OpenAI text-embedding-3-large

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

EmbeddingsΔιαθέσιμο

από 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.

Δοκιμάστε το Λήψη API κλειδιού Σύγκριση

Τιμή: 0,156 $/1M in
Περιεχόμενο: 8.191 tokens
Είσοδος → Έξοδος: Κείμενο → Διάνυσμα
Προγραμματιστής: OpenAI
Ενημερώθηκε: 23 Σεπτεμβρίου 2026

Playground

Δοκιμάστε OpenAI text-embedding-3-large

Είσοδος & Έξοδος

0,156 $/1M in

Είσοδος

0 / 32.000

Σύγκριση με (προαιρετικό)

Εκτελεί το μοντέλο δύο φορές (χρέωση δύο φορές).

⌘/Ctrl + Enter

Αποτέλεσμα

Το διάνυσμα εμφανίζεται εδώ.

Αυτή η εκτέλεση

Η τιμή εμφανίζεται μόλις ολοκληρωθεί η είσοδος.

Νέος εδώ;

10 δωρεάν πιστωτικές μονάδες (0,10 $) όταν εγγραφείς με Google

Χρησιμοποιήσιμο 24 ώρες μετά την εγγραφή, έως 5 εκτελέσεις ανά ημέρα και το πολύ 2 πιστωτικές μονάδες ανά εκτέλεση. Άλλες μέθοδοι σύνδεσης ξεκινούν χωρίς πιστωτικές μονάδες.

Σχετικά με το OpenAI text-embedding-3-large

ΣύντομαΗμερομηνία: 23 Σεπτεμβρίου 2026

Το OpenAI text-embedding-3-large είναι ένα μοντέλο του OpenAI στην κατηγορία Embeddings. Στο Railwail, το OpenAI text-embedding-3-large κοστίζει 0,156 $ / 1M tokens εισόδου. Το παράθυρο περιεχομένου περιέχει 8.191 tokens.

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.

Φόντο

Σχετικά με OpenAI

Ιδρύθηκε 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.

Επισκεφθείτε OpenAI

Αρχιτεκτονική

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.

Παράμετροι: Undisclosed
Περιεχόμενο: 8.191 tokens

Δυνατότητες

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

Εκπαίδευση & άδεια

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

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

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

Γνωστοί περιορισμοί

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

Ερευνητικές εργασίες

Τιμολόγηση

Οι τιμές είναι σε δολάρια ΗΠΑ. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά.

Είσοδος	0,156 $ / 1M tokens

Χρέωση με βάση τα tokens που χρησιμοποιεί πραγματικά κάθε αίτημα.
1 πιστωτική μονάδα = 0,01 $

Αριθμομηχανή κόστους

Αριθμομηχανή τιμών

Tokens εισόδου

/ αίτημα

Tokens εξόδου

/ αίτημα

Αιτήματα

Σύνολο

0,02 $

2 πιστωτικές μονάδες

Ανά αίτημα

0,0002 $ · 0,02 πιστωτικές μονάδες

Κάθε αίτημα στρογγυλοποιείται προς τα πάνω σε 0,01 πιστωτικές μονάδες.

API

Καλέστε το OpenAI text-embedding-3-large με το κλειδί Railwail API. Χρησιμοποιήστε αυτό το ID μοντέλου στο αίτημα:

text-embedding-3-largeΤεκμηρίωση API Λήψη κλειδιού API

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);

Ορίστε το κλειδί σας ως RAILWAIL_API_KEYΔημιουργία κλειδιού API

Προδιαγραφές

ID μοντέλου: text-embedding-3-large
Ανάπτυξη: OpenAI
Κατηγορία: Embeddings
Είσοδος: Κείμενο
Έξοδος: Διάνυσμα
Παράθυρο περιεχομένου: 8.191 tokens
Χρέωση: Κατά χρήση (tokens ή χρόνος GPU)
Μέγεθος μοντέλου: Undisclosed
Άδεια: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Καταχώρηση καταλόγου ενημερώθηκε: 23 Σεπτεμβρίου 2026

Παράμετροι εισόδου

Εισόδους και ρυθμίσεις από το σχήμα εισόδου του μοντέλου. Το παράδειγμα στην ενότητα API δείχνει ποιες από αυτές δέχεται το API.

