推理部署◆ AI 生成 · 已溯源
OpenAI 推出文本与代码嵌入（embeddings）API 端点
结论前置 / TL;DR
OpenAI 正式发布 embeddings API 端点，支持文本与代码的向量化表示，为语义搜索、聚类、主题建模与分类等任务提供轻量级、高兼容性的服务接口。
新增 API 功能：embeddings 端点
OpenAI 在其 API 中新增 embeddings 端点，作为独立于 chat/completions 的基础能力接口，专用于生成高质量稠密向量表示（dense vector embeddings），输入支持纯文本及源代码片段。
核心能力与适用场景
- 支持跨模态语义理解：同一 embedding 模型（如
text-embedding-ada-002及后续版本）可统一处理自然语言与编程语言； - 开箱即用下游任务：无需微调即可直接用于语义搜索（semantic search）、文档聚类（clustering）、无监督主题建模（topic modeling）和零样本/少样本分类（classification）；
- 低延迟高吞吐设计：该端点针对向量计算优化，响应时间显著低于 completion 类请求，适用于 RAG 架构中的检索层或实时推荐系统。
技术定位与生态角色
- 不替代 LLM 推理，而是作为 LLM 基础设施的关键补充：embeddings 是构建 RAG、Agent 决策记忆、代码辅助工具（如 GitHub Copilot 后端）的核心前置组件；
- 与 Hugging Face Sentence Transformers、LlamaIndex、LangChain 等开源栈兼容，支持标准向量格式（float32 数组）输出；
- 当前默认模型为
text-embedding-3-small和text-embedding-3-large（2023 年底起逐步替换text-embedding-ada-002），维度分别为 512 和 3072，支持自定义输出维度与归一化选项。