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

par 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.

Essayer Obtenir une clé API Comparer

Prix: 0,024 $US/1M entrée
Contexte: 8 191 tokens
Entrée → Sortie: Texte → Vecteur
Développeur: OpenAI
Mis à jour: 23 septembre 2026

Playground

Essayer OpenAI text-embedding-3-small

Entrée et résultat

0,024 $US/1M entrée

Entrée

0 / 32 000

Comparer avec (optionnel)

Exécute le modèle deux fois (facturé deux fois).

⌘/Ctrl + Entrée

Résultat

Le vecteur apparaît ici.

Cette exécution

Le prix s'affiche une fois l'entrée complète.

Nouveau par ici ?

10 crédits gratuits (0,10 $US) lors de l'inscription avec Google

Utilisable 24 heures après l'inscription, jusqu'à 5 exécutions par jour et au maximum 2 crédits par exécution. Les autres méthodes de connexion commencent sans crédits.

À propos de OpenAI text-embedding-3-small

RésuméAu 23 septembre 2026

OpenAI text-embedding-3-small est un modèle de OpenAI dans la catégorie Embeddings. Sur Railwail, OpenAI text-embedding-3-small coûte 0,024 $US / 1M tokens d'entrée. La fenêtre de contexte contient 8 191 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.

Arrière-plan

À propos de OpenAI

Fondée 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.

Visiter OpenAI

Architecture

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.

Paramètres: Undisclosed (smaller than text-embedding-3-large)
Contexte: 8 191 tokens

Capacités

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

Entraînement et licence

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

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

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

Limitations connues

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

Articles de recherche

Tarification

Prix en dollars US. L'utilisation est facturée à partir de crédits prépayés.

Entrée	0,024 $US / 1M tokens

Facturé selon les tokens que chaque requête utilise réellement.
1 crédit = 0,01 $US

Calculateur de coûts

Calculateur de prix

Tokens d'entrée

/ req.

Tokens de sortie

/ req.

Requêtes

Total

0,01 $US

1 crédits

Par requête

0,0001 $US · 0,01 crédits

Chaque requête est arrondie à 0,01 crédit.

API

Appelez OpenAI text-embedding-3-small avec votre clé API Railwail. Utilisez cet ID de modèle dans la requête :

text-embedding-3-smallDocumentation API Obtenir une clé 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);

Définissez votre clé en tant que RAILWAIL_API_KEYCréer une clé API

Spécifications

ID du modèle: text-embedding-3-small
Développeur: OpenAI
Catégorie: Embeddings
Entrée: Texte
Sortie: Vecteur
Fenêtre de contexte: 8 191 tokens
Facturation: À l'usage (tokens ou temps GPU)
Taille du modèle: Undisclosed (smaller than text-embedding-3-large)
Licence: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Entrée du catalogue mise à jour: 23 septembre 2026

Paramètres d'entrée

Entrées et paramètres du schéma d'entrée du modèle. L'exemple dans la section API montre lesquels l'API accepte.

ParamètreTypeDéfautValeurs autorisées

inputObligatoire
Text to embed (single string or array of strings)
Type: Texte
Défaut: –
Valeurs autorisées: Jusqu'à 32 000 caractères
dimensions
Type: Nombre entier
Défaut: 1536
Valeurs autorisées: 64 à 1 536
encoding_format
Type: Choix
Défaut: float
Valeurs autorisées: float ou base64

Prompts d'exemple

Exemples du catalogue Railwail. Ils n'ont pas été générés en direct sur cette page.

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

Cas d'usage

À quoi ça sert

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

Guides associés

Embedding Models for Search & Science

Tous les modèles : Embeddings

Questions fréquemment posées

Qu'est-ce que OpenAI text-embedding-3-small ?

OpenAI text-embedding-3-small est un modèle de OpenAI dans la catégorie Embeddings. Sur Railwail, vous pouvez l'appeler avec une clé API via l'API Railwail.

Combien coûte OpenAI text-embedding-3-small sur Railwail ?

Sur Railwail, OpenAI text-embedding-3-small coûte 0,024 $US / 1M tokens d'entrée. Vous êtes facturé pour ce que chaque requête utilise réellement. L'utilisation est payée à partir de crédits prépayés ; 1 crédit équivaut à 0,01 $US.

Quelle est la fenêtre de contexte de OpenAI text-embedding-3-small ?

La fenêtre de contexte de OpenAI text-embedding-3-small contient 8 191 tokens.

Quelle est la vitesse de OpenAI text-embedding-3-small ?

Il n'y a pas encore assez d'exécutions mesurées de OpenAI text-embedding-3-small sur Railwail pour indiquer un temps d'exécution. Cela dépend de l'entrée, des paramètres et de la charge chez le fournisseur.