OpenAI text-embedding-3-large

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

EmbeddingsDisponibile

di 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.

Prova Ottieni chiave API Confronta

Prezzo: 0,156 USD/1M in
Contesto: 8191 token
Input → output: Testo → Vettore
Sviluppatore: OpenAI
Aggiornato: 23 settembre 2026

Playground

Prova OpenAI text-embedding-3-large

Input e output

0,156 USD/1M in

Input

0 / 32.000

Confronta con (facoltativo)

Esegue il modello due volte (fatturato due volte).

⌘/Ctrl + Invio

Risultato

Il vettore appare qui.

Questa esecuzione

Il prezzo appare una volta completato l'input.

Nuovo qui?

10 crediti gratuiti (0,10 USD) quando ti iscrivi con Google

Utilizzabile 24 ore dopo l'iscrizione, fino a 5 esecuzioni al giorno e al massimo 2 crediti per esecuzione. Altri metodi di accesso iniziano senza crediti.

Informazioni su OpenAI text-embedding-3-large

RiassuntoA partire da 23 settembre 2026

OpenAI text-embedding-3-large è un modello di OpenAI nella categoria Embeddings. Su Railwail, OpenAI text-embedding-3-large costa 0,156 USD / 1M token di input. La finestra di contesto contiene 8191 token.

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.

Sfondo

Informazioni su OpenAI

Fondato 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.

Visita OpenAI

Architettura

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.

Parametri: Undisclosed
Contesto: 8191 token

Capacità

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

Addestramento e licenza

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

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

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

Limitazioni note

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

Articoli di ricerca

Prezzi

Prezzi in dollari USA. L'utilizzo viene addebitato dai crediti prepagati.

Input	0,156 USD / 1M token

Fatturato in base ai token che ogni richiesta utilizza effettivamente.
1 credito = 0,01 USD

Calcolatore di costi

Calcolatore prezzi

Token di input

/ richiesta

Token di output

/ richiesta

Richieste

Totale

0,02 USD

2 crediti

Per richiesta

0,0002 USD · 0,02 crediti

Ogni richiesta viene arrotondata a 0,01 crediti.

API

Chiama OpenAI text-embedding-3-large con la tua chiave API Railwail. Usa questo ID modello nella richiesta:

text-embedding-3-largeDocumentazione API Ottieni una chiave 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);

Imposta la tua chiave come RAILWAIL_API_KEYCrea chiave API

Specifiche

ID modello: text-embedding-3-large
Sviluppatore: OpenAI
Categoria: Embeddings
Input: Testo
Output: Vettore
Finestra di contesto: 8191 token
Fatturazione: In base all'utilizzo (token o tempo GPU)
Dimensione del modello: Undisclosed
Licenza: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Voce di catalogo aggiornata: 23 settembre 2026

Parametri di input

Input e impostazioni dallo schema di input del modello. L'esempio nella sezione API mostra quali di essi l'API accetta.

ParametroTipoPredefinitoValori consentiti

inputObbligatorio
Text to embed (single string or array of strings)
Tipo: Testo
Predefinito: –
Valori consentiti: fino a 32.000 caratteri
dimensions
Tipo: Numero intero
Predefinito: 3072
Valori consentiti: 256 a 3072
encoding_format
Tipo: Scelta
Predefinito: float
Valori consentiti: float o base64

Etichette

openai
embedding
retrieval
rag
matryoshka
multilingual

Prompt di esempio

Esempi dal catalogo Railwail. Non sono stati generati live su questa pagina.

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

Casi d'uso

A cosa serve

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

Guide correlate

Embedding Models for Search & Science

Tutti i modelli in Embeddings

Domande frequenti

Cos'è OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large è un modello di OpenAI nella categoria Embeddings. Su Railwail puoi richiamarlo con una chiave API tramite l'API Railwail.

Quanto costa OpenAI text-embedding-3-large su Railwail?

Su Railwail, OpenAI text-embedding-3-large costa 0,156 USD / 1M token di input. Ti viene addebitato ciò che ogni richiesta utilizza effettivamente. L'utilizzo viene pagato con crediti prepagati; 1 credito equivale a 0,01 USD.

Qual è la finestra di contesto di OpenAI text-embedding-3-large?

La finestra di contesto di OpenAI text-embedding-3-large contiene 8191 token.

Quanto è veloce OpenAI text-embedding-3-large?

Non ci sono ancora abbastanza esecuzioni misurate di OpenAI text-embedding-3-large su Railwail per indicare un tempo di esecuzione. Dipende dall'input, dalle impostazioni e dal carico presso il provider.