Specifiche tecniche di text-embedding-3-small
| Voce | Dettagli |
|---|---|
| ID modello | text-embedding-3-small |
| Tipo di modello | Modello di embedding testuale |
| Descrizione | Un piccolo modello di embedding testuale per un'elaborazione efficiente. |
| Uso principale | Conversione del testo in embedding vettoriali densi per attività di ricerca semantica, recupero, clustering, classificazione e valutazione della similarità |
| Modalità di input | Testo |
| Modalità di output | Vettori di embedding |
| Idoneità al contesto | Ottimizzato per carichi di lavoro di embedding testuale efficienti |
| Schema di integrazione tipico | Generazione di embedding basata su API per sistemi NLP e di retrieval a valle |
Che cos'è text-embedding-3-small?
text-embedding-3-small è un modello di embedding testuale progettato per trasformare il testo in rappresentazioni vettoriali numeriche che catturano il significato semantico. Questi embedding facilitano alle applicazioni il confronto di porzioni di testo in base alla similarità anziché alla corrispondenza esatta delle parole chiave.
In quanto modello di embedding di dimensioni ridotte, text-embedding-3-small è adatto a un’elaborazione efficiente in sistemi di produzione che necessitano di tempi di risposta rapidi e di una generazione di embedding scalabile. Può essere utilizzato in flussi di lavoro quali ricerca semantica, pipeline di raccomandazione, recupero di documenti, deduplicazione, corrispondenza degli intenti e indicizzazione di basi di conoscenza.
Caratteristiche principali di text-embedding-3-small
- Generazione di embedding efficiente: Progettato per una conversione testo-vettore rapida e leggera nelle applicazioni che richiedono prestazioni reattive.
- Comprensione semantica: Codifica il testo in embedding che aiutano a catturare il significato e la similarità contestuale oltre la semplice sovrapposizione lessicale.
- Distribuzione scalabile: Adatto a pipeline ad alto volume come l’indicizzazione di documenti, corpora di ricerca, FAQ, cataloghi di prodotti o contenuti di supporto.
- Uso a valle versatile: Supporta casi d’uso tra cui recupero, preparazione al reranking, clustering, classificazione, raccomandazione e rilevamento di duplicati.
- Integrazione adatta alle API: Funziona bene negli stack applicativi moderni che si affidano alla generazione programmatica di embedding tramite API ospitate.
Come accedere e integrare text-embedding-3-small
Passaggio 1: Registrati per ottenere una chiave API
Per iniziare, registrati sulla piattaforma CometAPI e genera la tua chiave API dal dashboard. Dopo aver ottenuto la chiave, conservala in modo sicuro e usala per autenticare tutte le richieste all’API di text-embedding-3-small.
Passaggio 2: Invia richieste all’API di text-embedding-3-small
Una volta che disponi della chiave API, invia richieste HTTPS all’endpoint di CometAPI e specifica text-embedding-3-small come modello. Includi il testo di input nel corpo della richiesta e assicurati che l’intestazione di autorizzazione sia configurata correttamente.
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"
}'
Passaggio 3: Recupera e verifica i risultati
Una volta elaborata la richiesta, l’API restituisce i dati di embedding per l’input fornito. Verifica che la risposta includa l’output vettoriale previsto, conferma che la richiesta si sia conclusa correttamente e quindi archivia o inoltra gli embedding alla tua pipeline di ricerca, recupero, ranking o analisi.