OpenAI: text-embedding-ada-002

Text Embedding Ada 002는 많은 기존 벡터 인덱스에서 사용되는 초기 OpenAI 임베딩 모델입니다. 서로 다른 모델의 벡터를 하나의 유사성 공간에 혼합해서는 안 되므로, 저장된 임베딩과의 호환성을 유지해야 할 때 여전히 유효합니다.

모델 비교

text-embedding-ada-002

사용 가능OpenAI임베딩동기

입력 / 출력: $0.10 / $0.00
컨텍스트: 8.2K
모달리티: 임베딩

text-embedding-ada-002 소개

text-embedding-ada-002는 기존 벡터 인덱스 다수가 구축된 OpenAI의 초기 임베딩 모델입니다. OpenAI는 이 모델을 기존 ada 임베딩 모델의 성능이 개선된 버전으로 설명하며, 검색, 클러스터링, 추천, 이상 탐지 및 분류 기능을 지원합니다. 새로운 프로젝트에는 최신 text-embedding-3 모델이 사용되므로, 이 모델은 주로 저장된 벡터와의 호환성을 유지하는 데 유용합니다.

강점

ada-002 벡터로 이미 구축된 수많은 인덱스와 호환됩니다.
검색, 클러스터링, 추천, 이상 탐지 및 분류 기능을 지원합니다.
프로덕션 시스템에서 오랜 기간 검증된, 익숙한 단일 임베딩 모델입니다.
임베딩 및 배치 엔드포인트에서 작동합니다.

다른 모델이 필요한 경우

OpenAI의 text-embedding-3 모델은 차세대 모델이며, 새로운 프로젝트는 일반적으로 이 모델로 시작합니다.
이 모델의 벡터는 다른 모델의 벡터와 혼용할 수 없으므로, 마이그레이션 시 모든 데이터를 다시 임베딩해야 합니다.
텍스트 임베딩만 가능하며, 차원을 선택할 수 없습니다.

시작하기

API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.

첫 번째 요청 보내기

사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.

임베딩TokenLab 엔드포인트

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."
}'

매개변수

임베딩

매개변수	값 및 제한	기본값	참고
`encoding_format`	float, base64	제공되지 않음	제공되지 않음
`input`	입력 수: ≥ 1, ≤ 2048	제공되지 않음	Input accepts text or token IDs. Each input is limited to 8192 tokens; a request is limited to 300000 tokens in total.
`user`	제공되지 않음	제공되지 않음	제공되지 않음

가격 책정

Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.

임베딩

1M Token 당

Official 가격: 입력 $0.10 / 출력 $0.00
Verified 가격: —
할인: —

	Official 가격1M Token 당	Verified 가격1M Token 당	할인
임베딩	입력 $0.10 / 출력 $0.00	—	—

사용량 및 활동

성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.

사용량 및 가용성

지난 24시간

요청
성공률
P95 지연 시간
총 토큰

모델 성능

마지막 업데이트: 2026. 11. 1. 오전 8:12 UTC

개인정보 보호 및 데이터 볼륨 임계값이 충족되면 메트릭이 표시됩니다.

데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.

Console에서 열기

Console에서 text-embedding-ada-002을 열고 프롬프트를 수정하거나 전송하세요.

/v1/embeddings에서 embedding을(를) 사용하여 text-embedding-ada-002을(를) 테스트합니다. 결과와 비용을 확인하세요.

사용 사례

기존 인덱스 유지
이미 ada-002로 임베딩된 코퍼스에 새 문서를 추가하여 쿼리가 일치하도록 유지합니다.
레거시 RAG 시스템
팀이 신중한 마이그레이션을 계획하는 동안 프로덕션 검색 스택을 안정적이고 변경 없이 유지합니다.
이전 결과 재현
ada-002 벡터에 의존했던 이전 실험 및 평가를 다시 실행하여 결과의 비교 가능성을 유지합니다.
마이그레이션 기준점
전환 전 자체 쿼리를 사용하여 ada-002와 최신 임베딩 모델의 검색 품질을 비교합니다.

프롬프트 예제

기존 ada-002 인덱스와 일치하도록 새로운 지원 문서를 임베딩합니다.

저장된 코퍼스와 동일한 모델을 사용하여 테스트 쿼리를 임베딩합니다.

text-embedding-3-small과 검색 성능을 비교하기 위해 500개의 문서를 임베딩합니다.

이 모델은 조건부 요금제입니다. 월간 토큰 총량만으로는 신뢰할 수 있는 견적을 낼 수 없습니다. 요청 사양, 캐시, 해당 시간대에 맞는 상세 요금을 사용하세요.

FAQ

text-embedding-ada-002는 어떤 모델인가요?

OpenAI의 이전 텍스트 임베딩 모델로, 기존 ada 임베딩 모델의 성능이 개선된 버전입니다. 텍스트를 검색 및 유사 작업에 사용되는 벡터로 변환합니다.

왜 여전히 이 모델을 사용하나요?

이미 저장된 벡터와의 호환성을 유지하기 위해서입니다. 쿼리는 문서와 동일한 모델로 임베딩되어야 하므로, 재임베딩하기 전까지는 기존 ada-002 인덱스에 ada-002 모델이 필요합니다.

새 프로젝트에서도 이 모델을 사용해야 하나요?

일반적으로는 그렇지 않습니다. text-embedding-3 모델이 더 최신이며, OpenAI는 text-embedding-3-small을 ada 모델의 개선 버전으로 명시하고 있습니다. 저장된 벡터와의 호환성이 필수적인 경우가 아니라면 최신 모델로 시작하십시오.

어떻게 마이그레이션하나요?

전체 코퍼스를 새 모델로 다시 임베딩하고, 새 인덱스를 구축한 뒤 쿼리를 함께 전환하십시오. 하나의 인덱스에서 벡터 공간을 절대 혼용하지 말고, 새 인덱스가 검증될 때까지 기존 인덱스를 유지하십시오.

어떤 엔드포인트에서 지원하나요?

임베딩 엔드포인트와 배치 엔드포인트에서만 작동합니다. 채팅, 어시스턴트, 파인 튜닝 및 이미지 엔드포인트는 지원하지 않으며, 검색 시스템을 위한 순수 벡터 생성기로 사용됩니다.

text-embedding-ada-002 의 가격은 얼마인가요?

TokenLab 에서 text-embedding-ada-002 은 입력 $0.10 / 출력 $0.00 1M Token 당 입니다. 자세한 내역은 위 가격 표를 확인하세요. 요금은 청구 단위, 사양, 사용량에 따라 달라집니다. 모델의 상세 요금에서 동일한 조건끼리 비교하세요. 단일 요금으로 총비용이 결정되지 않습니다.

text-embedding-ada-002 은 어떤 엔드포인트를 써야 하나요?

text-embedding-ada-002에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.

text-embedding-ada-002 은 어떤 오퍼레이션을 지원하나요?

text-embedding-ada-002은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.