保護使用者資料是 OpenAI 使命的核心。我們不會使用透過 API 傳送的輸入或 API 傳回的輸出來訓練模型。詳情請參閱 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。gpt-6-astra 和 gpt-5.6-terra 就是這類模型。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回應。提供給模型的輸入也稱為「提示詞」。設計提示詞就像是為模型「寫程式」,通常是透過指示或範例,讓模型知道如何順利完成任務。GPT 模型可用於多種任務,包括生成內容或程式碼、撰寫摘要、對話和創意寫作等。入門介紹請參閱文字生成指南,提示詞的設計方法請參閱提示工程指南。
嵌入向量
嵌入向量以向量形式表示一筆資料(例如一段文字),目的是保留其內容或意義的部分特徵,也可以同時保留兩者的特徵。兩筆資料若在某方面相似,其嵌入向量通常會比不相關資料的嵌入向量更接近。OpenAI 提供的文字嵌入模型接受文字字串作為輸入,並輸出嵌入向量。嵌入向量可用於搜尋、分群、推薦、異常偵測和分類等任務。詳情請參閱嵌入向量指南。
Token
文字生成模型和嵌入模型會將文字切分成稱為 Token 的單位來處理。Token 代表常見的字元序列。例如,字串「 tokenization」會拆成「 token」和「ization」,而「 the」這類簡短又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 通常以空格開頭。你可以使用 Token 切分工具測試特定字串,看看它們會如何切分成 Token。以英文文字粗略估算,1 個 Token 約相當於 4 個字元或 0.75 個單字。
使用文字生成模型時,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。嵌入模型不會輸出 Token,其輸入長度必須小於模型的最大上下文長度。你可以在模型索引中查到各個文字生成模型和嵌入模型的最大上下文長度。