Nous utilisons des cookies. Les cookies et le stockage du navigateur vous gardent connecté et mémorisent vos préférences. Avec votre accord, nous mesurons aussi l’utilisation du site. Vous pouvez à tout moment. Consultez notre politique relative aux cookies.
OpenAI: Text Embedding Ada 002 (batch)
openai/text-embedding-ada-002:batchEssayez OpenAI: Text Embedding Ada 002 (batch) maintenant
Utilise votre solde aux prix indiqués ci-dessus. Les nouveaux comptes démarrent avec une consommation gratuite.
Les résultats apparaîtront ici.
Paramètres
OpenAI: Text Embedding Ada 002 (batch) en bref
- Le prix d’entrée est supérieur de 150% à la médiane de 34 modèles Embeddings.
À propos de OpenAI: Text Embedding Ada 002 (batch)
OpenAI : Text Embedding Ada 002 (batch) est un modèle d'embeddings d'OpenAI, distribué via api14 sous l'identifiant de modèle openai/text-embedding-ada-002:batch. Il appartient à la catégorie embeddings, et OpenAI décrit text-embedding-ada-002 comme son modèle d'embedding de texte hérité. Si vous avez déjà travaillé avec des embeddings OpenAI, il s'agit du même modèle d'embedding bien connu Ada 002, proposé ici dans une variante batch.
Le modèle prend du texte en entrée et renvoie des embeddings en sortie. Il ne génère pas de réponses de chat ni de texte libre ; son seul produit est une représentation vectorielle du texte que vous envoyez. La fenêtre de contexte est de 8192 tokens, et la sortie maximale est de 7372, ce qui en pratique limite la quantité de texte pouvant être embedée dans une seule requête. Comme la modalité d'entrée est uniquement du texte, les images, l'audio et les autres formats sont hors de portée pour ce modèle.
Les usages typiques découlent directement de ces propriétés. La recherche sémantique et la génération augmentée par récupération sont les plus courantes : vous embeddez vos documents une fois, vous embeddez la requête de l'utilisateur au moment de la requête, et vous comparez les vecteurs par similarité. La même approche prend en charge le clustering et la découverte de sujets sur de grandes collections de textes, la déduplication d'enregistrements quasi identiques, la classification lorsqu'un modèle léger est entraîné sur les vecteurs, et les fonctionnalités de recommandation ou de type "plus comme ceci". Les tâches d'embedding par lots, comme l'indexation d'un stockage de documents ou l'actualisation d'une base de données vectorielle, sont particulièrement adaptées compte tenu de la variante batch.
Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle openai/text-embedding-ada-002:batch. Comme l'interface est compatible OpenAI, les SDK et clients OpenAI existants fonctionnent avec un changement d'URL de base et de clé API. Le modèle ne liste aucun paramètre pris en charge au-delà de ce que l'endpoint lui-même définit, donc vous ne devez pas vous attendre à des réglages tels que temperature ou top_p ; les endpoints d'embeddings ne les utilisent pas. Envoyez votre entrée texte et lisez les vecteurs d'embedding dans la réponse.
Une considération pratique est que ce modèle est décrit comme hérité. Si vous démarrez un nouveau projet et souhaitez la génération actuelle d'embeddings OpenAI, vérifiez ce qu'api14 propose d'autre avant de vous engager. Pour les équipes utilisant déjà des vecteurs Ada 002 en production, conserver le même modèle évite de ré-embedder tout un corpus, ce qui est souvent le facteur décisif.
Comment appeler l’API OpenAI: Text Embedding Ada 002 (batch)
- Créez une clé API dans votre tableau de bord.
- Installez le SDK officiel openai pour votre langage.
- Définissez baseURL sur https://api14.com/api/v1 et model sur "openai/text-embedding-ada-002:batch".
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.embeddings.create({
"model": "openai/text-embedding-ada-002:batch",
"input": [
"The quick brown fox",
"Lorem ipsum"
]
});
console.log(result.data.map((d) => d.embedding.length));
Caractéristiques
- Longueur de contexte
- 8 192
- Sortie max.
- 7 372
- Entrée
- text
- Sortie
- embeddings
Requêtes sur api14 · 7 derniers jours
OpenAI: Text Embedding Ada 002 (batch) : questions fréquentes
- Combien coûte l’API OpenAI: Text Embedding Ada 002 (batch) ?
- OpenAI: Text Embedding Ada 002 (batch) coûte Entrée 0,18 $US / 1M tokens. Seules les requêtes réussies sont débitées de votre solde en USD ; les requêtes échouées sont gratuites.
- Quelle est la fenêtre de contexte de OpenAI: Text Embedding Ada 002 (batch) ?
- OpenAI: Text Embedding Ada 002 (batch) lit jusqu’à 8 192 tokens par requête, prompt, historique et documents compris. Il génère jusqu’à 7 372 tokens de sortie par réponse.
- Que peut faire OpenAI: Text Embedding Ada 002 (batch) ?
- OpenAI: Text Embedding Ada 002 (batch) accepte text et renvoie embeddings.
- Comment appeler OpenAI: Text Embedding Ada 002 (batch) depuis mon code ?
- Pointez n’importe quel SDK OpenAI vers https://api14.com/api/v1 et définissez model sur "openai/text-embedding-ada-002:batch", sans autre changement de code. Copiez un exemple prêt à l’emploi depuis le panneau de code de cette page.
- Quelles sont les alternatives à OpenAI: Text Embedding Ada 002 (batch) ?
- Modèles Embeddings comparables à un prix similaire : VoyageAI by MongoDB: voyage-4, OpenAI: Text Embedding 3 Large (batch), Perplexity: Embed V1 4B. Tous fonctionnent avec la même clé API : changer de modèle ne tient qu’à une chaîne.
Communauté OpenAI: Text Embedding Ada 002 (batch)
Nouveau sujetCette communauté n’a encore aucun sujet. Ouvrez le premier sur OpenAI: Text Embedding Ada 002 (batch).