Text Embedding Ada 002
нейросеть
Text Embedding Ada 002 — модель эмбеддингов OpenAI для семантического поиска, RAG и кластеризации текста.
Характеристики
- Входные данные
- текст
- Результат
- векторы (эмбеддинги)
- Размер контекста
- 8 192 токена
- Размерность вектора
- 1 536
Стоимость промпта
(за 1M токенов)
Как работает Text Embedding Ada 002?
Text Embedding Ada 002 — предыдущее поколение эмбеддинг-моделей OpenAI: на вход подаётся текст, на выходе — числовой вектор, по близости которого оценивается смысловое сходство фрагментов. Модель применяют там, где индекс уже построен на ней и переиндексация нежелательна. В BotHub она подключается по единому OpenAI-совместимому API: доступ из России без VPN и зарубежной карты, оплата в рублях по факту за токены, а рядом в том же окне вы найдёте более 250 других моделей. Собрать на ней можно семантический поиск по базе документов, RAG-пайплайны поверх Qdrant или pgvector, кластеризацию обращений в поддержку, дедупликацию карточек товаров и рекомендации по смысловой близости.Частые вопросы о Text Embedding Ada 002
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Модель переводит текст в числовые векторы, по близости которых можно сравнивать смысл фрагментов. Её берут для семантического поиска, RAG-пайплайнов, кластеризации и дедупликации документов, классификации обращений и рекомендаций. Контекст — 4095 токенов, то есть длинные тексты вы заранее режете на чанки.
На выходе вы получаете не текст и не картинку, а массив чисел — вектор размерностью 1536 для каждого фрагмента. Такие векторы складывают в Qdrant, pgvector, Milvus или другое векторное хранилище и ищут по косинусной близости. Формат ответа — обычный JSON от API.
Это эмбеддинговая модель, она не ведёт рассуждений и не формулирует ответы — её задача превратить текст в вектор. Логику поверх найденных фрагментов строит генеративная модель. В BotHub вы комбинируете их в одном окне и через единый API.
В наших данных function calling для этой модели не отмечен, и по своей природе эмбеддинги не предполагают вызова инструментов. При этом ответ API приходит в JSON — там лежат сами векторы и счётчик израсходованных токенов, что удобно парсить в любом бэкенде.
Приём других модальностей в наших данных не отмечен: рабочий вход — текстовые строки или их массив. Для картинок, звука и видео в BotHub есть профильные модели, а переключиться на них можно в том же интерфейсе или через OpenAI-совместимый API без переписывания интеграции.
Модель мультиязычная и векторизует русские тексты, поэтому близкие по смыслу фразы оказываются рядом в векторном пространстве. Качество поиска проверяйте на своей коллекции: многое зависит от разбиения на чанки и порога близости. Доступ к API из России — без VPN и зарубежной карты.