Catégories :: Fonctions de chaîne et fonctions binaires (Fonctions AI)

AI_COUNT_TOKENS¶

Note

AI_COUNT_TOKENS est la version actualisée de COUNT_TOKENS (SNOWFLAKE.CORTEX). Pour obtenir les dernières fonctionnalités, utilisez AI_COUNT_TOKENS.

Renvoie le nombre de jetons dans une invite pour le grand modèle de langage spécifié ou la fonction spécifique à la tâche spécifiée.

Syntaxe¶

AI_COUNT_TOKENS(<function_name>, <model_name> , <input_text> )
AI_COUNT_TOKENS(<function_name>, <input_text> )
AI_COUNT_TOKENS(<function_name>, <input_text>, <categories> )

Copy

Arguments¶

Obligatoire :

nom_fonction

Chaîne contenant le nom de la fonction sur laquelle vous souhaitez baser le nombre de jetons, par exemple 'ai_complete' ou 'ai_sentiment'. Le nom de la fonction doit commencer par « ai_ » et utiliser uniquement des lettres minuscules.

Une liste complète des fonctions prises en charge est disponible dans la table Disponibilité régionale.

input_text

Saisisser du texte pour compter les jetons.

Facultatif :

model_name

Chaîne contenant le nom du modèle sur lequel vous souhaitez baser le contenu du jeton. Requis si la fonction spécifiée par function_name vous oblige à choisir le modèle à utiliser, tel que AI_COMPLETE ou AI_EMBED.

Une liste de modèles LLM sont disponibles dans la table Disponibilité régionale. Cependant, tous les modèles ne sont actuellement pas pris en charge.

Pour AI_COMPLETE, les modèles suivants ne sont pas pris en charge :

claude-4-opus
claude-4-sonnet
claude-3-7-sonnet
claude-3-5-sonnet
openai-gpt-4.1
openai-o4-mini

Pour AI_EMBED, les modèles suivants ne sont pas pris en charge :

snowflake-arctic-embed-l-v2.0-8k

categories

Un tableau de valeurs VARIANT qui spécifient une ou plusieurs catégories ou étiquettes à utiliser, pour les fonctions qui nécessitent ces données. Les catégories sont incluses dans le nombre de jetons d’entrée.

Renvoie¶

Une valeur INTEGER qui est le nombre de jetons de texte d’entrée calculé à l’aide des valeurs de paramètre données.

Notes sur l’utilisation¶

N’utilisez que des minuscules dans les noms de fonctions et de modèles.
COUNT_TOKENS ne fonctionne pas avec les fonctions LLM dans l’espace de noms SNOWFLAKE.CORTEX ou avec des modèles mis au point. Vous devez spécifier un nom de fonction qui commence par « AI_ ».
COUNT_TOKENS accepte uniquement le texte, pas les images ni les entrées son.
COUNT_TOKENS n’utilise pas la facturation par jeton et n’encourt que des coûts de calcul.
COUNT_TOKENS est disponible dans toutes les régions, même pour les modèles non disponibles dans une région donnée.

Exemples¶

Exemple AI_COMPLETE¶

L’instruction SQL suivante compte le nombre de jetons dans une invite pour AI_COMPLETE et le modèle llama3.3-70b :

SELECT AI_COUNT_TOKENS('ai_complete', 'llama3.3-70b', 'Summarize the insights from this
call transcript in 20 words: "I finally splurged on these after months of hesitation about
the price, and I\'m mostly impressed. The Nulu fabric really is as buttery-soft as everyone says,
and they\'re incredibly comfortable for yoga and lounging. The high-rise waistband stays put
and doesn\'t dig in, which is rare for me. However, I\'m already seeing some pilling after
just a few wears, and they definitely require gentle care. They\'re also quite delicate -
I snagged them slightly on my gym bag zipper. Great for low-impact activities, but I wouldn\'t
recommend for high-intensity workouts. Worth it for the comfort factor"');

Copy

Réponse :

Exemple AI_EMBED¶

L’instruction SQL suivante compte le nombre de jetons dans le texte incorporé à l’aide de la fonction AI_EMBED et du modèle nv-embed-qa-4' :

SELECT AI_COUNT_TOKENS('ai_embed', 'nv-embed-qa-4', '"I finally splurged on these after months
of hesitation about the price, and I\'m mostly impressed. The Nulu fabric really is as buttery-soft
as everyone says, and they\'re incredibly comfortable for yoga and lounging. The high-rise waistband
stays put and doesn\'t dig in, which is rare for me. However, I\'m already seeing some pilling after
just a few wears, and they definitely require gentle care. They\'re also quite delicate - I snagged
them slightly on my gym bag zipper. Great for low-impact activities, but I wouldn\'t recommend for
high-intensity workouts. Worth it for the comfort factor"');

Copy

Réponse :

Exemples AI_CLASSIFY¶

Cet exemple calcule le nombre total de jetons d’entrée requis pour la classification de texte avec l’entrée et les étiquettes données :

SELECT AI_COUNT_TOKENS('ai_classify',
  'One day I will see the world and learn to cook my favorite dishes',
  [
      {'label': 'travel'},
      {'label': 'cooking'},
      {'label': 'reading'},
      {'label': 'driving'}
  ]
);

Copy

Réponse :

L’exemple suivant ajoute des descriptions par étiquette et une description globale des tâches à l’exemple précédent :

SELECT AI_COUNT_TOKENS('ai_classify',
  'One day I will see the world and learn to cook my favorite dishes',
  [
    {'label': 'travel', 'description': 'content related to traveling'},
    {'label': 'cooking','description': 'content related to food preparation'},
    {'label': 'reading','description': 'content related to reading'},
    {'label': 'driving','description': 'content related to driving a car'}
  ],
  {
    'task_description': 'Determine topics related to the given text'
  };

Copy

Réponse :

L’exemple suivant s’appuie sur les deux exemples précédents en ajoutant des exemples d’étiquettes :

SELECT AI_COUNT_TOKENS('ai_classify',
  'One day I will see the world and learn to cook my favorite dishes',
  [
    {'label': 'travel', 'description': 'content related to traveling'},
    {'label': 'cooking','description': 'content related to food preparation'},
    {'label': 'reading','description': 'content related to reading'},
    {'label': 'driving','description': 'content related to driving a car'}
  ],
  {
    'task_description': 'Determine topics related to the given text',
    'examples': [
      {
        'input': 'i love traveling with a good book',
        'labels': ['travel', 'reading'],
        'explanation': 'the text mentions traveling and a good book which relates to reading'
      }
    ]
  }
);

Copy

Réponse :

Exemples AI_SENTIMENT¶

L’instruction SQL suivante compte le nombre de jetons dans le texte en cours d’analyse pour le sentiment en utilisant la fonction AI_SENTIMENT :

SELECT AI_COUNT_TOKENS('ai_sentiment',
  'This place makes the best truffle pizza in the world! Too bad I cannot afford it');

Copy

Réponse :

L’exemple suivant ajoute des étiquettes à l’exemple précédent :

SELECT AI_COUNT_TOKENS('ai_sentiment',
  'This place makes the best truffle pizza in the world! Too bad I cannot afford it',
  [
    {'label': 'positive'},
    {'label': 'negative'},
    {'label': 'neutral'}
  ]
);

Copy

Réponse :

Avis juridiques¶

Reportez-vous à Snowflake AI et ML.