OpenAI text-embedding-3-large

Name: OpenAI text-embedding-3-large
Brand: OpenAI
SKU: text-embedding-3-large
Price: 0.156 USD
Availability: InStock

EmbeddingsНалично

от OpenAItext-embedding-3-large

OpenAI's highest-quality embedding model. Returns 3072-dim vectors by default and supports reducing dimensions via the dimensions parameter. Outperforms text-embedding-3-small and the older ada-002 on MTEB and multilingual MIRACL retrieval benchmarks, for cases where accuracy matters more than cost.

Опитай Вземи API ключ Сравни

Цена: 0,156 щ.д./1M вх
Контекст: 8191 токена
Вход → Изход: Текст → Вектор
Разработчик: OpenAI
Актуализирано: 23 септември 2026 г.

Playground

Опитай OpenAI text-embedding-3-large

Вход и резултат

0,156 щ.д./1M вх

Вход

0 / 32 000

Сравни с (по избор)

Стартира модела два пъти (фактурирано два пъти).

⌘/Ctrl + Enter

Резултат

Векторът се появява тук.

Този запуск

Цената се появява, когато входът е завършен.

Нов си тук?

10 безплатни кредита (0,10 щ.д.) при регистрация с Google

Използваемо 24 часа след регистрация, до 5 запуска на ден и максимум 2 кредита на запуск. Други методи за вход стартират без кредита.

За OpenAI text-embedding-3-large

НакраткоКъм 23 септември 2026 г.

OpenAI text-embedding-3-large е модел на OpenAI от категория Embeddings. На Railwail OpenAI text-embedding-3-large струва 0,156 щ.д. / 1M входни токена. Контекстното окно съдържа 8191 токена.

text-embedding-3-large is OpenAI's most capable third-generation embedding model. It produces 3072-dim embeddings by default and, like the small variant, supports the dimensions parameter for Matryoshka-style truncation so you can store shorter vectors when needed. It leads OpenAI's lineup on the MTEB English benchmark and on the multilingual MIRACL retrieval benchmark, making it the pick when embedding quality is the priority over price. Use it for high-recall semantic search, deduplication and reranking-style retrieval. Accepts a single string or a batch per request.

Фон

За OpenAI

Основана 2015 · San Francisco, California, USA

OpenAI was founded in December 2015 by Sam Altman, Elon Musk, Greg Brockman, Ilya Sutskever, Wojciech Zaremba and John Schulman, and restructured to capped-profit OpenAI LP in 2019. The embedding model family started with text-embedding-ada-001 in 2021, was unified into text-embedding-ada-002 in December 2022 (still the most-used embedding model on Earth at one point) and replaced in January 2024 by text-embedding-3-small and text-embedding-3-large. The v3 release was OpenAI's first to support Matryoshka-style dimension reduction (sale of arbitrary 256-3072 dim vectors from the same model) and beat ada-002 by 20+ percentage points on the MIRACL multilingual retrieval benchmark while costing roughly the same.

Посетете OpenAI

Архитектура

Transformer bi-encoder with Matryoshka representation learning

OpenAI text-embedding-3-large is the flagship embedding model in the v3 generation. It produces 3,072-dimensional vectors by default with full Matryoshka representation support, so callers can request any dimension between 256 and 3,072 in the API and OpenAI will truncate-and-renormalise without re-running the model. The model accepts up to 8,191 tokens per input and was trained with a contrastive retrieval objective on a curated multilingual web corpus, including search-query/document pairs and large-scale instruction-tuned pairs. It scores 64.6% on MTEB and 54.9% on MIRACL multilingual retrieval, a step up from 61.0% / 31.4% for ada-002. Pricing is $0.00013 per 1k tokens. Output vectors are L2-normalised. Like all OpenAI models the system is closed-source and hosted only. OpenAI has not published a technical paper for the v3 family beyond a launch blog.

Параметри: Undisclosed
Контекст: 8191 токена

Възможности

3,072-dim vectors with Matryoshka truncation to any 256-3072 size
8,191-token context window for long-document embedding
Multilingual coverage across 100+ languages
State-of-the-art MIRACL multilingual retrieval (~55%)
L2-normalised vectors with cosine similarity
Drop-in upgrade from ada-002 via the same /embeddings endpoint
Best for: production RAG, multilingual search, retrieval-heavy SaaS

Обучение и лиценз

Not disclosed. OpenAI describes a 'curated multilingual web corpus' with search-query/document pairs and instruction-tuned pairs.

Лиценз: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.

Тестване на безопасност: Embeddings are not subject to content-filter constraints; OpenAI publishes general bias and fairness statements for the embeddings endpoint.

Известни ограничения

Closed weights, hosted only
Cannot fine-tune the model
3,072-dim full vectors are storage-heavy without truncation
Worse-than-Cohere v3 on some low-resource languages
8,191-token cap may force chunking for very long documents

Научни статии

Цени

Цените са в US долари. Използването се начислява от предплатени кредити.

