de sección que conserven el sentido. Incluye un pequeño solapamiento de contexto cuando un fragmento aislado resulte ambiguo. Envía el texto que deseas representar, sin pedir una respuesta inventada. Las cadenas vacías se rechazan. Cada entrada debe respetar el máximo de 8,192 tokens y la solicitud completa, 300,000 tokens; los arreglos previamente tokenizados admiten 2,048 elementos. Antes de usar un índice 3-small en producción, compara preguntas conocidas con la longitud predeterminada y al menos una opción reducida. Guarda el ID del modelo, las dimensiones y la versión de la división del texto. Si cambias estas decisiones, vuelve a generar los vectores afectados. Filtra los candidatos por cuenta y proyecto y elimina la entrada indexada cuando se borre la nota de origen.

Preguntas sobre la API de text-embedding-3-small

Todos los modelos text-embedding3