OpenAI: text-embedding-ada-002

Text Embedding Ada 002は、多くの既存のベクトルインデックスで使用されているOpenAIの初期の埋め込みモデルです。異なるモデルのベクトルを同一の類似性空間で混在させるべきではないため、保存された埋め込みとの互換性を維持する場合に依然として重要です。

モデルを比較

text-embedding-ada-002

利用可能OpenAI埋め込み同期

入力 / 出力: $0.10 / $0.00
コンテキスト: 8.2K
モダリティ: 埋め込み

text-embedding-ada-002 について

text-embedding-ada-002は、既存の多くのベクトルインデックスの構築に使用されたOpenAIの初期の埋め込みモデルです。OpenAIは、検索、クラスタリング、レコメンデーション、異常検知、分類をカバーする、オリジナルのada埋め込みモデルを改良し、パフォーマンスを向上させたバージョンであると説明しています。新しいプロジェクトではより新しいtext-embedding-3モデルが採用されるため、このモデルは主に、保存済みのベクトルとの互換性を維持するために重要となります。

得意なこと

ada-002ベクトルで既に構築された多数のインデックスと互換性があります。
検索、クラスタリング、レコメンデーション、異常検知、分類をカバーします。
本番環境での長年の実績を持つ、馴染み深い単一の埋め込みモデルです。
embeddingsエンドポイントおよびbatchエンドポイントで動作します。

他のモデルを検討すべきケース

OpenAIのtext-embedding-3モデルは新しい世代であり、通常、新規プロジェクトはこちらから開始します。
このモデルのベクトルは他のモデルのベクトルと混在させることができないため、移行にはすべての再埋め込みが必要です。
テキストの埋め込みのみを行い、次元数の選択はできません。

はじめに

最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。

最初のリクエストを送信する

お使いの言語の例をコピーして、エンドポイントに対して実行してください。

埋め込みTokenLab エンドポイント

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."
}'

パラメータ

埋め込み

パラメーター	値と制限	デフォルト	注記
`encoding_format`	float, base64	未提供	未提供
`input`	入力数: ≥ 1, ≤ 2048	未提供	Input accepts text or token IDs. Each input is limited to 8192 tokens; a request is limited to 300000 tokens in total.
`user`	未提供	未提供	未提供

料金

Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。

埋め込み

100万トークンあたり

Official 価格: 入力 $0.10 / 出力 $0.00
Verified 価格: —
割引: —

	Official 価格100万トークンあたり	Verified 価格100万トークンあたり	割引
埋め込み	入力 $0.10 / 出力 $0.00	—	—

使用状況とアクティビティ

成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。

使用量と可用性

過去24時間

リクエスト数
成功率
P95 レイテンシ
合計トークン数

モデルパフォーマンス

最終更新日時: 2026/11/01 8:12 UTC

プライバシーおよびデータ量のしきい値に達すると、メトリクスが表示されます。

データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。

Consoleで開く

Consoleでtext-embedding-ada-002を開き、プロンプトを編集・送信できます。

text-embedding-ada-002と/v1/embeddingsでembeddingを実行。結果とコストを表示します。

ユースケース

既存のインデックスの維持
ada-002で既に埋め込み済みのコーパスに新しいドキュメントを追加し、クエリとの整合性を保ちます。
レガシーRAGシステム
チームが慎重な移行を計画する間、本番環境の検索スタックを安定した状態で維持します。
以前の結果の再現
ada-002ベクトルに依存していた古い実験や評価を再実行し、結果の比較可能性を維持します。
移行のベースライン
切り替え前に、独自のクエリを使用してada-002と新しい埋め込みモデルの検索品質を比較します。

プロンプト例

既存のada-002インデックスと一致するように、これらの新しいサポート記事を埋め込みます。

保存済みのコーパスと同じモデルを使用して、テストクエリを埋め込みます。

text-embedding-3-smallとの検索比較を行うため、500件のドキュメントを埋め込みます。

このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。

FAQ

text-embedding-ada-002とはどのようなモデルですか？

これはOpenAIの古いテキスト埋め込みモデルで、オリジナルのada埋め込みモデルを改良し、パフォーマンスを向上させたものとOpenAIは説明しています。テキストを検索や類似タスクのためのベクトルに変換します。

なぜ今でもこれを使用するのですか？

保存済みのベクトルとの互換性を維持するためです。クエリはドキュメントと同じモデルで埋め込む必要があるため、既存のada-002インデックスは再埋め込みを行うまでada-002を必要とします。

新規プロジェクトで使用すべきですか？

通常は推奨されません。text-embedding-3モデルの方が新しく、OpenAIはtext-embedding-3-smallをadaモデルの改良版として挙げています。保存済みベクトルとの互換性がada-002を強制する場合を除き、そちらから開始してください。

どのように移行すればよいですか？

新しいモデルでコーパス全体を再埋め込みし、新しいインデックスを構築してから、クエリをまとめて切り替えてください。一つのインデックス内でベクトル空間を混在させてはならず、新しいインデックスが検証されるまでは古いインデックスを保持してください。

どのエンドポイントがサポートされていますか？

embeddingsエンドポイントとbatchエンドポイントでのみ動作します。Chat、Assistants、Fine-tuning、Imageエンドポイントはサポートされていないため、検索システム用のベクトル生成器としてのみ機能します。

text-embedding-ada-002 の料金はいくらですか？

TokenLab では text-embedding-ada-002 は入力 $0.10 / 出力 $0.00 100万トークンあたりです。詳細は上の料金表を参照してください。料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。

text-embedding-ada-002 はどのエンドポイントを使うべきですか？

text-embedding-ada-002 のデフォルトは https://api.tokenlab.sh/v1/embeddings です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。

text-embedding-ada-002 はどの操作に対応していますか？

text-embedding-ada-002 は埋め込みに対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。