OpenAI: Text Embedding 3 Large

OpenAI: Text Embedding 3 Large is een embeddingmodel van OpenAI, vermeld op api14 onder het model-id openai/text-embedding-3-large. Het valt in de categorie embeddings in plaats van de categorie chat, wat betekent dat het is gebouwd om tekst om te zetten in vectoren in plaats van om conversationele antwoorden te genereren. OpenAI beschrijft text-embedding-3-large als zijn meest capabele embeddingmodel voor zowel Engelse als niet-Engelse taken.

Het model neemt tekst als enige invoer en retourneert embeddings als uitvoer: numerieke representaties van tekst die kunnen worden gebruikt om de verwantschap tussen twee stukken tekst te meten. Het ondersteunt een contextlengte van 8192 tokens, en de maximale uitvoer is 7372. Er worden geen aanvullende aanvraagparameters ondersteund voor dit model, dus er zijn geen afstemmingsknoppen buiten wat het embedding-endpoint zelf accepteert.

Omdat de uitvoer een vector is in plaats van proza, volgen de praktische toepassingen uit het vergelijken van die vectoren. Typische toepassingen zijn semantisch zoeken, waarbij je een query en een corpus embedt en documenten rangschikt op gelijkenis; retrieval voor een RAG-pijplijn, waarbij embeddings bepalen welke passages aan een chatmodel worden gevoed; clusteren of dedupliceren van grote tekstverzamelingen; classificatie en routering op basis van het dichtstbijzijnde voorbeeld; en aanbevelings- of verwantschapsscores tussen twee passages. De opmerking van de provider dat het model zowel Engelse als niet-Engelse taken aankan, maakt het een redelijke keuze voor meertalige corpora waarbij je één embeddingruimte over talen heen wilt.

Om het via api14 aan te roepen, gebruik je de OpenAI-compatibele API met het model-id openai/text-embedding-3-large. Stuur je tekst naar het embeddings-endpoint op dezelfde manier als je rechtstreeks tegen OpenAI zou doen, en lees de vectoren terug uit het antwoord. Omdat supported_parameters leeg is, moet je niet verwachten dat je extra opties zoals dimensions of encoding format via deze gateway kunt doorgeven; beperk aanvragen tot de tekst die je wilt embedden.

De belangrijkste beperkingen om in gedachten te houden zijn de invoermodaliteit en de contextlengte. Alleen tekst gaat erin, dus afbeeldingen, audio en andere formaten vallen buiten het bereik van dit model. Elke afzonderlijke invoer moet binnen 8192 tokens passen, wat betekent dat lange documenten moeten worden opgesplitst voordat ze worden geëmbed. En omdat het embeddings produceert in plaats van tekst, kan het niet zelf vragen beantwoorden of inhoud schrijven; combineer het met een chatmodel wanneer je generatie bovenop retrieval nodig hebt.