Na OpenAI, proteger os dados dos usuários é parte fundamental da nossa missão. Não usamos os dados de entrada e saída da nossa API para treinar nossos modelos. Saiba mais na nossa página sobre privacidade de dados na API.
Modelos de geração de texto
Os modelos de geração de texto da OpenAI, como gpt-6-astra e gpt-5.6-terra, foram treinados para compreender linguagens naturais e formais. Eles são frequentemente chamados de transformers generativos pré-treinados ou, de forma abreviada, modelos “GPT”. Esses modelos geram texto em resposta às entradas que recebem. Essas entradas também são chamadas de “prompts”. É por meio do prompt que você “programa” o modelo, geralmente fornecendo instruções ou exemplos de como realizar uma tarefa com sucesso. Os modelos GPT podem realizar diversas tarefas, como gerar conteúdo ou código, resumir textos, conversar e produzir textos criativos. Saiba mais no nosso guia introdutório de geração de texto e no nosso guia de engenharia de prompt.
Embeddings
Um embedding é uma representação vetorial de um dado (por exemplo, um trecho de texto) que busca preservar aspectos do seu conteúdo, do seu significado ou de ambos. Dados que têm alguma semelhança tendem a ter embeddings mais próximos entre si do que dados sem relação. A OpenAI oferece modelos de embeddings de texto que recebem uma sequência de caracteres como entrada e retornam um vetor de embedding. Os embeddings são úteis em tarefas como busca, agrupamento, recomendação, detecção de anomalias e classificação. Saiba mais no nosso guia de embeddings.
Tokens
Os modelos de geração de texto e de embeddings processam o texto em unidades chamadas tokens. Os tokens representam sequências frequentes de caracteres. Por exemplo, a sequência “ tokenization” é dividida em “ token” e “ization”, enquanto uma palavra curta e comum em inglês, como “ the”, é representada por um único token. Observe que, em uma frase, o primeiro token de cada palavra geralmente começa com um espaço. Use nossa ferramenta de tokenização para testar sequências específicas e ver como elas são divididas em tokens. Como estimativa, em textos em inglês, 1 token corresponde a cerca de 4 caracteres ou 0,75 palavra.
Nos modelos de geração de texto, a soma dos tokens do prompt e da saída gerada não pode ultrapassar o tamanho máximo de contexto do modelo. Nos modelos de embeddings, que não geram tokens na saída, a entrada deve ser menor que o tamanho máximo de contexto do modelo. Consulte o tamanho máximo de contexto de cada modelo de geração de texto e de embeddings no índice de modelos.