OpenAI Embedding-Modelle sind eine Reihe neuer Embedding-Modelle, darunter zwei völlig neue Modelle und aktualisierte Vorschaumodellle von GPT-4 Turbo, GPT-3.5 Turbo sowie ein Modell zur Textinhaltsprüfung. Standardmäßig werden Daten, die an die OpenAI API gesendet werden, nicht zum Trainieren oder Verbessern von OpenAI-Modellen verwendet. Die neuen Embedding-Modelle bieten niedrigere Preise, darunter das kleinere, effizientere text-embedding-3-small-Modell und das größere, leistungsstärkere text-embedding-3-large-Modell. Embeddings sind Folgen von Zahlen, die Konzepte in Inhalten wie natürlicher Sprache oder Code repräsentieren. Embeddings erleichtern es Machine-Learning-Modellen und anderen Algorithmen, die Beziehungen zwischen Inhalten zu verstehen und Aufgaben wie Clustering oder Retrieval durchzuführen. Sie unterstützen die Wissensrecherche in der ChatGPT- und Assistants-API sowie viele Entwicklungswerkzeuge für Retrieval Augmented Generation (RAG). text-embedding-3-small ist ein neues, effizientes Embedding-Modell, das im Vergleich zu seinem Vorgängermodell text-embedding-ada-002 eine höhere Leistung aufweist: Der durchschnittliche MIRACL-Score stieg von 31,4 % auf 44,0 %, und der durchschnittliche Score bei englischen Aufgaben (MTEB) stieg von 61,0 % auf 62,3 %. Die Preise für text-embedding-3-small sind auch um das Fünffache niedriger als bei seinem Vorgänger text-embedding-ada-002, von 0,0001 $ pro tausend Tokens auf 0,00002 $. text-embedding-3-large ist ein größeres Embedding-Modell der neuen Generation, das Embeddings mit bis zu 3072 Dimensionen erstellen kann. Es ist leistungsstärker: Der durchschnittliche MIRACL-Score stieg von 31,4 % auf 54,9 %, und der durchschnittliche Score bei MTEB stieg von 61,0 % auf 64,6 %. Der Preis für text-embedding-3-large beträgt 0,00013 $ pro tausend Tokens. Darüber hinaus unterstützen wir die native Funktion zum Kürzen von Embeddings, sodass Entwickler einen Kompromiss zwischen Leistung und Kosten eingehen können.