OpenAI text-embedding-3-large

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

EmbeddingsSaatavilla

kehittäjä: 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.

Kokeile Hanki API-avain Vertaile

Hinta: 0,156 $/1M in
Konteksti: 8 191 tokenia
Syöte → tulos: Teksti → Vektori
Kehittäjä: OpenAI
Päivitetty: 23. syyskuuta 2026

Leikkikenttä

Kokeile OpenAI text-embedding-3-large

Syöte ja tulos

0,156 $/1M in

Syöte

0 / 32 000

Vertaa kohteeseen (valinnainen)

Suorittaa mallin kahdesti (laskutetaan kahdesti).

⌘/Ctrl + Enter

Tulos

Vektori ilmestyy tähän.

Tämä suoritus

Hinta näkyy, kun syöte on valmis.

Uusi täällä?

10 ilmaista creditiä (0,10 $) kun rekisteröidyt Googlella

Käytettävissä 24 tuntia rekisteröinnin jälkeen, enintään 5 suoritusta päivässä ja enintään 2 creditiä suoritusta kohti. Muut kirjautumismenetelmät alkavat ilman creditejä.

Tietoja: OpenAI text-embedding-3-large

Lyhyesti23. syyskuuta 2026 alkaen

OpenAI text-embedding-3-large on OpenAI-kehittäjän malli kategoriasta Embeddings. Railwailissa OpenAI text-embedding-3-large maksaa 0,156 $ / 1M input-tokenia. Kontekstiikkuna sisältää 8 191 tokenia.

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.

Tausta

Tietoja: OpenAI

Perustettu 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.

Vieraile sivustolla OpenAI

Arkkitehtuuri

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.

Parametrit: Undisclosed
Konteksti: 8 191 tokenia

Ominaisuudet

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

Koulutus ja lisenssi

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

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

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

Tunnetut rajoitukset

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

Tutkimusartikkelit

Hinnat

Hinnat Yhdysvaltain dollareissa. Käyttö laskutetaan prepaid-krediiteistä.

Syöte	0,156 $ / 1M tokenia

Laskutus perustuu kunkin pyynnön todella käyttämiin tokeneihin.
1 krediitti = 0,01 $

Kustannuslaskin

Hintalaskin

Syötetyt tokenid

/ pyynnöllä

Tulostetut tokenid

/ pyynnöllä

Pyynnöt

Yhteensä

0,02 $

2 krediittiä

Pyynnöllä

0,0002 $ · 0,02 krediittiä

Jokainen pyyntö pyöristetään ylöspäin 0,01 krediittiin.

API

Kutsu OpenAI text-embedding-3-large Railwail-API-avaimellasi. Käytä tätä mallin tunnusta pyynnössä:

text-embedding-3-largeAPI-dokumentaatio Hanki API-avain

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);

Aseta avaimesi muuttujaksi RAILWAIL_API_KEYLuo API-avain

Tekniset tiedot

Mallin tunnus: text-embedding-3-large
Kehittäjä: OpenAI
Kategoria: Embeddings
Syöte: Teksti
Tuloste: Vektori
Konteksti-ikkuna: 8 191 tokenia
Laskutus: Käytön mukaan (tokeneja tai GPU-aikaa)
Mallin koko: Undisclosed
Lisenssi: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Luettelokirjaus päivitetty: 23. syyskuuta 2026

Syöteparametrit

Mallin syötökaavion syötteet ja asetukset. API-osion esimerkki näyttää, mitkä niistä API hyväksyy.

ParametriTyyppiOletusSallitut arvot

inputpakollinen
Text to embed (single string or array of strings)
Tyyppi: Teksti
Oletus: –
Sallitut arvot: enintään 32 000 merkkiä
dimensions
Tyyppi: Kokonaisluku
Oletus: 3072
Sallitut arvot: 256–3 072
encoding_format
Tyyppi: Valinta
Oletus: float
Sallitut arvot: float tai base64

Tunnisteet

openai
embedding
retrieval
rag
matryoshka
multilingual

Esimerkkikysymykset

Esimerkkejä Railwail-luettelosta. Niitä ei luotu live tällä sivulla.

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

Käyttötapaukset

Mihin sitä käytetään

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

Liittyvät oppaat

Embedding Models for Search & Science

Kaikki mallit: Embeddings

Usein kysytyt kysymykset

Mikä on OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large on OpenAIn kehittämä malli Embeddings-kategoriassa. Railwailissa voit kutsua sitä API-avaimella Railwail-ohjelmointirajapinnan kautta.

Paljonko OpenAI text-embedding-3-large maksaa Railwailissa?

Railwailissa OpenAI text-embedding-3-large maksaa 0,156 $ / 1M input-tokenia. Sinua veloitetaan siitä, mitä kukin pyyntö todella käyttää. Käyttö maksetaan ennakkoon ostettujen krediittien avulla; 1 krediitti vastaa 0,01 $.

Mikä on OpenAI text-embedding-3-largen kontekstiikkuna?

OpenAI text-embedding-3-largen kontekstiikkuna sisältää 8 191 tokenia.

Kuinka nopea OpenAI text-embedding-3-large on?

OpenAI text-embedding-3-largella ei ole vielä tarpeeksi mitattuja suorituksia Railwailissa suoritusajan ilmoittamiseksi. Se riippuu syötteestä, asetuksista ja palveluntarjoajan kuormituksesta.

Onko OpenAI text-embedding-3-large parempi kuin OpenAI text-embedding-3-small?

Se riippuu tehtävästä. OpenAI text-embedding-3-large (OpenAI) ja OpenAI text-embedding-3-small (OpenAI) ovat molemmat malleja Embeddings-kategoriassa. Vertailussa näkyvät niiden hinnat ja tekniset tiedot rinnakkain.

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

Kuinka käytän OpenAI text-embedding-3-largea ohjelmointirajapinnan kautta?

Luo Railwail-ohjelmointirajapinnan avain ja lähetä pyyntösi mallin tunnuksella text-embedding-3-large. Koodiesimerkit curlille, Pythonille ja JavaScriptille ovat tämän sivun API-osiossa.

Vertailukelpoiset mallit

Kaikki tässä kategoriassa

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 in
85 % halvempi yksikköä kohti
Vertaa OpenAI text-embedding-3-large ja OpenAI text-embedding-3-small

Käytä OpenAI text-embedding-3-large API:n kautta

Yksi API-avain kaikille Railwailin malleille. Käyttö laskutetaan prepaid-krediiteistä, 1 krediitti = 0,01 $.

Hanki API-avain Selaa kaikkia malleja