OpenAI text-embedding-3-small

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

EmbeddingsSaadaval

OpenAI poolttext-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.

Proovi Hangi API võti Võrdle

Hind: 0,024 $/1M sis
Kontekst: 8191 tokenit
Sisend → väljund: Tekst → Vektor
Arendaja: OpenAI
Uuendatud: 23. september 2026

Playground

Proovi OpenAI text-embedding-3-small

Sisend ja väljund

0,024 $/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-small

LühidaltSeisuga 23. september 2026

OpenAI text-embedding-3-small on mudel, mille on välja töötanud OpenAI kategoorias Embeddings. Railwail'is maksab OpenAI text-embedding-3-small 0,024 $ / 1M sisendtokenit. Konteksti aken sisaldab 8191 märksõna.

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.

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 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.

Külasta OpenAI

Arhitektuur

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.

Parameetrid: Undisclosed (smaller than text-embedding-3-large)
Kontekst: 8191 tokenit

Võimalused

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

Treening ja litsents

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

Teadaolevad piirangud

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

Teadusartiklid

Hinnad

Hinnad USA dollarites. Kasutamine arvestatakse eelmakstud krediitidest.

Sisend	0,024 $ / 1M tokenit

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

Kulukalkulaator

Hinna kalkulaator

Sisendtokened

/ päring

Väljundtokened

/ päring

Päringud

Kokku

0,01 $

1 krediiti

Päringute kohta

0,0001 $ · 0,01 krediiti

Iga päring ümardatakse 0,01 krediidini.

API

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

text-embedding-3-smallVaata 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-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);

Määra oma võti kui RAILWAIL_API_KEYLoo API-võti

Spetsifikatsioonid

Mudeli ID: text-embedding-3-small
Arendaja: OpenAI
Kategooria: Embeddings
Sisend: Tekst
Väljund: Vektor
Konteksti aken: 8191 tokenit
Arveldamine: Kasutuse järgi (tokenid või GPU-aeg)
Mudeli suurus: Undisclosed (smaller than text-embedding-3-large)
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: 1536
Lubatud väärtused: 64 kuni 1536
encoding_format
Tüüp: Valik
Vaikimisi: float
Lubatud väärtused: float või base64

Sildid

openai
embedding
retrieval
rag
matryoshka
general

Näite-prompid

Näited Railwail kataloogist. Neid ei loodud otse sellel lehel.

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

Kasutamise juhtumid

Milleks seda kasutatakse

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

Seotud juhendid

Embedding Models for Search & Science

Kõik mudelid: Embeddings

Korduma kippuvad küsimused

Mis on OpenAI text-embedding-3-small?

OpenAI text-embedding-3-small 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-small Railwail'is?

Railwail'is maksab OpenAI text-embedding-3-small 0,024 $ / 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-small konteksti aken?

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

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

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

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

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

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

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

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

Võrreldavad mudelid

Kõik selles kategoorias

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 $/1M sis
550 % kallim ühiku kohta
Võrdle OpenAI text-embedding-3-small ja OpenAI text-embedding-3-large

Kasuta OpenAI text-embedding-3-small API kaudu

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

Hangi API võti Vaata kõiki mudeleid