在 OpenAI，保護使用者資料是我們使命的根本。我們不會使用透過 API 傳入與傳出的資料 來訓練模型。如需進一步瞭解，請參閱我們的 API 資料隱私權頁面。
文字生成模型
OpenAI 的文字生成模型通常稱為生成式預訓練 Transformer，簡稱「GPT」模型，例如 gpt-6-astra 和 gpt-5.6-terra。這些模型經過訓練，能理解自然語言和形式語言，並根據輸入產生文字輸出。模型接收的輸入也稱為「提示詞」。設計提示詞，本質上就是為模型「編寫程式」，通常是提供指示或一些成功完成任務的範例。GPT 模型可用於各種任務，包括內容或程式碼生成、摘要、對話、創意寫作等。詳情請參閱我們的入門文字生成指南及提示工程指南。
嵌入向量
嵌入向量是將一筆資料（例如一段文字）以向量表示，目的是保留其內容、含義，或兩者的某些特徵。相較於互不相關的資料，在某些方面相似的資料，其嵌入向量通常也會更接近。OpenAI 提供文字嵌入模型，以文字字串作為輸入，並輸出嵌入向量。嵌入向量可用於搜尋、分群、推薦、異常偵測、分類等用途。如需進一步瞭解，請參閱我們的嵌入向量指南。
Token
文字生成模型和嵌入模型會將文字切分為稱為 Token 的區塊來處理。Token 代表常見的字元序列。例如，字串 " tokenization" 會拆分為 " token" 和 "ization"，而像 " the" 這類簡短且常見的單字則以單一 Token 表示。請注意，在句子中，每個單字的第一個 Token 通常以空白字元開頭。你可以使用我們的 Token 化工具測試特定字串，查看它們如何轉換為 Token。粗略估計，對英文文字而言，1 個 Token 約相當於 4 個字元或 0.75 個單字。
有一項限制需要留意：對文字生成模型而言，提示詞與生成輸出的總長度不得超過模型的最大上下文長度。對嵌入模型（不會輸出 Token）而言，輸入長度必須小於模型的最大上下文長度。各文字生成模型和嵌入模型的最大上下文長度可在模型索引中查閱。