OpenAI text-embedding-3-large

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

EmbeddingsSaadaval

OpenAI poolttext-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.

Proovi Hangi API võti Võrdle

Hind: 0,156 $/1M sis
Kontekst: 8191 tokenit
Sisend → väljund: Tekst → Vektor
Arendaja: OpenAI
Uuendatud: 23. september 2026

Playground

Proovi OpenAI text-embedding-3-large

Sisend ja väljund

0,156 $/1M sis

Sisend

0 / 32 000

Võrdle (valikuline)

Käivitab mudeli kaks korda (arveldatakse kaks korda).

⌘/Ctrl + Enter

Tulemus

Vektor ilmub siia.

See käivitus

Hind ilmub, kui sisend on täielik.

Oled siin uus?

10 tasuta krediiti (0,10 $), kui registreeritud Google'iga

Kasutatav 24 tundi pärast registreerimist, kuni 5 käivitust päevas ja maksimaalselt 2 krediiti käivituse kohta. Muud sisselogimismeetodid algavad ilma krediitideta.

Teave: OpenAI text-embedding-3-large

LühidaltSeisuga 23. september 2026

OpenAI text-embedding-3-large on mudel, mille on välja töötanud OpenAI kategoorias Embeddings. Railwail'is maksab OpenAI text-embedding-3-large 0,156 $ / 1M sisendtokenit. Konteksti aken sisaldab 8191 märksõna.

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.

Taust

Teave OpenAI kohta

Asutatud 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.

Külasta OpenAI

Arhitektuur

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.

Parameetrid: Undisclosed
Kontekst: 8191 tokenit

Võimalused

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

Treening ja litsents

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

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

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

Teadaolevad piirangud

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

Teadusartiklid

Hinnad

Hinnad USA dollarites. Kasutamine arvestatakse eelmakstud krediitidest.

Sisend	0,156 $ / 1M tokenit

Arvestatakse tokened, mida iga päring tegelikult kasutab.
1 krediit = 0,01 $

Kulukalkulaator

Hinna kalkulaator

Sisendtokened

/ päring

Väljundtokened

/ päring

Päringud

Kokku

0,02 $

2 krediiti

Päringute kohta

0,0002 $ · 0,02 krediiti

Iga päring ümardatakse 0,01 krediidini.

API

Kutsu OpenAI text-embedding-3-large oma Railwail API võtmega. Kasuta selles päringus seda mudeli ID-d:

text-embedding-3-largeVaata API dokumentatsiooni Hangi API võti

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);

Määra oma võti kui RAILWAIL_API_KEYLoo API-võti

Spetsifikatsioonid

Mudeli ID: text-embedding-3-large
Arendaja: OpenAI
Kategooria: Embeddings
Sisend: Tekst
Väljund: Vektor
Konteksti aken: 8191 tokenit
Arveldamine: Kasutuse järgi (tokenid või GPU-aeg)
Mudeli suurus: Undisclosed
Litsents: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Kataloogi kirje uuendatud: 23. september 2026

Sisendparameetrid

Mudeli sisendiskeemi sisendid ja seaded. API näide jaotises API näitab, milliseid neist API aktsepteerib.

ParameeterTüüpVaikimisiLubatud väärtused

inputnõutav
Text to embed (single string or array of strings)
Tüüp: Tekst
Vaikimisi: –
Lubatud väärtused: kuni 32 000 tähemärki
dimensions
Tüüp: Täisarv
Vaikimisi: 3072
Lubatud väärtused: 256 kuni 3072
encoding_format
Tüüp: Valik
Vaikimisi: float
Lubatud väärtused: float või base64

Sildid

openai
embedding
retrieval
rag
matryoshka
multilingual

Näite-prompid

Näited Railwail kataloogist. Neid ei loodud otse sellel lehel.

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

Kasutamise juhtumid

Milleks seda kasutatakse

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

Seotud juhendid

Embedding Models for Search & Science

Kõik mudelid: Embeddings

Korduma kippuvad küsimused

Mis on OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large on mudel, mille töötas välja OpenAI kategoorias Embeddings. Railwail'is saad seda kutsuda API võtme abil Railwail API kaudu.

Kui palju maksab OpenAI text-embedding-3-large Railwail'is?

Railwail'is maksab OpenAI text-embedding-3-large 0,156 $ / 1M sisendtokenit. Sulle arvestatakse see, mida iga päring tegelikult kasutab. Kasutamine makstakse eelnevalt ostetud krediitidest; 1 krediit võrdub 0,01 $.

Kui suur on OpenAI text-embedding-3-large konteksti aken?

OpenAI text-embedding-3-large konteksti aken sisaldab 8191 märksõna.

Kui kiire on OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large kohta ei ole Railwail'is veel piisavalt mõõdetud käivitusi, et käivitusaega väita. See sõltub sisendist, seadistustest ja pakkuja koormusest.

Kas OpenAI text-embedding-3-large on parem kui OpenAI text-embedding-3-small?

See sõltub ülesandest. OpenAI text-embedding-3-large (OpenAI) ja OpenAI text-embedding-3-small (OpenAI) on mõlemad mudelid kategoorias Embeddings. Võrdlusleht näitab nende hindu ja spetsifikatsioone kõrvuti.

Võrdle OpenAI text-embedding-3-large ja OpenAI text-embedding-3-small

Kuidas kasutada OpenAI text-embedding-3-large API kaudu?

Loo Railwail API võti ja saada oma päring mudeli ID-ga text-embedding-3-large. Koodinäited curl'i, Pythoni ja JavaScripti jaoks on selle lehe API jaotises.

Võrreldavad mudelid

Kõik selles kategoorias

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 $/1M sis
85 % odavam ühiku kohta
Võrdle OpenAI text-embedding-3-large ja OpenAI text-embedding-3-small

Kasuta OpenAI text-embedding-3-large API kaudu

Üks API võti kõigile Railwail mudelitele. Kasutamine arvestatakse eelmakstud krediitidest, 1 krediit = 0,01 $.

Hangi API võti Vaata kõiki mudeleid