OpenAI: Text Embedding 3 Small

OpenAI: Text Embedding 3 Small é um modelo de embedding da OpenAI, listado em api14 sob o id de modelo openai/text-embedding-3-small. Ele fica na categoria de embeddings, e a OpenAI o descreve como uma versão melhorada e mais eficiente do modelo de embedding ada. Em vez de gerar respostas de chat, ele produz embeddings, que são representações numéricas de texto usadas para medir o quão relacionadas duas partes de texto são.

O modelo aceita texto como sua única modalidade de entrada e retorna embeddings como sua única modalidade de saída, então ele se encaixa em pipelines onde você converte strings em vetores, e não em sistemas conversacionais. Ele tem um comprimento de contexto de 8192 tokens, o que define o teto de quanto texto uma única requisição pode cobrir antes de você precisar dividi-lo. Os detalhes também listam uma saída máxima de 7372, que é um número útil de se ter em mente quando você está decidindo como dividir documentos mais longos.

Os usos práticos decorrem diretamente desse formato. Como os embeddings permitem medir a relação entre textos, o modelo é adequado para busca semântica, onde você gera embeddings de uma consulta e de um corpus e classifica documentos por similaridade. Geração aumentada por recuperação é outro encaixe comum, já que uma camada de recuperação construída sobre embeddings pode alimentar passagens relevantes em um modelo de geração separado. A mesma propriedade sustenta agrupamento e agrupamento por tópicos em grandes coleções de texto, deduplicação de conteúdo quase idêntico, classificação quando você treina um classificador leve sobre os vetores, e recursos de recomendação ou similaridade que comparam itens por suas descrições textuais. O contexto de 8192 tokens significa que cada entrada pode ser uma passagem substancial, não apenas uma única frase, o que ajuda quando você gera embeddings de seções inteiras em vez de linhas isoladas.

Você chama o modelo através da API compatível com OpenAI do api14 usando o id de modelo openai/text-embedding-3-small. Como a interface segue o formato da OpenAI, bibliotecas cliente da OpenAI existentes e código voltado ao endpoint de embeddings podem apontar para o api14 com mudanças mínimas. A lista de parâmetros suportados do modelo está vazia, então não há parâmetros adicionais de requisição documentados além da estrutura padrão de requisição para uma chamada de embeddings: você fornece o id de modelo e a entrada de texto, e recebe a saída de vetor. Qualquer ajuste que você queira, como a forma de dividir o texto ou como comparar os vetores resultantes, acontece no seu próprio pipeline, e não através de parâmetros do modelo.

Como ele só lida com texto na entrada e embeddings na saída, este modelo não é a escolha certa quando você precisa de texto gerado, chamadas de ferramentas ou qualquer comportamento conversacional; um modelo de chat ou de completion cobre esses casos. Ele também é um modelo de embedding com uma janela de contexto fixa, então documentos muito longos ainda precisam ser divididos antes do embedding. Dentro desses limites, ele é um padrão razoável para equipes que querem um modelo de embedding pequeno e atual da OpenAI por trás de um endpoint compatível com OpenAI.