text-embedding-ada-002

Texto

Text embeddings amplamente suportados para pipelines existentes

Entrada $0.10 / 1M de tokens | Saída Grátis / 1M de tokens text-embedding-ada-002 Ler a documentação →

Saúde do modelo Dados insuficientes

runapi.ai

# Base URL
https://runapi.ai

# Endpoints
POST /v1/embeddings

curl https://runapi.ai/v1/embeddings \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "text-embedding-ada-002",
  "input": [
    "Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas."
  ],
  "encoding_format": "float"
}'

from openai import OpenAI

client = OpenAI(
    base_url="https://runapi.ai/v1",
    api_key="your-runapi-key"
)

response = client.chat.completions.create(
    model="text-embedding-ada-002",
    messages=[{"role": "user", "content": "Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas."}]
)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://runapi.ai/v1",
  apiKey: "your-runapi-key"
});

const response = await client.chat.completions.create({
  model: "text-embedding-ada-002",
  messages: [{ role: "user", content: "Gere embeddings destes artigos de suporte e de uma consulta de cliente para que eu possa ranquear as correspondências mais próximas." }]
});

https://runapi.ai 1 endpoint

3 variantes disponíveis

Playground

Experimente text-embedding-ada-002

Escolha qualquer modelo e gere em segundos.

Nenhum modelo disponível no momento.

Especificações

Provedor	OpenAI
ID do modelo	text-embedding-ada-002
Modalidade	Texto
Tipos de tarefa	Synchronous

Endpoint da API	/v1/embeddings
Unidade de cobrança	1K tokens
Status do catálogo	Operacional

COMO FUNCIONA

Use este modelo em 3 etapas

Crie sua chave

Cadastre-se gratuitamente e crie uma chave de API para text-embedding-ada-002 no painel.
Envie uma solicitação

Envie uma solicitação POST para /v1/embeddings com o identificador do modelo text-embedding-ada-002 e seus parâmetros.
Obtenha os resultados

Leia diretamente do endpoint a resposta concluída de text-embedding-ada-002.

O que este modelo oferece

Cobertura de endpoints

Expõe 1 endpoint(s) público(s): embedding.

Cobrança por uso

Medido por 1K tokens, sem exigência de assinatura.

text-embedding-ada-002 PREÇOS

Endpoint

Preço

embedding

Entrada: $0.10 / 1M de tokens Saída: Grátis / 1M de tokens

REFERÊNCIA DA API

Especificação do endpoint

Endpoint: POST /v1/embeddings
ID do modelo: text-embedding-ada-002
Tipos de tarefa: embedding

Parâmetros da solicitação

Nenhum parâmetro de solicitação foi publicado para este endpoint.

CASOS DE USO

Busca semântica

Indexe documentos, FAQs ou catálogos de produtos como vetores e recupere os resultados mais relevantes por significado, sem depender de correspondência de palavras-chave.

Pipelines RAG

Gere embeddings de trechos da base de conhecimento e envie as correspondências mais próximas para um prompt LLM para respostas fundamentadas com citações.

Clustering e classificação

Agrupe tickets de suporte, respostas de pesquisas ou feedback de usuários por similaridade semântica sem rotulagem manual.

FAQ

Perguntas frequentes sobre text-embedding-ada-002

Como seleciono text-embedding-ada-002?

Envie o ID de modelo mostrado no quickstart.

O preço é por uso?

Sim. O preço é medido por chamada ou unidade.

Quantas dimensões o text-embedding-ada-002 gera?

text-embedding-3-small gera 1.536 dimensões por padrão. Ele suporta Matryoshka embeddings, então você pode solicitar 256, 512 ou 1.024 dimensões para reduzir o custo de armazenamento preservando a maior parte da qualidade de recuperação.

Como o text-embedding-3-small se compara ao text-embedding-3-large?

text-embedding-3-large tem 3.072 dimensões e pontua cerca de 2 pontos a mais no benchmark MTEB, mas custa aproximadamente 6,5 vezes mais por milhão de tokens. Para a maioria dos casos de busca semântica e RAG, o text-embedding-3-small oferece qualidade comparável a uma fração do custo.

Qual é o custo do text-embedding-3-small no RunAPI?

O RunAPI cobra por chamada de embedding sem assinatura ou gasto mínimo. Consulte a tabela de preços nesta página para a taxa atual por chamada. Requisições com falha não são cobradas.

Posso usar processamento em lote para reduzir os custos de embedding?

Sim. Envie múltiplos textos em uma única chamada de API para reduzir o overhead. O RunAPI processa requisições de embedding em lote e retorna todos os vetores em uma única resposta, o que é mais eficiente para indexar grandes coleções de documentos.

Construindo com uma equipe?

Ajudamos com a configuração empresarial, integrações e dúvidas técnicas.

Fale conosco