ГлавнаяМоделиЭмбеддингиEmbedding 3 small

Embedding 3 small API

8k context
ПровайдерOpenai

text-embedding-3-small — эмбеддинги-модель от Openai.

Что умеет Embedding 3 small

Базовый набор возможностей модели — см. документацию вендора.

Стоимость

за 1 млн входных текстовых токенов
2.64 ₽

Цены указаны в рублях и списываются с баланса проекта за успешные запросы. Надбавки (+) суммируются с базовой ставкой.

Технические характеристики

Контекст
8,192
токенов
Vendor
openai
Modality
embedding

text-embedding-3-small для семантического поиска

text-embedding-3-small — модель эмбеддингов от OpenAI, выпущенная 25 января 2024 года. Она превращает текст в числовые векторы для поиска по смыслу, кластеризации, рекомендаций, классификации и выявления аномалий. Модель выделяется более высокой многоязычной производительностью и эффективностью по сравнению с предыдущим поколением, а параметр dimensions позволяет сокращать размер векторов под задачи проекта.

Параметры запроса

Параметры, которые принимает модель. Передаются в теле запроса.

ПараметрТипДиапазон / значенияПо умолчаниюОписание
inputreq
string
—
—
Текст для embedding. Можно передать строку, массив строк или массив токенов. До 8192 токенов на вход. До 2048 элементов в массиве. Суммарно до 300k токенов на запрос.
1 пример
Примеры
The food was delicious and the waiter was polite.
dimensions
integer
min: 1
—
Желаемое количество измерений output-вектора. Если меньше дефолта — модель агрегирует/обрезает. Доступно только для text-embedding-3-* (большое 3072, малое 1536; можно меньше).
encoding_format
enum
float, base64
float
Формат return: float (JSON-массив чисел) или base64 (компактнее по размеру).
user
string
—
—
Уникальный идентификатор end-user — для abuse detection OpenAI.

Пример кода

text-embedding-3-small_example.py
from openai import OpenAI

client = OpenAI(api_key="rk_live_...", base_url="https://api.ranvik.ru/v1")
resp = client.chat.completions.create(
    model="text-embedding-3-small",
    messages=[{"role": "user", "content": "Привет!"}],
)
print(resp.choices[0].message.content)

# ── С веб-поиском ──
resp = client.responses.create(
    model="text-embedding-3-small",
    input="Что нового в AI сегодня?",
    tools=[{"type": "web_search"}],
)
print(resp.output_text)

# Генерация файла: client.responses.create(model="text-embedding-3-small", input="...", tools=[{"type":"code_interpreter"}])
Полная документация модели

Частые вопросы о Embedding 3 small

text-embedding-3-small — модель OpenAI, которая преобразует текст в векторы. Они помогают приложениям сравнивать смысл запросов, документов и карточек товаров.
Модель нужна для семантического поиска, рекомендаций, кластеризации и классификации текстов. Она находит близкие по смыслу материалы, а не только совпадения слов.
Подключить API можно через Ranvik API. Сервис помогает быстро начать работу с text-embedding-3-small и использовать модель в собственных продуктах и сценариях.
Используйте Ranvik API: сервис предоставляет доступ к text-embedding-3-small без VPN. Получайте векторы текста для поиска, базы знаний, рекомендаций и аналитики.
Да, в Ranvik API доступна оплата в российских рублях. Это упрощает подключение text-embedding-3-small и позволяет удобнее планировать расходы на API.
Да, text-embedding-3-small поддерживает параметр dimensions для сокращения векторов. Это помогает адаптировать хранение и обработку данных под требования проекта.