OpenAI text-embedding-3-small

Name: OpenAI text-embedding-3-small
Brand: OpenAI
SKU: text-embedding-3-small
Price: 0.024 USD
Availability: InStock

EmbeddingsНалично

от OpenAItext-embedding-3-small

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.

Опитай Вземи API ключ Сравни

Цена: 0,024 щ.д./1M вх
Контекст: 8191 токена
Вход → Изход: Текст → Вектор
Разработчик: OpenAI
Актуализирано: 23 септември 2026 г.

Playground

Опитай OpenAI text-embedding-3-small

Вход и резултат

0,024 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-small

НакраткоКъм 23 септември 2026 г.

OpenAI text-embedding-3-small е модел на OpenAI от категория Embeddings. На Railwail OpenAI text-embedding-3-small струва 0,024 щ.д. / 1M входни токена. Контекстното окно съдържа 8191 токена.

text-embedding-3-small is the cheaper of OpenAI's third-generation embedding models. It outputs 1536-dim embeddings by default but supports the dimensions parameter, which uses Matryoshka-style truncation so you can request shorter vectors (for example 512 dims) and trade a small amount of accuracy for lower storage and faster similarity search. It scores higher than the older ada-002 on the MTEB benchmark while costing significantly less, which makes it the common default for production retrieval, clustering and classification pipelines. Accepts a single string or a batch of strings 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 a capped-profit company in 2019. The embedding line started with text-embedding-ada-001 (2021), was unified into ada-002 (December 2022) and replaced in January 2024 by the v3 generation. text-embedding-3-small is the smaller, cheaper sibling of text-embedding-3-large: it beats ada-002 by ~5 points on MTEB at one fifth the price ($0.00002 per 1k tokens). Together with the large variant it was the first OpenAI embedding model to support Matryoshka-style dimension shortening, allowing callers to choose any vector size between 256 and 1,536 without retraining or quality drop.

Посетете OpenAI

Архитектура

Transformer bi-encoder with Matryoshka representation learning

OpenAI text-embedding-3-small is the entry-level embedding model in the v3 generation. It produces 1,536-dimensional vectors by default and supports the same Matryoshka shortening as the large variant, so callers can request any dimension between 256 and 1,536 in the API and OpenAI will truncate-and-renormalise on the fly. Maximum input length is 8,191 tokens. Training used a contrastive retrieval objective on a curated multilingual web corpus including search-query/document pairs. The model scores around 62.3% MTEB and 44.0% MIRACL multilingual retrieval, a clear step up from 61.0% / 31.4% for ada-002, while being roughly five times cheaper and faster. It is positioned as the default embedding model for cost-sensitive production RAG and large-scale search. Like all OpenAI models the system is closed-source and hosted only.

Параметри: Undisclosed (smaller than text-embedding-3-large)
Контекст: 8191 токена

Възможности

1,536-dim vectors with Matryoshka truncation to any 256-1,536 size
8,191-token context window for long-document embedding
Multilingual coverage across 100+ languages
$0.00002 per 1k tokens (~5x cheaper than text-embedding-3-large)
Drop-in upgrade from ada-002 via the same /embeddings endpoint
L2-normalised vectors with cosine similarity
Best for: cost-sensitive RAG, large-scale search, embeddings at high QPS

Обучение и лиценз

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

Известни ограничения

Closed weights, hosted only
Cannot fine-tune the model
Lower MTEB / MIRACL scores than text-embedding-3-large
Multilingual quality below Cohere v3 for some low-resource languages
8,191-token cap may force chunking for long documents

Научни статии

Цени

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

Вход	0,024 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

0,01 щ.д.

1 кредита

На заявка

0,0001 щ.д. · 0,01 кредита

Всяка заявка се закръглява нагоре до 0,01 кредита.

API

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

text-embedding-3-smallAPI 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-small",
    "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-small",
    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-small",
  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-small
Разработчик: OpenAI
Категория: Embeddings
Вход: Текст
Изход: Вектор
Контекстен прозорец: 8191 токена
Таксуване: По потребление (токени или GPU време)
Размер на модела: Undisclosed (smaller than text-embedding-3-large)
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: 1536
Разрешени стойности: 64 до 1536
encoding_format
Тип: Избор
По подразбиране: float
Разрешени стойности: float или base64

Етикети

openai
embedding
retrieval
rag
matryoshka
general

Примерни подкани

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

Semantic Search
How to deploy a Node.js app to production
Document Clustering
Machine learning model training techniques

Случаи на използване

За какво се използва

Cost-sensitive production RAG
Large-scale semantic search across millions of documents
Embeddings for high-QPS personalisation pipelines
Clustering and topic discovery at low cost
Embeddings for downstream classification

Свързани ръководства

Embedding Models for Search & Science

Всички модели в Embeddings

Често задавани въпроси

Какво е OpenAI text-embedding-3-small?

OpenAI text-embedding-3-small 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-small на Railwail?

На Railwail OpenAI text-embedding-3-small струва 0,024 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-small?

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

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

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

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

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

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

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

Създай Railwail API ключ и изпрати твоята заявка с ID на модела text-embedding-3-small. 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-largeOpenAI
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.
0,156 щ.д./1M вх
550 % по-скъпо на единица
Сравнете OpenAI text-embedding-3-small и OpenAI text-embedding-3-large

Използвайте OpenAI text-embedding-3-small 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