OpenAI: text-embedding-ada-002

Text Embedding Ada 002 هو نموذج تضمين سابق من OpenAI يُستخدم في العديد من فهارس المتجهات الموجودة. ويظل ذا صلة عند الحفاظ على التوافق مع التضمينات المخزنة، حيث لا ينبغي خلط المتجهات من نماذج مختلفة في مساحة تشابه واحدة.

مقارنة النماذج

text-embedding-ada-002

متاحOpenAIتضمينمتزامن

الإدخال / الإخراج: $0.10 / $0.00
السياق: 8.2K
الأنماط: تضمين

عن text-embedding-ada-002

يُعد text-embedding-ada-002 نموذج تضمين نصي سابق من OpenAI، وقد بُنيت عليه العديد من فهارس المتجهات الحالية. تصفه OpenAI بأنه نسخة محسنة وأكثر كفاءة من نموذج تضمين ada الأصلي، ويغطي مهام البحث، والتجميع، والتوصيات، واكتشاف الشذوذ، والتصنيف. تكمن أهميته بشكل أساسي في الحفاظ على التوافق مع المتجهات المخزنة، حيث تحل نماذج text-embedding-3 الأحدث محله في المشاريع الجديدة.

نقاط القوة

متوافق مع العدد الكبير من الفهارس التي تم إنشاؤها بالفعل باستخدام متجهات ada-002.
يغطي مهام البحث، والتجميع، والتوصيات، واكتشاف الشذوذ، والتصنيف.
نموذج تضمين واحد ومألوف يتمتع بسجل طويل في أنظمة الإنتاج.
يعمل على نقاط نهاية التضمينات (embeddings) والدفعات (batch).

متى تستخدم نموذجاً آخر

تُعد نماذج text-embedding-3 من OpenAI الجيل الأحدث، وعادةً ما تبدأ المشاريع الجديدة باستخدامها.
لا يمكن دمج متجهاته مع متجهات نموذج آخر، لذا فإن الترحيل يعني إعادة تضمين كل شيء.
يقوم بتضمين النصوص فقط ولا يوفر أبعاداً قابلة للاختيار.

البدء

إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.

إرسال طلبك الأول

انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).

تضميننقطة اتصال TokenLab

POST/v1/embeddings

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "encoding_format": "float",
  "model": "text-embedding-ada-002",
  "input": "The quick brown fox jumps over the lazy dog."
}'

المعايير

تضمين

المعلمة	القيم والحدود	القيمة الافتراضية	ملاحظات
`encoding_format`	float, base64	غير متوفر	غير متوفر
`input`	عدد المدخلات: ≥ 1, ≤ 2048	غير متوفر	Input accepts text or token IDs. Each input is limited to 8192 tokens; a request is limited to 300000 tokens in total.
`user`	غير متوفر	غير متوفر	غير متوفر

التسعير

ينطبق سعر Verified على مسار Verified، وهو الأقل تكلفة في معظم النماذج. سعر Official هو السعر المعلن من صانع النموذج وينطبق على مسار Official الأكثر موثوقية. يحاسب خيار Auto بناءً على المسار الذي يكمل الطلب.

تضمين

لكل 1M Token

سعر Official: المدخلات $0.10 / المخرجات $0.00
سعر Verified: —
خصم: —

	سعر Officialلكل 1M Token	سعر Verifiedلكل 1M Token	خصم
تضمين	المدخلات $0.10 / المخرجات $0.00	—	—

الاستخدام والنشاط

معدل النجاح هو نسبة الطلبات المكتملة. زمن الاستجابة هو مدة الاستجابة الكاملة؛ ويعني P95 أن 95% من الطلبات اكتملت ضمن ذلك الوقت.

الاستخدام والتوفر

آخر 24 ساعة

الطلبات
معدل النجاح
زمن الاستجابة P95
إجمالي الرموز

أداء النموذج

آخر تحديث 01‏/11‏/2026، 8:12 ص UTC

تظهر المقاييس بمجرد استيفاء حدود الخصوصية وحجم البيانات.

تستند البيانات إلى طلبات المستخدمين المجمعة، باستثناء عمليات التحقق من الحالة.

