OpenAI: Text Embedding 3 Large

OpenAI: Text Embedding 3 Large es un modelo de embeddings de OpenAI, listado en api14 bajo el id de modelo openai/text-embedding-3-large. Se sitúa en la categoría de embeddings en lugar de la categoría de chat, lo que significa que está diseñado para convertir texto en vectores en lugar de generar respuestas conversacionales. OpenAI describe text-embedding-3-large como su modelo de embeddings más capaz tanto para tareas en inglés como en otros idiomas.

El modelo toma texto como su única entrada y devuelve embeddings como salida: representaciones numéricas de texto que pueden usarse para medir la relación entre dos fragmentos de texto. Admite una longitud de contexto de 8192 tokens, y su salida máxima es 7372. No se admiten parámetros de solicitud adicionales para este modelo, por lo que no hay opciones de ajuste más allá de lo que acepta el propio endpoint de embeddings.

Debido a que la salida es un vector y no texto, los usos prácticos se derivan de comparar esos vectores. Los encajes típicos incluyen búsqueda semántica, donde se incrusta una consulta y un corpus y se clasifican los documentos por similitud; recuperación para una canalización RAG, donde los embeddings deciden qué pasajes alimentar a un modelo de chat; agrupamiento o deduplicación de grandes colecciones de texto; clasificación y enrutamiento por ejemplo más cercano; y puntuación de recomendación o relación entre dos pasajes. La nota del proveedor de que el modelo maneja tareas tanto en inglés como en otros idiomas lo convierte en una opción razonable para corpus multilingües donde se desea un único espacio de embeddings entre idiomas.

Para llamarlo a través de api14, use la API compatible con OpenAI con el id de modelo openai/text-embedding-3-large. Envíe su texto al endpoint de embeddings de la misma manera que lo haría directamente contra OpenAI, y lea los vectores de vuelta desde la respuesta. Debido a que supported_parameters está vacío, no debe esperar pasar opciones adicionales como dimensions o encoding format a través de esta puerta de enlace; limite las solicitudes al texto que desea incrustar.

Los principales límites a tener en cuenta son la modalidad de entrada y la longitud de contexto. Solo entra texto, por lo que imágenes, audio y otros formatos quedan fuera del alcance de este modelo. Cualquier entrada única debe caber dentro de 8192 tokens, lo que significa que los documentos largos deben dividirse antes de incrustarlos. Y dado que produce embeddings en lugar de texto, no puede responder preguntas ni escribir contenido por sí solo; combínelo con un modelo de chat cuando necesite generación sobre la recuperación.