text-embedding-3-large
بزرگترین مدلِ تعبیهسازیِ OpenAI — برای جستوجوی معناییِ دقیق
معرفی.
این مدل متن را به یک بردارِ ۳۰۷۲ بُعدی تبدیل میکند. برای ساختِ سیستمِ RAG، جستوجویِ معنایی، یا کلاستربندیِ اسناد، این مدل دقتِ بالایی دارد.
برای چه چیزی خوب است.
- ●جستوجویِ معنایی در پایگاهِ متن
- ●RAG با دقتِ بالا
- ●کلاستربندیِ مقالات
جزئیات.
- سرویسدهنده
- OpenAI
- خانواده
- Embeddings
- پنجرهٔ context
- ۸٬۱۹۲ توکن
- انتشار
- ۱۴۰۲
- استریم
- خیر
- اندپوینتها
- /v1/embeddings
یک مثالِ کوتاه.
کافی است base_url را به https://1xai.ir/v1 تنظیم کنی و کلیدِ بومیات را از داشبورد بگیری.
from openai import OpenAI
client = OpenAI(
base_url="https://1xai.ir/v1",
api_key="1xai-...",
)
resp = client.chat.completions.create(
model="text-embedding-3-large",
messages=[{"role": "user", "content": "سلام"}],
)
print(resp.choices[0].message.content)سؤالهای رایج.
دربارهٔ text-embedding-3-large و استفادهاش از داخل ایران.
قیمت text-embedding-3-large برای کاربران ایرانی چقدر است؟+
هزینهٔ ورودی هر ۱۰۰۰ توکن ۴۷ تومان و خروجی ۰ تومان است. این رقم نرخِ پایهٔ OpenAI بهاضافهٔ ۲۰٪ مارکآپِ 1xAi است که روزانه با نرخِ تومان بازمحاسبه میشود.
آیا میتوانم text-embedding-3-large را بدون VPN از داخل ایران استفاده کنم؟+
بله. کافی است base_url کلاینتِ OpenAI خود را به https://1xai.ir/v1 تغییر دهید و کلیدِ بومیِ 1xAi را جایگزین کنید. هیچ VPN، پروکسی، یا تنظیمِ شبکهای لازم نیست. مدلِ text-embedding-3-large مستقیماً از طریقِ زیرساختِ 1xAi در دسترس است.
text-embedding-3-large برای چه کارهایی مناسبتر است؟+
بزرگترین مدلِ تعبیهسازیِ OpenAI — برای جستوجوی معناییِ دقیق بهترین کاربردها: جستوجویِ معنایی در پایگاهِ متن، RAG با دقتِ بالا، کلاستربندیِ مقالات.
پنجرهٔ context مدلِ text-embedding-3-large چقدر است؟+
این مدل تا ۸۱۹۲ توکن را در یک درخواست میپذیرد. این محدودیت شامل پیامِ ورودی، تاریخچهٔ گفتگو، و پاسخِ مدل میشود.
چگونه با کارت ایرانی هزینهٔ text-embedding-3-large را پرداخت کنم؟+
از طریق درگاهِ زرینپال در داشبوردِ 1xAi شارژ کنید. هر کارتِ بانکیِ شتاب قابل قبول است. حداقل ۱۰۰هزار تومان و حداکثر ۲۵میلیون تومان در هر تراکنش.