فتح في Console

افتح text-embedding-ada-002 في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة text-embedding-ada-002 عبر embedding في /v1/embeddings. اعرض النتيجة والتكلفة.

حالات الاستخدام

صيانة فهرس موجود
إضافة مستندات جديدة إلى مجموعة بيانات تم تضمينها مسبقاً باستخدام ada-002 لضمان مطابقة الاستعلامات.
أنظمة استرجاع المعلومات (RAG) القديمة
الحفاظ على استقرار وثبات حزمة استرجاع المعلومات في بيئة الإنتاج بينما يخطط الفريق لعملية ترحيل دقيقة.
إعادة إنتاج النتائج السابقة
إعادة تشغيل التجارب والتقييمات القديمة التي اعتمدت على متجهات ada-002، لضمان بقاء النتائج قابلة للمقارنة.
أساس للترحيل
مقارنة جودة الاسترجاع لنموذج ada-002 مقابل نموذج تضمين أحدث باستخدام استعلاماتك الخاصة قبل الانتقال.

أمثلة Prompt

تضمين مقالات الدعم الجديدة هذه لتتوافق مع فهرس ada-002 الحالي.

تضمين استعلامات الاختبار الخاصة بي باستخدام نفس النموذج المستخدم في مجموعة البيانات المخزنة.

تضمين 500 مستند لأتمكن من مقارنة الاسترجاع مقابل text-embedding-3-small.

هذا النموذج بتسعير مشروط. مجاميع الرموز الشهرية وحدها لا تنتج تقديرًا موثوقًا؛ استخدم التسعير التفصيلي لمواصفات الطلب وذاكرة التخزين المؤقت والنافذة الزمنية المعمول بها.

FAQ

ما نوع النموذج الذي يمثله text-embedding-ada-002؟

هو نموذج تضمين نصي قديم من OpenAI تصفه الشركة بأنه نسخة محسنة وأكثر كفاءة من نموذج تضمين ada الأصلي. يقوم بتحويل النص إلى متجهات لأغراض البحث والمهام المشابهة.

لماذا قد يستمر أي شخص في استخدامه؟

للحفاظ على التوافق مع المتجهات المخزنة بالفعل. يجب تضمين الاستعلام باستخدام نفس النموذج المستخدم في المستندات، لذا يحتاج فهرس ada-002 الحالي إلى ada-002 حتى تقوم بإعادة التضمين.

هل يجب أن تستخدمه المشاريع الجديدة؟

غالباً لا. نماذج text-embedding-3 أحدث، وتدرج OpenAI نموذج text-embedding-3-small كتحسين على نموذج ada. ابدأ به ما لم تفرض عليك التوافقية مع المتجهات المخزنة استخدام ada-002.

كيف يمكنني الترحيل منه؟

أعد تضمين مجموعة البيانات الكاملة باستخدام النموذج الجديد، وابنِ فهرساً جديداً، وقم بتحويل الاستعلامات معاً. لا تخلط أبداً بين مساحات المتجهات في فهرس واحد، واحتفظ بالفهرس القديم حتى يتم التحقق من صحة الجديد.

ما هي نقاط النهاية التي تدعمه؟

يعمل فقط مع نقطة نهاية التضمينات (embeddings) ونقطة نهاية الدفعات (batch). لا يتم دعم نقاط نهاية الدردشة، والمساعدين، والضبط الدقيق، والصور، لذا فهو يعمل فقط كمولد متجهات لأنظمة الاسترجاع.

كم تكلفة text-embedding-ada-002؟

على TokenLab تكلف text-embedding-ada-002 المدخلات $0.10 / المخرجات $0.00 لكل 1M Token. التفاصيل الكاملة في جدول التسعير أعلاه. تعتمد الأسعار على وحدة الفوترة والمواصفات والاستخدام. قارن بين الشروط المتطابقة في التسعير التفصيلي للنموذج؛ السعر الواحد لا يحدد التكلفة الإجمالية.

ما نقطة النهاية التي يجب أن يستخدمها text-embedding-ada-002؟

استخدم https://api.tokenlab.sh/v1/embeddings كافتراضي لـ text-embedding-ada-002. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها text-embedding-ada-002؟

text-embedding-ada-002 يدعم تضمين. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.