OpenAI text-embedding-3-small

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

EmbeddingsDisponibile

di 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.

Prova Ottieni chiave API Confronta

Prezzo: 0,024 USD/1M in
Contesto: 8191 token
Input → output: Testo → Vettore
Sviluppatore: OpenAI
Aggiornato: 23 settembre 2026

Playground

Prova OpenAI text-embedding-3-small

Input e output

0,024 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-small

RiassuntoA partire da 23 settembre 2026

OpenAI text-embedding-3-small è un modello di OpenAI nella categoria Embeddings. Su Railwail, OpenAI text-embedding-3-small costa 0,024 USD / 1M token di input. La finestra di contesto contiene 8191 token.

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.

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 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.

Visita OpenAI

Architettura

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.

Parametri: Undisclosed (smaller than text-embedding-3-large)
Contesto: 8191 token

Capacità

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

Addestramento e licenza

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

Limitazioni note

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

Articoli di ricerca

Prezzi

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

Input	0,024 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

0,01 USD

1 crediti

Per richiesta

0,0001 USD · 0,01 crediti

Ogni richiesta viene arrotondata a 0,01 crediti.

API

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

text-embedding-3-smallDocumentazione 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-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);

Imposta la tua chiave come RAILWAIL_API_KEYCrea chiave API

Specifiche

ID modello: text-embedding-3-small
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 (smaller than text-embedding-3-large)
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: 1536
Valori consentiti: 64 a 1536
encoding_format
Tipo: Scelta
Predefinito: float
Valori consentiti: float o base64

Etichette

openai
embedding
retrieval
rag
matryoshka
general

Prompt di esempio

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

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

Casi d'uso

A cosa serve

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

Guide correlate

Embedding Models for Search & Science

Tutti i modelli in Embeddings

Domande frequenti

Cos'è OpenAI text-embedding-3-small?

OpenAI text-embedding-3-small 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-small su Railwail?

Su Railwail, OpenAI text-embedding-3-small costa 0,024 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-small?

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

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

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