AI Prosumer
MR
openai/text-embedding-ada-002

शोध, क्लस्टरिंग आणि शिफारसींसाठी OpenAI चा पूर्व-जनरेशन टेक्स्ट एम्बेडिंग मॉडेल. 1,536 समन्वयांसह वेक्टर परत करते. डिमेन्शन्स पर्याय समर्थित नाही.

इनपुट → आउटपुट
मजकूर एम्बेडिंग्ज
इनपुट · प्रति 1M टोकन्स
क्रेडिट्समध्ये उपलब्ध नाही
संदर्भ विंडो
8,192 टोकन्स
डीफॉल्ट परिमाण
1,536
परवाना: मालकी हक्काचे

मॉडेलपासून अनुप्रयोगापर्यंत

जलद प्रारंभ

API संदर्भ
  1. तुमचा API की प्राप्त करा

    ShareAI कन्सोलमध्ये की तयार करा, नंतर ती तुमच्या सर्व्हरवर पर्यावरणीय व्हेरिएबल म्हणून सेव्ह करा.

    API की तयार करा
    पर्यावरणीय व्हेरिएबल
    export SHAREAI_API_KEY="your-api-key"
  2. तुमचा एंडपॉइंट निवडा

    या प्रवेश दृश्यात उपलब्ध टॅग निवडा त्याचा API विनंती पाहण्यासाठी.

किंमत

या टॅगसाठी क्रेडिट्स ऑफर नाही

दुसरा क्रेडिट्स टॅग निवडा किंवा नेटवर्कमध्ये टोकन एक्सचेंज एक्सप्लोर करा.

नेटवर्क एक्सप्लोर करा →

थोडी अधिक माहिती

वारंवार विचारले जाणारे प्रश्न

text-embedding-ada-002 म्हणजे काय?

शोध, क्लस्टरिंग आणि शिफारसींसाठी OpenAI चा पूर्व-जनरेशन टेक्स्ट एम्बेडिंग मॉडेल. 1,536 समन्वयांसह वेक्टर परत करते. डिमेन्शन्स पर्याय समर्थित नाही.

text-embedding-ada-002 ची किंमत किती आहे?

या टॅगसाठी प्रति-टोकन किंमत प्रकाशित केलेली नाही. उपलब्ध प्रवेश आणि वर्तमान किंमतीसाठी तुमच्या कन्सोलची तपासणी करा.

text-embedding-ada-002 कोणते इनपुट्स आणि आउटपुट्स समर्थित करते?

इनपुट्स: मजकूर. आउटपुट्स: एम्बेडिंग्स. निवडलेल्या मॉडेल टॅगसाठी या क्षमता लागू होतात. समर्थित विनंती स्वरूपांसाठी एंडपॉइंट दस्तऐवज तपासा.

text-embedding-ada-002 चा कॉन्टेक्स्ट लांबी किती आहे?

या टॅगमध्ये 8,192 टोकन्सची संदर्भ विंडो आहे. संदर्भ आकार आणि किंमतींच्या मर्यादा वेगळ्या आहेत. विशिष्ट डिप्लॉयमेंटसाठी विनंती मर्यादा कमी असू शकतात.

ShareAI सह text-embedding-ada-002 कसे वापरावे?

ShareAI कन्सोलमध्ये API की तयार करा, मॉडेल टॅग निवडा, आणि क्विक स्टार्टमधील एन्डपॉइंटला प्रमाणित विनंती पाठवा. निवडलेल्या मॉडेलसाठी तुमच्या कीला प्रवेश असणे आवश्यक आहे. तुमची की तुमच्या सर्व्हरवर ठेवा.