En OpenAI, proteger los datos de los usuarios es fundamental para nuestra misión. No usamos las entradas ni las salidas de nuestra API para entrenar nuestros modelos. Para obtener más información, consulta nuestra página sobre la privacidad de los datos en la API.
Modelos de generación de texto
Los modelos de generación de texto de OpenAI suelen denominarse transformadores generativos preentrenados o, para abreviar, modelos “GPT”. Entrenamos estos modelos, como gpt-6-astra y gpt-5.6-terra, para que comprendan tanto el lenguaje natural como el formal. Pueden generar texto en respuesta a las entradas que reciben. Estas entradas también se llaman “prompts”. Diseñar un prompt es, en esencia, la forma de “programar” un modelo. Por lo general, le das instrucciones o ejemplos de cómo completar una tarea correctamente. Puedes usar los modelos GPT para una gran variedad de tareas, como generar contenido o código, resumir textos, conversar o escribir textos creativos. Para obtener más información, consulta nuestra guía introductoria de generación de texto y nuestra guía de ingeniería de prompts.
Embeddings
Un embedding es una representación vectorial de un dato, por ejemplo, un fragmento de texto, que busca conservar aspectos de su contenido, de su significado o de ambos. Los embeddings de fragmentos de datos que se parecen en algún aspecto tienden a estar más cerca entre sí que los de datos sin relación. OpenAI ofrece modelos de embeddings de texto que reciben una cadena de texto como entrada y generan un vector de embedding como salida. Los embeddings son útiles para tareas como la búsqueda, el agrupamiento, las recomendaciones, la detección de anomalías y la clasificación. Para obtener más información, consulta nuestra guía de embeddings.
Tokens
Los modelos de generación de texto y los de embeddings procesan el texto en fragmentos llamados tokens. Los tokens representan secuencias frecuentes de caracteres. Por ejemplo, la cadena “ tokenization” se divide en “ token” e “ization”, mientras que una palabra corta y común como “ the” se representa con un solo token. Ten en cuenta que, en una oración, el primer token de cada palabra suele comenzar con un espacio. Usa nuestra herramienta de tokenización para probar cadenas específicas y ver cómo se dividen en tokens. Como referencia, en un texto en inglés, 1 token equivale aproximadamente a 4 caracteres o 0,75 palabras.
Ten en cuenta que, en un modelo de generación de texto, la longitud total del prompt y de la salida generada no puede superar la longitud máxima de contexto del modelo. En los modelos de embeddings, que no generan tokens de salida, la longitud de la entrada debe ser inferior a la longitud máxima de contexto del modelo. Puedes consultar la longitud máxima de contexto de cada modelo de generación de texto y de embeddings en el índice de modelos.