OpenAI: Text Embedding 3 Large

OpenAI: Text Embedding 3 Large è un modello di embedding di OpenAI, elencato su api14 con l'id modello openai/text-embedding-3-large. Si colloca nella categoria embeddings anziché in quella chat, il che significa che è progettato per trasformare il testo in vettori anziché per generare risposte conversazionali. OpenAI descrive text-embedding-3-large come il suo modello di embedding più capace sia per attività in inglese che non in inglese.

Il modello accetta testo come unico input e restituisce embedding come output: rappresentazioni numeriche del testo che possono essere utilizzate per misurare la correlazione tra due porzioni di testo. Supporta una lunghezza di contesto di 8192 token, e il suo output massimo è 7372. Non sono supportati parametri di richiesta aggiuntivi per questo modello, quindi non ci sono manopole di regolazione oltre a quelle accettate dall'endpoint di embedding stesso.

Poiché l'output è un vettore anziché prosa, gli usi pratici derivano dal confronto di quei vettori. Gli impieghi tipici includono la ricerca semantica, in cui si codifica una query e un corpus e si classificano i documenti per similarità; il recupero per una pipeline RAG, in cui gli embedding decidono quali passaggi fornire a un modello di chat; il clustering o la deduplicazione di grandi collezioni di testo; la classificazione e l'instradamento per esempio più vicino; e il punteggio di raccomandazione o correlazione tra due passaggi. La nota del fornitore secondo cui il modello gestisce sia attività in inglese che non in inglese lo rende una scelta ragionevole per corpus multilingue in cui si desidera un unico spazio di embedding tra le lingue.

Per chiamarlo tramite api14, utilizzare l'API compatibile con OpenAI con l'id modello openai/text-embedding-3-large. Inviare il testo all'endpoint embeddings nello stesso modo in cui si farebbe direttamente contro OpenAI, e leggere i vettori dalla risposta. Poiché supported_parameters è vuoto, non ci si deve aspettare di passare opzioni extra come dimensions o encoding format attraverso questo gateway; limitare le richieste al testo che si desidera codificare.

I limiti principali da tenere a mente sono la modalità di input e la lunghezza del contesto. Solo testo in ingresso, quindi immagini, audio e altri formati sono fuori ambito per questo modello. Qualsiasi singolo input deve rientrare in 8192 token, il che significa che i documenti lunghi devono essere suddivisi prima dell'embedding. E poiché produce embedding anziché testo, non può rispondere a domande o scrivere contenuti da solo; abbinarlo a un modello di chat quando serve la generazione sopra il recupero.