Tekniske specifikationer for text-embedding-3-small
| Post | Detaljer |
|---|---|
| Model ID | text-embedding-3-small |
| Modeltype | Tekstindlejringsmodel |
| Beskrivelse | En lille tekstindlejringsmodel til effektiv behandling. |
| Primær anvendelse | Konvertering af tekst til tætte vektorindlejringer til semantisk søgning, genfinding, klyngedannelse, klassificering og lighedsopgaver |
| Inputmodalitet | Tekst |
| Outputmodalitet | Indlejringsvektorer |
| Egnethed i kontekst | Optimeret til effektive arbejdsbelastninger for tekstindlejring |
| Typisk integrationsmønster | API-baseret generering af indlejringer til downstream NLP- og genfindingssystemer |
Hvad er text-embedding-3-small?
text-embedding-3-small er en tekstindlejringsmodel, der er designet til at transformere tekst til numeriske vektorrepræsentationer, som indfanger semantisk betydning. Disse indlejringer gør det lettere for applikationer at sammenligne tekststykker efter lighed frem for nøjagtig nøgleords-matchning.
Fordi det er en lille indlejringsmodel, er text-embedding-3-small velegnet til effektiv behandling i produktionssystemer, der har brug for hurtig gennemløbstid og skalerbar generering af indlejringer. Den kan bruges i arbejdsgange såsom semantisk søgning, anbefalingspipelines, dokumentgenfinding, deduplikering, intent‑matching og indeksering af vidensbaser.
Hovedfunktioner i text-embedding-3-small
- Effektiv generering af indlejringer: Designet til hurtig og letvægts tekst‑til‑vektor‑konvertering i applikationer med krav om responsiv ydeevne.
- Semantisk forståelse: Koder tekst til indlejringer, der hjælper med at fange betydning og kontekstuel lighed ud over simpelt leksikalsk overlap.
- Skalerbar implementering: Velegnet til højvolumen‑pipelines såsom indeksering af dokumenter, søgekorpora, FAQ'er, produktkataloger eller supportindhold.
- Alsidig downstream‑anvendelse: Understøtter anvendelser, herunder genfinding, forberedelse til reranking, klyngedannelse, klassificering, anbefaling og detektion af dubletter.
- API‑venlig integration: Fungerer godt i moderne applikationsstakke, der er afhængige af programmatisk generering af indlejringer via hostede API'er.
Sådan tilgår og integrerer du text-embedding-3-small
Trin 1: Tilmeld dig for at få en API‑nøgle
Kom i gang ved at tilmelde dig på CometAPI‑platformen og generere din API‑nøgle fra dashboardet. Når du har fået nøglen, skal du opbevare den sikkert og bruge den til at godkende alle anmodninger til text-embedding-3-small‑API'et.
Trin 2: Send anmodninger til text-embedding-3-small‑API'et
Når du har din API‑nøgle, skal du sende HTTPS‑anmodninger til CometAPI‑endepunktet og angive text-embedding-3-small som modellen. Inkludér din inputtekst i anmodningskroppen, og sørg for, at din Authorization‑header er korrekt konfigureret.
curl https://api.cometapi.com/v1/embeddings \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $COMETAPI_API_KEY" \
-d '{
"model": "text-embedding-3-small",
"input": "Your text goes here"
}'
Trin 3: Hent og verificer resultaterne
Når anmodningen er behandlet, returnerer API'et indlejringsdata for det angivne input. Kontroller, at svaret indeholder det forventede vektoroutput, bekræft at anmodningen blev gennemført med succes, og gem eller videregiv derefter indlejringerne til din søge‑, genfindings‑, rangerings‑ eller analysepipeline.