OpenAI: Text Embedding Ada 002 (batch)

OpenAI: Text Embedding Ada 002 (batch) adalah model embeddings dari OpenAI, yang didistribusikan melalui api14 dengan model id openai/text-embedding-ada-002:batch. Model ini termasuk dalam kategori embeddings, dan OpenAI mendeskripsikan text-embedding-ada-002 sebagai model text embedding legacy miliknya. Jika Anda pernah bekerja dengan embeddings OpenAI sebelumnya, ini adalah model embedding Ada 002 yang sama dan sudah dikenal, yang ditawarkan di sini dalam varian batch.

Model ini menerima teks sebagai input dan mengembalikan embeddings sebagai output. Model ini tidak menghasilkan balasan chat atau teks bebas; satu-satunya produknya adalah representasi vektor dari teks yang Anda kirim. Context window-nya adalah 8192 token, dan output maksimumnya adalah 7372, yang dalam praktiknya membatasi berapa banyak teks yang dapat di-embed dalam satu permintaan. Karena modalitas inputnya hanya teks, gambar, audio dan format lain di luar cakupan model ini.

Penggunaan tipikal mengikuti langsung dari properti tersebut. Semantic search dan retrieval augmented generation adalah yang paling umum: Anda melakukan embed pada dokumen Anda sekali, melakukan embed pada query pengguna saat permintaan, lalu membandingkan vektor berdasarkan kemiripan. Pendekatan yang sama mendukung clustering dan penemuan topik pada koleksi teks besar, deduplikasi catatan yang hampir identik, klasifikasi ketika model ringan dilatih di atas vektor tersebut, serta fitur rekomendasi atau "more like this". Pekerjaan embedding batch, seperti mengindeks penyimpanan dokumen atau menyegarkan basis data vektor, sangat cocok mengingat adanya varian batch.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id openai/text-embedding-ada-002:batch. Karena antarmukanya kompatibel dengan OpenAI, SDK dan klien OpenAI yang ada dapat bekerja dengan mengubah base URL dan API key. Model ini tidak mencantumkan parameter yang didukung di luar apa yang ditentukan oleh endpoint itu sendiri, jadi Anda sebaiknya tidak mengharapkan tombol penyetelan seperti temperature atau top_p; endpoint embeddings tidak menggunakannya. Kirim input teks Anda dan baca vektor embedding dari respons.

Satu pertimbangan praktis adalah bahwa model ini dideskripsikan sebagai model legacy. Jika Anda memulai proyek baru dan menginginkan generasi embeddings OpenAI saat ini, periksa apa lagi yang ditawarkan api14 sebelum memutuskan. Untuk tim yang sudah menggunakan vektor Ada 002 di produksi, mempertahankan model yang sama menghindari melakukan embed ulang seluruh korpus, yang sering menjadi faktor penentu.