OpenAI - ChatGPT, Sora
Google - Géminis, Nano Banana
Antrópico - Claude
xAI - Grok
Búsqueda profunda
Alibaba-Qwen
ByteDance - Lo mejor de ByteDance
Todos los modelos
Planes empresariales
Desarrollo de aplicaciones de IA
API de traducción de IA
Servicio de SEO/GEO con IA
Servicio de relaciones públicas optimizado geográficamente
Servicio de raspado web
Las mejores herramientas de IA
Los mejores robots con IA
Acceso
const { OpenAI } = require('openai');
const main = async () => {
const api = new OpenAI({ apiKey: '', baseURL: 'https://api.ai.cc/v1' });
const text = 'Your text string goes here';
const response = await api.embeddings.create({
input: text,
model: 'text-embedding-3-large',
});
const embedding = response.data[0].embedding;
console.log(embedding);
};
main();
import json
from openai import OpenAI
def main():
client = OpenAI(
base_url="https://api.ai.cc/v1",
api_key="",
)
text = "Your text string goes here"
response = client.embeddings.create(input=text, model="text-embedding-3-large")
embedding = response.data[0].embedding
print(json.dumps(embedding, indent=2))
main()
Detalle del producto
Presentando incrustación de texto 3-pequeñoLa última innovación de OpenAI en incrustaciones de texto
Publicado por OpenAI el 25 de enero de 2024, incrustación de texto 3-pequeño Es un modelo de incrustación de texto de vanguardia, diseñado para un rendimiento y una eficiencia superiores. Este modelo supone un avance significativo, diseñado para transformar diversas entradas de texto en representaciones numéricas compactas (incrustaciones) altamente efectivas para diversas aplicaciones de aprendizaje automático. Es un potente sucesor de incrustación de texto ada-002, ofreciendo capacidades mejoradas en todos los ámbitos.
🌟 Características y ventajas clave
- ✅ Rendimiento mejorado: Logra mejoras notables en la recuperación multilingüe (MIRACL) y en tareas específicas del inglés (MTEB), haciéndolo más sólido y preciso.
- 💰 Eficiencia de costos: Experimente una experiencia sustancial Reducción de 5x en costos En comparación con su predecesor, incrustación de texto ada-002, ofreciendo ahorros significativos para desarrolladores y empresas.
- 📏 Tamaño compacto: Con un tamaño de incrustación de 512 dimensionesEste modelo es ideal para entornos con restricciones de memoria y almacenamiento, garantizando un funcionamiento eficiente sin comprometer la calidad.
🚀 Aplicaciones versátiles
El incrustación de texto 3-pequeño El modelo está diseñado para una amplia gama de aplicaciones, lo que permite el análisis e integración de texto inteligente:
- Búsqueda inteligente: Mejore los algoritmos de búsqueda clasificando con precisión los resultados en función de la relevancia semántica.
- Agrupamiento de texto: Agrupe documentos de texto o cadenas similares para realizar análisis y organización de datos avanzados.
- Sistemas de recomendación: Potencie motores de recomendación sofisticados al sugerir elementos relacionados según la similitud del texto.
- Detección de anomalías: Identifique patrones inusuales o valores atípicos dentro de grandes conjuntos de datos con mayor precisión.
- Medición de la diversidad: Analice la amplitud y variedad de los datos de texto para obtener conocimientos más profundos.
- Clasificación de contenido: Clasifique cadenas de texto asociándolas con sus etiquetas semánticamente más similares.
🌐 Amplio soporte de idiomas
Diseñado para una audiencia global, incrustación de texto 3-pequeño ofrece un soporte sólido para varios idiomas, mejorando significativamente su accesibilidad y utilidad en diversos conjuntos de datos lingüísticos y aplicaciones internacionales.
⚙️ Especificaciones técnicas
- Arquitectura: El modelo aprovecha una tecnología de última generación arquitectura basada en transformadores, meticulosamente optimizado tanto para la eficiencia computacional como para la generación de incrustaciones de alto rendimiento.
- Datos de entrenamiento: Entrenado en un Colección extensa y diversa de fuentes textuales, garantizando que capture un amplio espectro de patrones lingüísticos y matices semánticos. Esta capacitación integral minimiza el sesgo y garantiza un rendimiento sólido en diversos grupos demográficos y casos de uso.
- Fuente de datos y tamaño: Abarca millones de documentos de texto, lo que proporciona al modelo una comprensión profunda de las complejidades y los contextos del lenguaje.
📊 Puntos de referencia de rendimiento
El incrustación de texto 3-pequeño El modelo establece nuevos estándares en el rendimiento de la incrustación:
- ⭐ Mejoras significativas con respecto a incrustación de texto ada-002:
- Puntuación MIRACL: Aumentó del 31,4% al 44,0% (una notable mejora del 12,6%).
- Puntuación MTEB: Mejoró del 61,0% al 62,3%.
- 🎯 Mayor precisión: Demuestra una precisión superior en puntos de referencia tanto en varios idiomas como específicos del idioma inglés, lo que proporciona incrustaciones más precisas y confiables.
- ⚡ Velocidad mejorada: Funciona con mayor eficiencia en comparación con los modelos anteriores, lo que genera una latencia reducida y menores requisitos de recursos computacionales.
- 🛡️ Robustez: Capaz de manejar diversos tipos de entrada de manera eficaz, garantizando un rendimiento consistente y confiable en una amplia gama de aplicaciones y complejidades de datos.
❓ Preguntas frecuentes (FAQ)
P1: ¿Qué es text-embedding-3-small?
A1: Es el último modelo de incrustación de texto de OpenAI, lanzado el 25 de enero de 2024, diseñado para convertir texto en representaciones numéricas eficientes (incrustaciones) para tareas de aprendizaje automático, ofreciendo un rendimiento mejorado y una mayor rentabilidad que sus predecesores.
P2: ¿Cómo se compara con text-embedding-ada-002?
A2: incrustación de texto 3-pequeño ofrece un rendimiento significativamente mejorado (por ejemplo, puntuaciones MIRACL y MTEB más altas) y es 5 veces más rentable que incrustación de texto ada-002, manteniendo un tamaño de incrustación compacto.
P3: ¿Cuáles son los principales casos de uso de este modelo?
A3: Es ideal para una amplia gama de aplicaciones, incluidas búsqueda inteligente, agrupación de texto, sistemas de recomendación, detección de anomalías, medición de diversidad y clasificación de texto en varios idiomas.
P4: ¿Text-embedding-3-small es adecuado para aplicaciones multilingües?
A4: Sí, cuenta con un amplio soporte multilingüe y muestra mejoras de rendimiento significativas en los puntos de referencia de recuperación multilingüe (MIRACL), lo que lo hace muy adecuado para diversos conjuntos de datos lingüísticos.
Q5: ¿Cuál es la dimensión de incrustación de text-embedding-3-small?
A5: El modelo genera incrustaciones con un tamaño compacto de 512 dimensiones, lo que lo hace eficiente para entornos con limitaciones de memoria y almacenamiento.
Patio de juegos de IA
