Fora

Bater papo

desativar

Incorporação de texto-3-pequenos

A API text-embedding-3-small aprimora a representação de texto, oferecendo maior precisão e custo-benefício em comparação com sua antecessora, text-embedding-ada-002.

Tokens de $1 grátis para novos membros

Text to Speech

Javascript

Python

                                        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()

Docs

Uma API com mais de 300 modelos de IA

Economize 20% nos custos e ganhe tokens grátis de $1.

Obter chave de API Explorar modelos

Incorporação de texto-3-pequenos

Detalhes do produto

Apresentando incorporação de texto-3-pequenosA mais recente inovação da OpenAI em incorporação de texto

Lançado por OpenAI em 25 de janeiro de 2024, incorporação de texto-3-pequenos é um modelo de incorporação de texto de última geração, projetado para desempenho e eficiência superiores. Este modelo representa um avanço significativo, concebido para transformar diversas entradas de texto em representações numéricas compactas (embeddings) altamente eficazes para várias aplicações de aprendizado de máquina. Ele serve como um poderoso sucessor de incorporação de texto-ada-002, oferecendo recursos aprimorados em todas as áreas.

🌟 Principais características e vantagens

✅ Desempenho aprimorado: Obtém melhorias notáveis na recuperação multilíngue (MIRACL) e em tarefas específicas para o inglês (MTEB), tornando-se mais robusto e preciso.
💰 Relação custo-benefício: Experimente algo substancial Redução de 5 vezes no custo em comparação com seu antecessor, incorporação de texto-ada-002, oferecendo economias significativas para desenvolvedores e empresas.
📏 Tamanho compacto: Com um tamanho de incorporação de 512 dimensõesEste modelo é ideal para ambientes com restrições de memória e armazenamento, garantindo uma operação eficiente sem comprometer a qualidade.

🚀 Aplicações versáteis

O incorporação de texto-3-pequenos O modelo foi projetado para uma ampla gama de aplicações, permitindo análise e integração de texto inteligentes:

Busca inteligente: Aprimore os algoritmos de busca classificando os resultados com precisão com base na relevância semântica.
Agrupamento de texto: Agrupe documentos de texto ou sequências de caracteres semelhantes para análise e organização de dados avançadas.
Sistemas de recomendação: Potencialize mecanismos de recomendação sofisticados, sugerindo itens relacionados com base na similaridade do texto.
Detecção de anomalias: Identificar padrões incomuns ou valores discrepantes em grandes conjuntos de dados com maior precisão.
Medição da diversidade: Analise a amplitude e a variedade dos dados textuais para obter insights mais profundos.
Classificação do conteúdo: Classifique sequências de texto associando-as aos seus rótulos semanticamente mais semelhantes.

🌐 Amplo suporte linguístico

Concebido para um público global, incorporação de texto-3-pequenos oferece suporte robusto para vários idiomas, melhorando significativamente sua acessibilidade e utilidade em diversos conjuntos de dados linguísticos e aplicações internacionais.

⚙️ Especificações técnicas

Arquitetura: O modelo aproveita uma tecnologia de ponta. arquitetura baseada em transformadores, meticulosamente otimizado tanto para eficiência computacional quanto para geração de incorporação de alto desempenho.
Dados de treinamento: Treinado em um extensa e diversificada coleção de fontes textuais, garantindo a captura de um amplo espectro de padrões linguísticos e nuances semânticas. Esse treinamento abrangente minimiza o viés e assegura um desempenho robusto em diferentes grupos demográficos e casos de uso.
Fonte e tamanho dos dados: Abrange milhões de documentos de texto, proporcionando ao modelo uma compreensão profunda das complexidades e contextos da linguagem.

📊 Indicadores de desempenho

O incorporação de texto-3-pequenos O modelo estabelece novos padrões em desempenho de incorporação:

⭐ Melhorias significativas em relação a incorporação de texto-ada-002:
- Pontuação MIRACL: Aumentou de 31,4% para 44,0% (uma melhoria notável de 12,6%).
- Pontuação MTEB: Melhorou de 61,0% para 62,3%..
🎯 Maior precisão: Demonstra precisão superior em benchmarks multilíngues e específicos para inglês, fornecendo incorporações mais precisas e confiáveis.
⚡ Velocidade aprimorada: Opera com maior eficiência em comparação com os modelos anteriores, resultando em menor latência e menores requisitos de recursos computacionais.
🛡️ Robustez: Capaz de lidar eficazmente com diversos tipos de entrada, garantindo um desempenho consistente e confiável em uma ampla gama de aplicações e complexidades de dados.

❓ Perguntas frequentes (FAQ)

Q1: O que é text-embedding-3-small?

A1: É o modelo de incorporação de texto mais recente da OpenAI, lançado em 25 de janeiro de 2024, projetado para converter texto em representações numéricas eficientes (embeddings) para tarefas de aprendizado de máquina, oferecendo desempenho aprimorado e custo-benefício superior em comparação com seus antecessores.

Q2: Como se compara ao text-embedding-ada-002?

A2: incorporação de texto-3-pequenos Oferece desempenho significativamente melhorado (por exemplo, pontuações MIRACL e MTEB mais altas) e é 5 vezes mais econômico que incorporação de texto-ada-002, mantendo ao mesmo tempo um tamanho de encapsulamento compacto.

P3: Quais são os principais casos de uso para este modelo?

A3: É ideal para uma ampla gama de aplicações, incluindo busca inteligente, agrupamento de texto, sistemas de recomendação, detecção de anomalias, medição de diversidade e classificação de texto em vários idiomas.

Q4: O text-embedding-3-small é adequado para aplicações multilíngues?

A4: Sim, possui amplo suporte multilíngue e apresenta melhorias significativas de desempenho em benchmarks de recuperação multilíngue (MIRACL), tornando-o altamente adequado para diversos conjuntos de dados linguísticos.

Q5: Qual é a dimensão de incorporação do text-embedding-3-small?

A5: O modelo gera incorporações com um tamanho compacto de 512 dimensões, tornando-o eficiente para ambientes com memória e armazenamento limitados.

Playground de IA

Teste todos os modelos de API no ambiente de sandbox antes de integrá-los. Oferecemos mais de 300 modelos para integrar ao seu aplicativo.

Experimente grátis

Uma API
Mais de 300 modelos de IA

Economize 20% nos custos