OpenAI: text-embedding-ada-002
text-embedding-ada-002- Eingabe / Ausgabe
- $0.10 / $0.00
- Kontext
- 8.2K
- Modalitäten
- Einbettung
Über text-embedding-ada-002
text-embedding-ada-002 ist ein früheres Embedding-Modell von OpenAI, auf dem viele bestehende Vektorindizes basieren. OpenAI beschreibt es als eine verbesserte, leistungsfähigere Version des ursprünglichen ada-Embedding-Modells, die Suche, Clustering, Empfehlungen, Anomalieerkennung und Klassifizierung abdeckt. Es ist hauptsächlich relevant, um die Kompatibilität mit gespeicherten Vektoren zu wahren, da die neueren text-embedding-3-Modelle es für neue Projekte ersetzen.
Stärken
- Kompatibel mit der großen Anzahl an Indizes, die bereits mit ada-002-Vektoren erstellt wurden.
- Deckt Suche, Clustering, Empfehlungen, Anomalieerkennung und Klassifizierung ab.
- Ein einzelnes, vertrautes Embedding-Modell mit einer langen Erfolgsbilanz in Produktionssystemen.
- Funktioniert mit den Embeddings- und Batch-Endpunkten.
Alternativen
- Die text-embedding-3-Modelle von OpenAI sind die neuere Generation, und neue Projekte beginnen üblicherweise damit.
- Seine Vektoren können nicht mit denen eines anderen Modells gemischt werden; eine Migration bedeutet daher, alles neu zu embedden.
- Es bettet nur Text ein und bietet keine wählbaren Dimensionen.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
EinbettungTokenLab-EndpunktPOST/v1/embeddingscurl -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." }'
Parameter
Einbettung
| Parameter | Werte und Grenzen | Standardwert | Hinweise |
|---|---|---|---|
encoding_format | float, base64 | Nicht angegeben | Nicht angegeben |
input | Eingaben: ≥ 1, ≤ 2048 | Nicht angegeben | Input accepts text or token IDs. Each input is limited to 8192 tokens; a request is limited to 300000 tokens in total. |
user | Nicht angegeben | Nicht angegeben | Nicht angegeben |
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Einbettung
Pro 1M Token- Official-Preis
- Eingabe $0.10 / Ausgabe $0.00
- Verified-Preis
- —
- Rabatt
- —
| Official-PreisPro 1M Token | Verified-PreisPro 1M Token | Rabatt | |
|---|---|---|---|
| Einbettung | Eingabe $0.10 / Ausgabe $0.00 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne text-embedding-ada-002 in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste text-embedding-ada-002 mit embedding an /v1/embeddings. Zeige Ergebnis und Kosten.
Anwendungsfälle
Wartung eines bestehenden Index
Fügen Sie einem Korpus, der bereits mit ada-002 eingebettet wurde, neue Dokumente hinzu, damit Abfragen weiterhin übereinstimmen.
Legacy-RAG-Systeme
Halten Sie einen produktiven Retrieval-Stack stabil und unverändert, während das Team eine sorgfältige Migration plant.
Reproduktion früherer Ergebnisse
Führen Sie ältere Experimente und Auswertungen erneut aus, die von ada-002-Vektoren abhingen, damit die Ergebnisse vergleichbar bleiben.
Migrations-Baseline
Vergleichen Sie die Retrieval-Qualität von ada-002 mit einem neueren Embedding-Modell anhand Ihrer eigenen Abfragen, bevor Sie wechseln.
Prompt-Beispiele
Betten Sie diese neuen Support-Artikel ein, damit sie zum bestehenden ada-002-Index passen.
Betten Sie meine Testabfragen mit demselben Modell ein wie den gespeicherten Korpus.
Betten Sie 500 Dokumente ein, damit ich das Retrieval mit text-embedding-3-small vergleichen kann.
Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.
FAQ
Was für ein Modell ist text-embedding-ada-002?
Es ist ein älteres Text-Embedding-Modell von OpenAI, das OpenAI als eine verbesserte, leistungsfähigere Version des ursprünglichen ada-Embedding-Modells beschreibt. Es wandelt Text für Suchen und ähnliche Aufgaben in Vektoren um.
Warum sollte es noch jemand verwenden?
Um die Kompatibilität mit bereits gespeicherten Vektoren zu wahren. Eine Abfrage muss mit demselben Modell eingebettet werden wie die Dokumente; daher benötigt ein bestehender ada-002-Index ada-002, bis Sie eine erneute Einbettung vornehmen.
Sollten neue Projekte es verwenden?
Normalerweise nicht. Die text-embedding-3-Modelle sind neuer, und OpenAI führt text-embedding-3-small als Verbesserung gegenüber dem ada-Modell auf. Beginnen Sie dort, es sei denn, die Kompatibilität mit gespeicherten Vektoren erzwingt ada-002.
Wie migriere ich davon weg?
Betten Sie den vollständigen Korpus mit dem neuen Modell neu ein, erstellen Sie einen neuen Index und stellen Sie die Abfragen gemeinsam um. Mischen Sie niemals Vektorräume in einem Index und behalten Sie den alten Index bei, bis der neue verifiziert ist.
Welche Endpunkte unterstützen es?
Es funktioniert nur mit dem Embeddings-Endpunkt und dem Batch-Endpunkt. Chat-, Assistants-, Fine-Tuning- und Bild-Endpunkte werden nicht unterstützt, daher dient es rein als Vektorgenerator für Retrieval-Systeme.
Was kostet text-embedding-ada-002?
Auf TokenLab kostet text-embedding-ada-002 Eingabe $0.10 / Ausgabe $0.00 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welchen Endpunkt soll text-embedding-ada-002 verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/embeddings für text-embedding-ada-002. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt text-embedding-ada-002?
text-embedding-ada-002 unterstützt Einbettung. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
text-embedding-ada-002 vergleichen
Quellen
Geprüft am 02.10.2026
