text-embedding-3-small

Oversikt. text-embedding-3-small er OpenAIs tredjegenerasjons tekstembeddingmodell, lansert i januar 2024 sammen med den større text-embedding-3-large. Den konverterer tekst til vektorer med 1 536 dimensjoner som standard (med konfigurerbar dimensjonstrunkering for mindre lagringsavtrykk) og er utelukkende tilgjengelig via OpenAIs API – det finnes ingen versjon med åpne vekter. Utviklere bruker den når de trenger en kompakt, generell tekstkoder for semantisk søk, klynging eller behandlingskjeder for retrieval-augmented generation.

Viktigste styrker. Som en ren tekst-til-vektor-koder utfører den ett enkelt fremoverpass per inndata i stedet for en autoregressiv dekodingsløkke, noe som gir kort svartid i sanntids retrieval-behandlingskjeder. Den støtter inndatasekvenser på opptil omtrent 8 191 token ved hjelp av cl100k_base-tokenizeren, og den konfigurerbare utdatadimensjonaliteten lar selskaper avveie vektorstørrelse mot lagrings- og søkeindekskostnader uten å måtte generere embeddings på nytt fra bunnen av. Det finnes ingen uavhengige kvalitetsbenchmarker (gjenfinningsnøyaktighet, MTEB-skår) i aktuell forskning, så styrkene her er arkitekturelle snarere enn benchmarkverifiserte.

Når du bør bruke den. Bruk denne modellen til semantisk søk, dokumentklynging, deduplicering eller som gjenfinningslag i en RAG-behandlingskjede der du trenger rask tekstkoding i ett enkelt pass fremfor generative utdata. Den er et fornuftig standardvalg når du ønsker en mindre embedding som produseres raskere enn OpenAIs større tredjegenerasjons søskenmodell, og du ikke trenger den absolutt høyeste gjenfinningskvaliteten i den modellfamilien. Den er ikke en generativ modell eller chatmodell – den har ingen støtte for systeminstrukser, verktøykall eller strømming, og bør derfor utelukkende brukes i et embedding- og indekseringssteg i en applikasjon.

Begrensninger. OpenAI har ikke offentliggjort modellens arkitektur, antall parametere eller når treningsdataene slutter, og det finnes ingen offentlig vektrepository – den er lukket og kun tilgjengelig via API. Taket på 8 191 token for inndata er beskjedent sammenlignet med moderne generative kontekstvinduer, og utdata er en vektor med fast dimensjon fremfor tekst, slik at den ikke kan brukes til noen generativ oppgave.

Suverenitetsnotat. OpenAI er en amerikansk modellskaper med bekreftet CLOUD Act-eksponering, og text-embedding-3-small har ingen selvdriftet suveren alternativ – selv om berettigede API-kunder kan velge datalokasjon i EU, bør selskaper som ruter regulerte eller sensitive data, likevel behandle dette som et endepunkt uten suverenitet under amerikansk jurisdiksjon, gitt OpenAIs CLOUD Act-eksponering.