Especificaciones técnicas de text-embedding-3-small
| Elemento | Detalles |
|---|---|
| ID del modelo | text-embedding-3-small |
| Tipo de modelo | Modelo de embeddings de texto |
| Descripción | Un modelo pequeño de embeddings de texto para un procesamiento eficiente. |
| Uso principal | Convertir texto en embeddings vectoriales densos para búsqueda semántica, recuperación, agrupamiento, clasificación y tareas de similitud |
| Modalidad de entrada | Texto |
| Modalidad de salida | Vectores de embedding |
| Idoneidad | Optimizado para cargas de trabajo eficientes de embeddings de texto |
| Patrón de integración típico | Generación de embeddings basada en API para sistemas posteriores de PLN y recuperación |
¿Qué es text-embedding-3-small?
text-embedding-3-small es un modelo de embeddings de texto diseñado para transformar texto en representaciones numéricas vectoriales que capturan el significado semántico. Estos embeddings facilitan que las aplicaciones comparen fragmentos de texto por similitud en lugar de coincidencia exacta de palabras clave.
Al ser un modelo de embeddings pequeño, text-embedding-3-small es ideal para un procesamiento eficiente en sistemas de producción que requieren tiempos de respuesta rápidos y generación de embeddings escalable. Puede utilizarse en flujos de trabajo como búsqueda semántica, canalizaciones de recomendación, recuperación de documentos, deduplicación, emparejamiento de intenciones e indexación de bases de conocimiento.
Características principales de text-embedding-3-small
- Generación eficiente de embeddings: Diseñado para una conversión texto-a-vector rápida y liviana en aplicaciones que necesitan un rendimiento ágil.
- Comprensión semántica: Codifica el texto en embeddings que ayudan a capturar el significado y la similitud contextual más allá de la simple superposición léxica.
- Despliegue escalable: Adecuado para canalizaciones de alto volumen como indexación de documentos, corpus de búsqueda, preguntas frecuentes, catálogos de productos o contenidos de soporte.
- Uso versátil aguas abajo: Compatible con casos de uso como recuperación, preparación para reordenamiento, agrupamiento, clasificación, recomendación y detección de duplicados.
- Integración amigable con API: Funciona bien en pilas de aplicaciones modernas que dependen de la generación programática de embeddings mediante APIs hospedadas.
Cómo acceder e integrar text-embedding-3-small
Paso 1: Regístrate para obtener la clave de API
Para comenzar, regístrate en la plataforma CometAPI y genera tu clave de API desde el panel. Después de obtener la clave, guárdala de forma segura y úsala para autenticar todas las solicitudes a la API de text-embedding-3-small.
Paso 2: Envía solicitudes a la API de text-embedding-3-small
Una vez que tengas tu clave de API, envía solicitudes HTTPS al endpoint de CometAPI y especifica text-embedding-3-small como el modelo. Incluye tu texto de entrada en el cuerpo de la solicitud y asegúrate de que el encabezado de autorización esté configurado correctamente.
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"
}'
Paso 3: Recupera y verifica los resultados
Después de procesar la solicitud, la API devuelve los datos de embeddings para la entrada proporcionada. Verifica que la respuesta incluya la salida vectorial esperada, confirma que la solicitud se completó correctamente y luego almacena o pasa los embeddings a tu canalización de búsqueda, recuperación, clasificación o analítica.