OpenAI: Text Embedding 3 Large (batch)

OpenAI: Text Embedding 3 Large (batch) to model embeddingowy od OpenAI. Należy do kategorii embeddings, a OpenAI opisuje text-embedding-3-large jako swój najbardziej zaawansowany model embeddingowy zarówno dla zadań w języku angielskim, jak i innych językach. Wariant batch udostępniony na api14 używa identyfikatora modelu openai/text-embedding-3-large:batch i został wydany przez dostawcę 2025-10-30.

Model przyjmuje tekst jako dane wejściowe i zwraca embeddingi jako dane wyjściowe. Embedding to numeryczna reprezentacja tekstu, której można użyć do pomiaru powiązania między dwoma fragmentami tekstu. Okno kontekstu wynosi 8192 tokeny, a maksymalne wyjście to 7372, co odzwierciedla rozmiar wektora produkowanego przez model, a nie generowaną prozę. Nie ma tu generowania tekstu: wysyłasz tekst i otrzymujesz wektory.

Ponieważ zwraca wektory, a nie odpowiedzi, praktyczne zastosowania wynikają z porównywania tych wektorów. Wyszukiwanie semantyczne jest oczywistym przypadkiem: osadź swoje dokumenty i zapytanie, a następnie uszereguj dokumenty według podobieństwa. Ten sam mechanizm obsługuje wyszukiwanie dla potoków RAG, gdzie embeddingi wybierają fragmenty, które odczyta osobny model generatywny. Klastrowanie i odkrywanie tematów działają poprzez grupowanie tekstów, których embeddingi znajdują się blisko siebie. Deduplikacja i wykrywanie niemal identycznych dokumentów wykorzystują te same porównania odległości, a klasyfikację można przeprowadzić, osadzając oznaczone przykładami teksty i przypisując nowe teksty do najbliższej grupy. Deklarowana moc zarówno w zadaniach angielskojęzycznych, jak i nieangielskojęzycznych czyni go rozsądnym wyborem dla korpusów wielojęzycznych, a okno 8192 tokenów pozwala osadzić dość długie fragmenty w jednym wywołaniu zamiast dzielić je na części.

Wywołujesz go przez API zgodne z OpenAI na api14, używając identyfikatora modelu openai/text-embedding-3-large:batch. Ponieważ interfejs jest zgodny z OpenAI, możesz skierować istniejącego klienta OpenAI na bazowy adres URL api14 i wysłać dane wejściowe tak, jak zwykle do punktu końcowego embeddings. Należy zauważyć, że ten model nie wymienia żadnych obsługiwanych parametrów poza standardowymi polami żądania, więc nie oczekuj opcji dostrajania, takich jak niestandardowe wymiary czy opcje specyficzne dla dostawcy; sprawdź aktualną tabelę cen na stronie, aby poznać bieżące stawki, zamiast zakładać jakiekolwiek ceny tutaj.

Jednym ograniczeniem, które warto uwzględnić w planowaniu, jest strona wejściowa. Tekst jest jedynym akceptowanym modalem, więc obrazy, dźwięk i inne formaty wymagają innego modelu lub kroku wstępnego przetwarzania. Model produkuje również wyłącznie embeddingi, więc nie może podsumowywać, odpowiadać na pytania ani wykonywać instrukcji; połącz go z modelem generatywnym, gdy potrzebujesz tych funkcji. Jeśli twoje zadanie polega na generowaniu, rozumowaniu lub użyciu narzędzi, a nie na podobieństwie i wyszukiwaniu, lepiej pasować będzie inny model z katalogu.