Μετάβαση στο κύριο περιεχόμενο
Ελληνικά— Επιλέξτε γλώσσα
Μενού

Το API Embeddings: Μοντέλα και Διαστάσεις

Μάθημα 2 / 22 Ενημερώθηκε 29 Ιουλίου 2026 Για developers
Σε αυτήν τη σελίδα
  1. Στόχοι
  2. Η Βασική Κλήση
  3. Τα Δύο Διαθέσιμα Μοντέλα
  4. Embeddings Παρτίδων (Batch Embeddings)
  5. Μείωση Διαστατικότητας
  6. Διαχείριση Tokens
  7. Βασικά σημεία

Στόχοι

  • Να κατακτήσετε την κλήση client.embeddings.create()
  • Να κατανοήσετε τις διαφορές μεταξύ των μοντέλων embedding
  • Να χρησιμοποιήσετε τη μείωση διαστατικότητας

Η Βασική Κλήση

Ολόκληρο το API Embeddings της OpenAI χωράει σε μία μόνο μέθοδο: την client.embeddings.create(). Της περνάτε μια συμβολοσειρά κειμένου και το όνομα ενός μοντέλου:

from openai import OpenAI

client = OpenAI()

response = client.embeddings.create(
    input="Hello, how are you?",
    model="text-embedding-3-large"
)

embedding = response.data[0].embedding
print(f"Type: {type(embedding)}")        # list
print(f"Length: {len(embedding)}")      # 3072
print(f"Snippet: {embedding[:3]}")        # [0.023, -0.041, 0.012]

Το αντικείμενο που επιστρέφεται δεν είναι το ίδιο το διάνυσμα, αλλά ένας περιβάλλων που περιέχει πολλαπλά διανύσματα, καθώς το API έχει σχεδιαστεί για να διαχειρίζεται παρτίδες (batches). Μέσα σε αυτό, θα βρείτε το πεδίο data, μια λίστα αντικειμένων όπου το καθένα διαθέτει ένα πεδίο embedding (το διάνυσμα) και ένα πεδίο index (τη θέση του στην παρτίδα που στάλθηκε)· το πεδίο model, που δείχνει το πραγματικό μοντέλο που χρησιμοποιήθηκε· και το usage.prompt_tokens, τον αριθμό των χρεώσιμων tokens. Πρέπει να καταγράφετε αυτό το τελευταίο πεδίο από την πρώτη μέρα: είναι το μόνο αξιόπιστο μέτρο για το κόστος της ευρετηρίασής σας.

Τα Δύο Διαθέσιμα Μοντέλα

Το text-embedding-3-large είναι το μοντέλο υψηλής απόδοσης. Οι 3.072 διαστάσεις του αποτυπώνουν τις πιο λεπτές σημασιολογικές αποχρώσεις, καθιστώντας το ιδανικό για αναζήτηση σε μεγάλα σώματα κειμένων, απαιτητικές ροές εργασίας RAG και γενικά σε κάθε περίπτωση όπου η ακρίβεια υπερισχύει του κόστους. Εάν ένας χρήστης διατυπώνει ερωτήσεις έμμεσα ή τα έγγραφά σας καλύπτουν έναν πυκνό τεχνικό τομέα, θα δείτε τη διαφορά στον τρόπο κατάταξης των αποτελεσμάτων.

Το text-embedding-3-small είναι πιο συμπαγές με 1.536 διαστάσεις και προσφέρει έναν εξαιρετικό λόγο τιμής προς απόδοση. Είναι η σωστή επιλογή για ταξινόμηση κειμένου, συστάσεις, ταχεία δημιουργία πρωτοτύπων και εφαρμογές υψηλού όγκου, όπου ο στόχος δεν είναι η διάκριση μεταξύ δύο σχεδόν πανομοιότυπων εγγράφων, αλλά ο διαχωρισμός σαφώς distinct θεμάτων. Ένας απλός βρόχος επαληθεύει τι επιστρέφει το καθένα:

# Compare the two models
for model_name in ["text-embedding-3-small", "text-embedding-3-large"]:
    resp = client.embeddings.create(
        input="Artificial intelligence",
        model=model_name
    )
    vec = resp.data[0].embedding
    print(f"{model_name}: {len(vec)} dimensions")

Embeddings Παρτίδων (Batch Embeddings)

Δεν ευρετηριάζετε ένα πραγματικό σώμα κειμένων ένα προς ένα: κάθε κλήση HTTP κοστίζει έναν γύρο δικτύου (network round-trip), και η επεξεργασία χιλιάδων εγγράφων μεμονωμένα σημαίνει συσσώρευση χιλιάδων καθυστερήσεων. Το API δέχεται έως και 2.048 κείμενα σε μία μόνο κλήση, και το πεδίο index σάς επιτρέπει να αντιστοιχίσετε κάθε διάνυσμα πίσω στο σωστό έγγραφο.