Вход	0,156 щ.д. / 1M токена

Таксува се по токените, които всяка заявка действително използва.
1 кредит = 0,01 щ.д.

Калкулатор на разходите

Калкулатор за цени

Входни токени

/ заявка

Изходни токени

/ заявка

Заявки

Общо

0,02 щ.д.

2 кредита

На заявка

0,0002 щ.д. · 0,02 кредита

Всяка заявка се закръглява нагоре до 0,01 кредита.

API

Извикайте OpenAI text-embedding-3-large с вашия Railwail API ключ. Използвайте този ID на модела в заявката:

text-embedding-3-largeAPI документация Получете API ключ

curl https://railwail.com/api/v1/embeddings \
  -H "Authorization: Bearer $RAILWAIL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "text-embedding-3-large",
    "input": "The quick brown fox"
  }'

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["RAILWAIL_API_KEY"],
    base_url="https://railwail.com/api/v1",
)

res = client.embeddings.create(
    model="text-embedding-3-large",
    input="The quick brown fox",
)

print(len(res.data[0].embedding))

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.RAILWAIL_API_KEY,
  baseURL: "https://railwail.com/api/v1",
});

const res = await client.embeddings.create({
  model: "text-embedding-3-large",
  input: "The quick brown fox"
});

console.log(res.data[0].embedding.length);

Задайте ключа си като RAILWAIL_API_KEYСъздайте API ключ

Спецификации

ID на модела: text-embedding-3-large
Разработчик: OpenAI
Категория: Embeddings
Вход: Текст
Изход: Вектор
Контекстен прозорец: 8191 токена
Таксуване: По потребление (токени или GPU време)
Размер на модела: Undisclosed
Лиценз: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Каталогът е актуализиран: 23 септември 2026 г.

Входни параметри

Входове и настройки от входната схема на модела. Примерът в раздела API показва кои от тях приема API.

ПараметърТипПо подразбиранеРазрешени стойности

inputзадължително
Text to embed (single string or array of strings)
Тип: Текст
По подразбиране: –
Разрешени стойности: до 32 000 символа
dimensions
Тип: Цяло число
По подразбиране: 3072
Разрешени стойности: 256 до 3072
encoding_format
Тип: Избор
По подразбиране: float
Разрешени стойности: float или base64

Етикети

openai
embedding
retrieval
rag
matryoshka
multilingual

Примерни подкани

Примери от каталога на Railwail. Те не бяха генерирани живо на тази страница.

FAQ Matching
How do I reset my password?
Code Search
React useEffect cleanup function memory leak

Случаи на използване

За какво се използва

Production RAG for ChatGPT-style assistants
Multilingual enterprise search
Semantic deduplication and clustering at scale
Recommendation systems based on text similarity
Embeddings for downstream classification tasks

Свързани ръководства

Embedding Models for Search & Science

Всички модели в Embeddings

Често задавани въпроси

Какво е OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large е модел от OpenAI в категория Embeddings. На Railwail можеш да го извикаш с API ключ чрез Railwail API.

Колко струва OpenAI text-embedding-3-large на Railwail?

На Railwail OpenAI text-embedding-3-large струва 0,156 щ.д. / 1M входни токена. Таксуват се само ресурсите, които всяка заявка действително използва. Използването се плаща с предварително закупени кредити; 1 кредит е равен на 0,01 щ.д..

Какво е контекстното окно на OpenAI text-embedding-3-large?

Контекстното окно на OpenAI text-embedding-3-large съдържа 8191 токена.

Колко бърз е OpenAI text-embedding-3-large?

Все още няма достатъчно измерени задачи на OpenAI text-embedding-3-large на Railwail, за да се посочи време на изпълнение. Зависи от входа, настройките и натоварването на доставчика.

Е ли OpenAI text-embedding-3-large по-добър от OpenAI text-embedding-3-small?

Зависи от задачата. OpenAI text-embedding-3-large (OpenAI) и OpenAI text-embedding-3-small (OpenAI) са и двата модела в категория Embeddings. Страницата за сравнение показва техните цени и спецификации един до друг.

Сравни OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Как използвам OpenAI text-embedding-3-large чрез API?

Създай Railwail API ключ и изпрати твоята заявка с ID на модела text-embedding-3-large. Примери на код за curl, Python и JavaScript са в раздела API на тази страница.

Сравними модели

Всички в тази категория

OpenAI text-embedding-3-smallOpenAI
OpenAI's small, low-cost embedding model. Returns 1536-dim vectors by default and supports shortening output dimensions via the dimensions parameter without retraining. Replaced text-embedding-ada-002 with better retrieval quality at a fraction of the price, and is the default choice for general-purpose semantic search and RAG.
0,024 щ.д./1M вх
85 % по-евтино на единица
Сравнете OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Използвайте OpenAI text-embedding-3-large чрез API

Един API ключ за всеки модел на Railwail. Използването се начислява от предплатени кредити, 1 кредит = 0,01 щ.д..

Получете API ключ Преглед на всички модели