Especificações técnicas de text-embedding-3-small
| Item | Detalhes |
|---|---|
| Model ID | text-embedding-3-small |
| Model type | Modelo de embedding de texto |
| Description | Um modelo de embedding de texto compacto para processamento eficiente. |
| Primary use | Converter texto em embeddings de vetores densos para busca semântica, recuperação, agrupamento, classificação e tarefas de similaridade |
| Input modality | Texto |
| Output modality | Vetores de embedding |
| Context suitability | Otimizado para cargas de trabalho eficientes de embedding de texto |
| Typical integration pattern | Geração de embeddings baseada em API para sistemas de PLN e recuperação subsequentes |
O que é text-embedding-3-small?
text-embedding-3-small é um modelo de embedding de texto projetado para transformar texto em representações vetoriais numéricas que capturam significado semântico. Esses embeddings facilitam que as aplicações comparem trechos de texto por similaridade em vez de correspondência exata por palavras‑chave.
Por ser um modelo de embedding pequeno, text-embedding-3-small é bem adequado para processamento eficiente em sistemas de produção que exigem respostas rápidas e geração de embeddings em escala. Pode ser usado em fluxos de trabalho como busca semântica, pipelines de recomendação, recuperação de documentos, deduplicação, correspondência de intenção e indexação de bases de conhecimento.
Principais recursos de text-embedding-3-small
- Geração eficiente de embeddings: Projetado para conversão de texto em vetor rápida e leve em aplicações que precisam de desempenho responsivo.
- Compreensão semântica: Codifica o texto em embeddings que ajudam a capturar significado e similaridade contextual além da simples sobreposição lexical.
- Implantação escalável: Adequado para pipelines de alto volume, como indexação de documentos, acervos de busca, FAQs, catálogos de produtos ou conteúdos de suporte.
- Uso versátil em etapas subsequentes: Suporta casos de uso incluindo recuperação, preparação para reranqueamento, agrupamento, classificação, recomendação e detecção de duplicados.
- Integração amigável a API: Funciona bem em arquiteturas de aplicações modernas que dependem de geração programática de embeddings por meio de APIs hospedadas.
Como acessar e integrar text-embedding-3-small
Etapa 1: Registre-se para obter a chave de API
Para começar, registre-se na plataforma CometAPI e gere sua chave de API no painel. Após obter a chave, armazene-a com segurança e use-a para autenticar todas as solicitações à API de text-embedding-3-small.
Etapa 2: Envie solicitações para a API de text-embedding-3-small
Quando tiver sua chave de API, envie solicitações HTTPS para o endpoint do CometAPI e especifique text-embedding-3-small como o modelo. Inclua seu texto de entrada no corpo da solicitação e garanta que o cabeçalho de autorização esteja devidamente configurado.
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"
}'
Etapa 3: Recupere e verifique os resultados
Após o processamento da solicitação, a API retorna os dados de embeddings para a entrada fornecida. Verifique se a resposta inclui o vetor esperado, confirme que a solicitação foi concluída com sucesso e, em seguida, armazene ou encaminhe os embeddings para seu pipeline de busca, recuperação, ranqueamento ou análises.