Перейти к основному контенту

openai/text-embedding-3-large/embedding

text-embedding-3-large представляет многоязычные документы векторами размерности 3072 по умолчанию и поддерживает сокращение для экономии места.

От $0.000026/1 000 токеновНа 80% ниже официальной цены

Рабочая область

Ввод

Эмбеддинги
Для 3-large доступна размерность от 1 до 3072; вариант 1024 проверен на пакете из двух текстов. Не меньше 1 · Не больше 3072
Передавайте 3-large сами фрагменты, а не указания ответить на вопрос; поле index сохраняет соответствие каждому входному элементу.
Фильтр безопасностиВыключен

SpicyAPI не применяет фильтр безопасности к этой модели. Промпт и материалы передаются модели без изменений, а результат определяет сама модель.

Проверяем аккаунт перед включением отправки и расчёта стоимости.

Вывод

Готово к запуску
Пример результата
{"data":[{"embedding":[-0.30419921875,-0.42626953125,-0.288330078125,-0.5634765625,0.04010009765625,0.0148773193359375,-0.0760498046875,0.56396484375],"index":0},{"embedding":[-0.296875,-0.2344970703125,-0.12493896484375,-0.1837158203125,-0.27587890625,-0.448974609375,-0.44287109375,0.57763671875],"index":1}],"inputTokens":12}

Нужной модели нет?

Оценивайте 3-large на вопросах на языках вашего корпуса; после повторного вычисления векторов можно использовать индекс размерности 1024.

Ключевые цифры

Размерность
3072

Бюджет токенов

Окно ввода
300 000
токенов в одном запросе

Прежде чем платить

Эмбеддинги

Запрос text-embedding-3-large на платформе содержит до 128 входных элементов, не более 8192 токенов в каждом и 300000 суммарно; массивы ID ограничены 2048 элементами.

Что умеет модель

Многоязычные семантические представления

Многоязычное представление 3-large может помочь, когда вопрос и исходный документ написаны на разных языках. Проверяйте переводы и специальные термины на собственных текстах, не предполагая одинаковую точность для всех случаев. Вектор выражает числовые отношения и не содержит цитат, гарантии правильности или готового ответа.

3072 измерения или сокращённый вектор

Параметр dimensions позволяет сократить результат 3-large, например, до 1024 измерений. При проверке подключения два текста обработаны с этой длиной, а отдельный ввод — с размерностью по умолчанию. Длина вектора относится к выбору между хранением и качеством поиска; стоимость пакета по-прежнему зависит от измеренных входных токенов.

Где пригодится

  • Многоязычная база знаний о продукте

    Многоязычная база знаний о продукте с 3-large может выбирать источники для вопроса на языке клиента. Храните язык, версию продукта и редакцию документа как отдельные метаданные, чтобы внешне похожая устаревшая инструкция не вытесняла действующий порядок действий.

  • Поиск источников для исследования

    В исследовательской коллекции с 3-large ранжируйте связанные технические фрагменты и передавайте их с оригинальными источниками следующей аналитической модели. Сохраняйте границы документов и идентификаторы ссылок, чтобы сопоставить итоговое объяснение с действительно найденными материалами.

Документация модели

Справочник по API text-embedding-3-large

Спецификации API text-embedding-3-large

Размерность
3072

Как вызвать API text-embedding-3-large

  1. Гайд по промптам и практические советы

    Для оценки 3-large подготовьте вопросы на языках пользователей и ожидаемые фрагменты. Сравните размерность по умолчанию с сокращённой по правильным результатам, ложным сопоставлениям, занимаемому месту и задержке поиска. Не смешивайте разные длины в одном индексе и используйте одну модель для документов и запросов. Для 3-large соблюдайте пределы в 128 элементов за запрос, 8192 токена на элемент и 300000 токенов суммарно. Массив идентификаторов токенов допускает 2048 элементов. Исключайте недоступных кандидатов до передачи модели для написания ответа, сохраняйте ссылки в выдаче и обновляйте либо удаляйте векторы вместе с исходными документами.

Вопросы об API text-embedding-3-large

Все модели text-embedding3