OpenAI text-embedding-3-small

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

EmbeddingsDisponible

de 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.

Probar Obtener clave API Comparar

Precio: 0,024 US$/1M entrada
Contexto: 8191 tokens
Entrada → Salida: Texto → Vector
Desarrollador: OpenAI
Actualizado: 23 de septiembre de 2026

Playground

Probar OpenAI text-embedding-3-small

Entrada y salida

0,024 US$/1M entrada

Entrada

0 / 32.000

Comparar con (opcional)

Ejecuta el modelo dos veces (se factura dos veces).

⌘/Ctrl + Intro

Resultado

El vector aparece aquí.

Esta ejecución

El precio aparece una vez que la entrada está completa.

¿Eres nuevo aquí?

10 créditos gratis (0,10 US$) cuando te registres con Google

Disponible 24 horas después del registro, hasta 5 ejecuciones por día y como máximo 2 créditos por ejecución. Otros métodos de inicio de sesión comienzan sin créditos.

Acerca de OpenAI text-embedding-3-small

ResumenA fecha de 23 de septiembre de 2026

OpenAI text-embedding-3-small es un modelo de OpenAI en la categoría Embeddings. En Railwail, OpenAI text-embedding-3-small cuesta 0,024 US$ / 1M tokens de entrada. La ventana de contexto contiene 8191 tokens.

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.

Fondo

Acerca de OpenAI

Fundado en 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.

Visitar OpenAI

Arquitectura

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.

Parámetros: Undisclosed (smaller than text-embedding-3-large)
Contexto: 8191 tokens

Capacidades

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

Entrenamiento y licencia

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

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

Pruebas de seguridad: Embeddings are not subject to content-filter constraints; OpenAI publishes general bias and fairness statements.

Limitaciones conocidas

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

Artículos de investigación

Precios

Precios en dólares estadounidenses. El uso se cobra con créditos prepagados.

Entrada	0,024 US$ / 1M tokens

Se facturan los tokens que cada solicitud realmente utiliza.
1 crédito = 0,01 US$

Calculadora de costes

Calculadora de precios

Tokens de entrada

/ solicitud

Tokens de salida

/ solicitud

Solicitudes

Total

0,01 US$

1 créditos

Por solicitud

0,0001 US$ · 0,01 créditos

Cada solicitud se redondea a 0,01 créditos.

API

Llama a OpenAI text-embedding-3-small con tu clave API de Railwail. Usa este ID de modelo en la solicitud:

text-embedding-3-smallDocumentación de API Obtener una clave API

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);

Establece tu clave como RAILWAIL_API_KEYCrear clave API

Especificaciones

ID del modelo: text-embedding-3-small
Desarrollador: OpenAI
Categoría: Embeddings
Entrada: Texto
Salida: Vector
Ventana de contexto: 8191 tokens
Facturación: Por uso (tokens o tiempo de GPU)
Tamaño del modelo: Undisclosed (smaller than text-embedding-3-large)
Licencia: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Entrada del catálogo actualizada: 23 de septiembre de 2026

Parámetros de entrada

Entradas y configuración del esquema de entrada del modelo. El ejemplo en la sección API muestra cuáles de ellas acepta la API.

ParámetroTipoPredeterminadoValores permitidos

inputObligatorio
Text to embed (single string or array of strings)
Tipo: Texto
Predeterminado: –
Valores permitidos: Hasta 32.000 caracteres
dimensions
Tipo: Número entero
Predeterminado: 1536
Valores permitidos: 64 a 1536
encoding_format
Tipo: Opción
Predeterminado: float
Valores permitidos: float o base64

Prompts de ejemplo

Ejemplos del catálogo de Railwail. No fueron generados en vivo en esta página.

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

Casos de uso

Para qué se utiliza

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

Guías relacionadas

Embedding Models for Search & Science

Todos los modelos en Embeddings

Preguntas frecuentes

¿Qué es OpenAI text-embedding-3-small?

OpenAI text-embedding-3-small es un modelo de OpenAI en la categoría Embeddings. En Railwail puedes llamarlo con una clave API a través de la API de Railwail.

¿Cuánto cuesta OpenAI text-embedding-3-small en Railwail?

En Railwail, OpenAI text-embedding-3-small cuesta 0,024 US$ / 1M tokens de entrada. Se te cobra por lo que cada solicitud realmente consume. El uso se paga con créditos prepagados; 1 crédito equivale a 0,01 US$.

¿Cuál es la ventana de contexto de OpenAI text-embedding-3-small?

La ventana de contexto de OpenAI text-embedding-3-small contiene 8191 tokens.

¿Qué velocidad tiene OpenAI text-embedding-3-small?

Aún no hay suficientes ejecuciones medidas de OpenAI text-embedding-3-small en Railwail para indicar un tiempo de ejecución. Depende de la entrada, la configuración y la carga en el proveedor.

¿Es OpenAI text-embedding-3-small mejor que OpenAI text-embedding-3-large?

Depende de la tarea. OpenAI text-embedding-3-small (OpenAI) y OpenAI text-embedding-3-large (OpenAI) son ambos modelos en la categoría Embeddings. La página de comparación muestra sus precios y especificaciones lado a lado.

Comparar OpenAI text-embedding-3-small y OpenAI text-embedding-3-large

¿Cómo uso OpenAI text-embedding-3-small a través de la API?

Crea una clave API de Railwail y envía tu solicitud con el ID de modelo text-embedding-3-small. Los ejemplos de código para curl, Python y JavaScript están en la sección API de esta página.

Modelos comparables

Todos en esta categoría

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 US$/1M entrada
550 % más caro por unidad
Comparar OpenAI text-embedding-3-small vs. OpenAI text-embedding-3-large

Usar OpenAI text-embedding-3-small a través de la API

Una clave API para todos los modelos en Railwail. El uso se cobra desde créditos prepagados, 1 crédito = 0,01 US$.

Obtener clave API Explorar todos los modelos