OpenAI: Text Embedding 3 Small

OpenAI: Text Embedding 3 Small ist ein Embedding-Modell von OpenAI, das auf api14 unter der Modell-ID openai/text-embedding-3-small gelistet ist. Es gehört zur Kategorie Embeddings, und OpenAI beschreibt es als eine verbesserte, leistungsfähigere Version des ada-Embedding-Modells. Statt Chat-Antworten zu erzeugen, produziert es Embeddings, also numerische Darstellungen von Text, mit denen gemessen wird, wie verwandt zwei Textstücke sind.

Das Modell akzeptiert Text als einzige Eingabemodalität und gibt Embeddings als einzige Ausgabemodalität zurück, sodass es in Pipelines passt, in denen Sie Strings in Vektoren umwandeln, statt in konversationelle Systeme. Es hat eine Kontextlänge von 8192 Tokens, was die Obergrenze dafür setzt, wie viel Text eine einzelne Anfrage abdecken kann, bevor Sie ihn aufteilen müssen. Die Details listen außerdem eine maximale Ausgabe von 7372, eine nützliche Zahl, die Sie im Hinterkopf behalten sollten, wenn Sie entscheiden, wie Sie längere Dokumente aufteilen.

Praktische Anwendungen ergeben sich direkt aus dieser Form. Weil Embeddings es ermöglichen, Verwandtschaft zwischen Texten zu messen, eignet sich das Modell für semantische Suche, bei der Sie eine Anfrage und einen Korpus einbetten und Dokumente nach Ähnlichkeit sortieren. Retrieval Augmented Generation ist ein weiterer häufiger Anwendungsfall, da eine auf Embeddings aufgebaute Retrieval-Schicht relevante Passagen in ein separates Generierungsmodell einspeisen kann. Dieselbe Eigenschaft unterstützt Clustering und Themengruppierung über große Textsammlungen, Deduplizierung nahezu identischer Inhalte, Klassifikation, wenn Sie einen leichtgewichtigen Klassifikator auf den Vektoren trainieren, sowie Empfehlungs- oder Ähnlichkeitsfunktionen, die Elemente anhand ihrer Textbeschreibungen vergleichen. Der Kontext von 8192 Tokens bedeutet, dass jede Eingabe eine substanzielle Passage sein kann, nicht nur ein einzelner Satz, was hilft, wenn Sie ganze Abschnitte statt isolierter Zeilen einbetten.

Sie rufen das Modell über die OpenAI-kompatible API von api14 mit der Modell-ID openai/text-embedding-3-small auf. Da die Schnittstelle dem OpenAI-Format folgt, können vorhandene OpenAI-Client-Bibliotheken und Code, der auf den Embeddings-Endpunkt abzielt, mit minimalen Änderungen auf api14 zeigen. Die Liste der unterstützten Parameter des Modells ist leer, es sind also keine zusätzlichen Anfrageparameter über die Standard-Anfragestruktur für einen Embeddings-Aufruf hinaus dokumentiert: Sie geben die Modell-ID und den Texteingang an, und Sie erhalten den Vektorausgang. Jede Abstimmung, die Sie wünschen, etwa wie Sie Text aufteilen oder wie Sie die resultierenden Vektoren vergleichen, findet in Ihrer eigenen Pipeline statt und nicht über Modellparameter.

Da es nur Text hinein und Embeddings heraus verarbeitet, ist dieses Modell nicht die richtige Wahl, wenn Sie generierten Text, Tool-Aufrufe oder irgendein konversationelles Verhalten benötigen; ein Chat- oder Completion-Modell deckt diese Fälle ab. Es ist außerdem ein Embedding-Modell mit einem festen Kontextfenster, sodass sehr lange Dokumente vor dem Einbetten weiterhin aufgeteilt werden müssen. Innerhalb dieser Grenzen ist es eine vernünftige Standardwahl für Teams, die ein kleines, aktuelles OpenAI-Embedding-Modell hinter einem OpenAI-kompatiblen Endpunkt möchten.