texts = [
    "Machine learning is advancing rapidly",
    "Deep learning is revolutionizing computer vision",
    "Vector databases store embeddings",
    "Python is the preferred language for data scientists"
]

response = client.embeddings.create(
    input=textes,
    model="text-embedding-3-large"
)

for item in response.data:
    print(f"Text {item.index}: vector of {len(item.embedding)} dimensions")

print(f"Tokens consumed: {response.usage.prompt_tokens}")

Στην πράξη, ομαδοποιήστε τα κείμενά σας σε παρτίδες των 100 έως 2.048, ανάλογα με τον όγκο σας: οι μικρότερες παρτίδες διευκολύνουν την ανάκαμψη μετά από σφάλματα, ενώ οι μεγαλύτερες μειώνουν τον αριθμό των κλήσεων. Παρακολουθείτε το usage.prompt_tokens σε κάθε επανάληψη για να εκτιμάτε το κόστος εν κινήσει, αντί να το ανακαλύπτετε στον λογαριασμό, και υλοποιήστε επαναλήψεις με εκθετική καθυστέρηση (exponential backoff): η υπέρβαση του ορίου ρυθμού είναι ένα παροδικό σφάλμα, όχι λόγος διακοπής μιας εργασίας ευρετηρίασης τριών ωρών.

Μείωση Διαστατικότητας

Τα μοντέλα text-embedding-3-* δέχονται μια παράμετρο dimensions που επιστρέφει διανύσματα μικρότερα από το εγγενές μέγεθός τους:

# Full vector: 3072 dimensions
full = client.embeddings.create(
    input="Reduction test",
    model="text-embedding-3-large"
)

# Reduced vector: 256 dimensions
reduced = client.embeddings.create(
    input="Reduction test",
    model="text-embedding-3-large",
    dimensions=256
)

print(f"Full: {len(full.data[0].embedding)} dim")    # 3072
print(f"Reduced: {len(reduced.data[0].embedding)} dim")  # 256

Ο μηχανισμός είναι απλός: η μείωση περικόπτει το διάνυσμα και στη συνέχεια το επανακανονικοποιεί. Επειδή οι πρώτες διαστάσεις μεταφέρουν τις περισσότερες πληροφορίες, η υποβάθμιση παραμένει πολύ σταδιακή. Ο παρακάτω πίνακας παρέχει τυπικά σημεία αναφοράς για την ανταλλαγή ποιότητας έναντι αποθηκευτικού χώρου.

DimensionsRelative QualityStorageUse Case
3,072100%~24 KBHigh-precision search
1,536~98%~12 KBGood general compromise
512~93%~4 KBHigh volume, reduced cost
256~88%~2 KBPrototyping, simple classification

Θυμηθείτε ότι η επιλογή διαστάσεων σας δεσμεύει: όλα τα διανύσματα σε ένα δεδομένο ευρετήριο πρέπει να έχουν το ίδιο μέγεθος, και η αλλαγή γνώμης απαιτεί τον επανυπολογισμό των πάντων.

Διαχείριση Tokens

Τα μοντέλα embedding έχουν ανώτατο όριο 8.191 tokens ανά κείμενο, και το API επιστρέφει σφάλμα εάν το ξεπεράσετε. Είναι προτιμότερο να μετράτε πριν την αποστολή, παρά να πιάνετε μια εξαίρεση στη μέση μιας παρτίδας:

import tiktoken

encoder = tiktoken.get_encoding("cl100k_base")

text = "A potentially long text..."
tokens = encoder.encode(text)

if len(tokens) > 8191:
    # Truncate
    truncated_text = encoder.decode(tokens[:8191])
    print(f"Text truncated from {len(tokens)} to 8191 tokens")

Η περικοπή είναι ένα δίχτυ ασφαλείας, όχι στρατηγική: ένα περικομμένο μεγάλο έγγραφο χάνει το τέλος του, και το τέλος συχνά περιέχει την απάντηση που αναζητάτε. Η σωστή διαχείριση μεγάλων εγγράφων περιλαμβάνει τον τεμαχισμό (chunking), τον οποίο θα καλύψουμε αργότερα στο μάθημα.

Βασικά σημεία

  • Η client.embeddings.create() δέχεται ένα μόνο κείμενο ή μια λίστα κειμένων
  • Χρησιμοποιήστε το text-embedding-3-large (3.072 διαστάσεις) για ακρίβεια και το text-embedding-3-small (1.536 διαστάσεις) για οικονομία κόστους
  • Η παράμετρος dimensions σάς επιτρέπει να μειώσετε το μέγεθος του διανύσματος
  • Η ομαδοποίηση κειμένων σε παρτίδες είναι πιο αποδοτική από τις μεμονωμένες κλήσεις
  • Όριο 8.191 tokens ανά κείμενο