ΠαράμετροςΤύποςΠροεπιλογήΕπιτρεπόμενες τιμές

inputΥποχρεωτικό
Text to embed (single string or array of strings)
Τύπος: Κείμενο
Προεπιλογή: –
Επιτρεπόμενες τιμές: Έως 32.000 χαρακτήρες
dimensions
Τύπος: Ακέραιος αριθμός
Προεπιλογή: 3072
Επιτρεπόμενες τιμές: 256 έως 3.072
encoding_format
Τύπος: Επιλογή
Προεπιλογή: float
Επιτρεπόμενες τιμές: float ή base64

Ετικέτες

openai
embedding
retrieval
rag
matryoshka
multilingual

Παράδειγμα προτροπών

Παραδείγματα από τον κατάλογο Railwail. Δεν δημιουργήθηκαν ζωντανά σε αυτήν τη σελίδα.

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

Περιπτώσεις χρήσης

Για τι χρησιμοποιείται

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

Σχετικοί οδηγοί

Embedding Models for Search & Science

Όλα τα μοντέλα: Embeddings

Συχνές ερωτήσεις

Τι είναι OpenAI text-embedding-3-large;

Το OpenAI text-embedding-3-large είναι ένα μοντέλο του OpenAI στην κατηγορία Embeddings. Στο Railwail μπορείτε να το καλέσετε με ένα API key μέσω του Railwail API.

Πόσο κοστίζει το OpenAI text-embedding-3-large στο Railwail;

Στο Railwail, το OpenAI text-embedding-3-large κοστίζει 0,156 $ / 1M tokens εισόδου. Χρεώνεστε για αυτό που χρησιμοποιεί πραγματικά κάθε αίτημα. Η χρήση πληρώνεται από προπληρωμένες πιστωτικές μονάδες· 1 πιστωτική μονάδα ισούται με 0,01 $.

Ποιο είναι το παράθυρο περιεχομένου του OpenAI text-embedding-3-large;

Το παράθυρο περιεχομένου του OpenAI text-embedding-3-large περιέχει 8.191 tokens.

Πόσο γρήγορο είναι το OpenAI text-embedding-3-large;

Δεν υπάρχουν αρκετές μετρημένες εκτελέσεις του OpenAI text-embedding-3-large στο Railwail ακόμα για να δηλωθεί ένας χρόνος εκτέλεσης. Εξαρτάται από την είσοδο, τις ρυθμίσεις και το φορτίο στον πάροχο.

Είναι το OpenAI text-embedding-3-large καλύτερο από το OpenAI text-embedding-3-small;

Αυτό εξαρτάται από την εργασία. Το OpenAI text-embedding-3-large (OpenAI) και το OpenAI text-embedding-3-small (OpenAI) είναι και τα δύο μοντέλα στην κατηγορία Embeddings. Η σελίδα σύγκρισης δείχνει τις τιμές και τις προδιαγραφές τους παράλληλα.

Σύγκριση OpenAI text-embedding-3-large και OpenAI text-embedding-3-small

Πώς χρησιμοποιώ το OpenAI text-embedding-3-large μέσω του API;

Δημιουργήστε ένα Railwail API key και στείλτε το αίτημά σας με το ID μοντέλου text-embedding-3-large. Παραδείγματα κώδικα για curl, Python και JavaScript βρίσκονται στην ενότητα API αυτής της σελίδας.

Συγκρίσιμα μοντέλα

Όλα σε αυτήν την κατηγορία

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 % φθηνότερο ανά μονάδα
Σύγκριση OpenAI text-embedding-3-large και OpenAI text-embedding-3-small

Χρησιμοποιήστε το OpenAI text-embedding-3-large μέσω του API

Ένα κλειδί API για κάθε μοντέλο στο Railwail. Η χρήση χρεώνεται από προπληρωμένα πιστωτικά, 1 πιστωτικό = 0,01 $.

Λήψη κλειδιού API Περιήγηση σε όλα τα μοντέλα