OpenAI: Text Embedding 3 Small

OpenAI: Text Embedding 3 Small es un modelo de embeddings de OpenAI, listado en api14 bajo el id de modelo openai/text-embedding-3-small. Se sitúa en la categoría de embeddings, y OpenAI lo describe como una versión mejorada y más eficiente del modelo de embeddings ada. En lugar de generar respuestas de chat, produce embeddings, que son representaciones numéricas de texto usadas para medir cuán relacionadas están dos piezas de texto.

El modelo acepta texto como su única modalidad de entrada y devuelve embeddings como su única modalidad de salida, por lo que encaja en pipelines donde conviertes cadenas en vectores en lugar de en sistemas conversacionales. Tiene una longitud de contexto de 8192 tokens, lo que establece el límite máximo de texto que una sola solicitud puede cubrir antes de que necesites dividirlo. Los detalles también listan una salida máxima de 7372, una cifra útil para tener en cuenta cuando decides cómo fragmentar documentos más largos.

Los usos prácticos se derivan directamente de esa forma. Como los embeddings te permiten medir la relación entre textos, el modelo sirve para la búsqueda semántica, donde generas embeddings de una consulta y un corpus y clasificas los documentos por similitud. La generación aumentada por recuperación es otro encaje común, ya que una capa de recuperación construida sobre embeddings puede alimentar pasajes relevantes a un modelo de generación separado. La misma propiedad respalda el agrupamiento y la agrupación por temas en grandes colecciones de texto, la deduplicación de contenido casi idéntico, la clasificación cuando entrenas un clasificador ligero sobre los vectores, y funciones de recomendación o similitud que comparan elementos por sus descripciones de texto. El contexto de 8192 tokens significa que cada entrada puede ser un pasaje sustancial, no solo una sola frase, lo que ayuda cuando generas embeddings de secciones completas en lugar de líneas aisladas.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo openai/text-embedding-3-small. Como la interfaz sigue el formato de OpenAI, las bibliotecas cliente de OpenAI existentes y el código dirigido al endpoint de embeddings pueden apuntar a api14 con cambios mínimos. La lista de parámetros soportados del modelo está vacía, así que no hay parámetros de solicitud adicionales documentados más allá de la estructura de solicitud estándar para una llamada de embeddings: proporcionas el id de modelo y la entrada de texto, y recibes la salida de vector. Cualquier ajuste que quieras hacer, como cómo fragmentas el texto o cómo comparas los vectores resultantes, ocurre en tu propio pipeline en lugar de a través de parámetros del modelo.

Como solo maneja texto de entrada y embeddings de salida, este modelo no es la elección correcta cuando necesitas texto generado, llamadas a herramientas o cualquier comportamiento conversacional; un modelo de chat o de completado cubre esos casos. También es un modelo de embeddings con una ventana de contexto fija, así que los documentos muy largos todavía necesitan dividirse antes de generar embeddings. Dentro de esos límites es un valor predeterminado razonable para equipos que quieren un modelo de embeddings de OpenAI pequeño y actual detrás de un endpoint compatible con OpenAI.