Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

Модель от OpenAI превращает текст в числовые векторы, по которым можно считать смысловую близость. Подходит для семантического поиска, RAG-систем над вашей базой знаний, кластеризации и дедупликации документов, классификации обращений и рекомендаций. Контекст — 4095 токенов на один фрагмент.

На выходе вы получаете не текст, а массив чисел с плавающей точкой — векторное представление входного фрагмента. Такой вектор напрямую кладётся в Qdrant, pgvector, Milvus или любое другое векторное хранилище, а близость считается через косинусное расстояние.

Это эмбеддинг-модель, а не чат-модель: она не ведёт диалог и не строит цепочки рассуждений, а кодирует смысл текста в вектор. Логику рассуждений стройте на уровне пайплайна — поиск по векторам, а затем ответ генеративной моделью через тот же API BotHub.

В наших данных такие пометки не стоят, и по своей природе эмбеддинг-модель возвращает вектор, а не произвольную структуру. При этом ответ API приходит в стандартном JSON-формате, совместимом с OpenAI, так что встроить его в существующий код несложно.

В наших данных приём файлов помимо текста не отмечен — модель рассчитана на текстовые фрагменты. Если вам нужно работать с другими модальностями, в BotHub через единый OpenAI-совместимый API доступны мультимодальные модели, и переключение не потребует переписывать интеграцию.

Линейка эмбеддингов OpenAI обучалась на многоязычных данных, и русский в ней представлен: близкие по смыслу русские фразы получают близкие векторы. Перед запуском проверьте качество на своей выборке — результат зависит от домена, длины фрагментов и способа нарезки документов.