2024 జనవరి 25న మేము రెండు కొత్త ఎంబెడింగ్ నమూనాలను విడుదల చేశాము: text-embedding-3-small, text-embedding-3-large. ఇవి తక్కువ ఖర్చు, మెరుగైన బహుభాషా పనితీరు, ఎంబెడింగ్లను కుదించడానికి కొత్త పరామితితో అందుబాటులో ఉన్న మా సరికొత్త, అత్యుత్తమ పనితీరు గల ఎంబెడింగ్ నమూనాలు. మరింత చదవండి.
తాజా ఎంబెడింగ్ మోడళ్లలో ఏమి భిన్నంగా ఉంది?
మా తాజా v3 మోడళ్లు తక్కువ ధరలో సాధారణ బెంచ్మార్క్లపై మెరుగైన పనితీరును అందిస్తాయి. పనితీరు మెరుగుదలల గురించి ప్రకటన బ్లాగ్ పోస్ట్లో మరియు డెవలపర్ డాక్యుమెంటేషన్లో మరింత చదవవచ్చు.
ఒక స్ట్రింగ్ను ఎంబెడ్ చేయడానికి ప్రయత్నించే ముందు దానిలో ఎన్ని టోకెన్లు ఉంటాయో నేను ఎలా తెలుసుకోగలను?
ఒక స్ట్రింగ్లో ఎన్ని టోకెన్లు ఉంటాయో తనిఖీ చేయడానికి మీరు OpenAI యొక్క Tiktoken ప్యాకేజీని ఉపయోగించవచ్చు. మా ఎంబెడింగ్ల డెవలపర్ గైడ్లో మరింత తెలుసుకోండి.
K సమీప ఎంబెడింగ్ వెక్టర్లను నేను త్వరగా ఎలా పొందగలను?
అనేక వెక్టర్లలో త్వరగా శోధించడానికి, వెక్టర్ డేటాబేస్ ఉపయోగించమని మేము సిఫార్సు చేస్తున్నాము.
నేను ఏ దూర ఫంక్షన్ను ఉపయోగించాలి?
OpenAI API ఎంబెడింగ్ అవుట్పుట్లు డిఫాల్ట్గా పొడవు 1కి L2-నార్మలైజ్ చేయబడతాయి, dimensions పారామీటర్తో కుదించిన తర్వాత కూడా అలాగే ఉంటాయి, దీనర్థం:
OpenAI ఎంబెడింగ్లు పొడవు 1కి నార్మలైజ్ చేయబడతాయి, దీనర్థం:
కేవలం డాట్ ప్రొడక్ట్ను ఉపయోగించి కోసైన్ సిమిలారిటీని కొంచెం వేగంగా గణించవచ్చు
కోసైన్ సిమిలారిటీ మరియు యూక్లిడియన్ దూరం ఒకే ర్యాంకింగ్లను ఇస్తాయి