OpenAI text-embedding-3-large

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

EmbeddingsDisponible

par 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.

Essayer Obtenir une clé API Comparer

Prix: 0,156 $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-large

Entrée & résultat

0,156 $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-large

RésuméAu 23 septembre 2026

OpenAI text-embedding-3-large est un modèle de OpenAI dans la catégorie Embeddings. Sur Railwail, OpenAI text-embedding-3-large coûte 0,156 $US / 1M tokens d'entrée. La fenêtre de contexte contient 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.

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 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.

Visiter OpenAI

Architecture

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.

Paramètres: Undisclosed
Contexte: 8.191 tokens

Capacités

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

Formation & licence

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

Limitations connues

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

Articles de recherche

Tarification

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

Entrée	0,156 $US / 1M tokens

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

Calculateur de coûts

Calculatrice de prix

Tokens d'entrée

/ req.

Tokens de sortie

/ req.

Requêtes

Total

0,02 $US

2 crédits

Par requête

0,0002 $US · 0,02 crédits

Chaque requête est arrondie à 0,01 crédits.

API

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

text-embedding-3-largeDocumentation 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-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);

Définissez votre clé comme RAILWAIL_API_KEYCréer une clé API

Spécifications

ID du modèle: text-embedding-3-large
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
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: 3072
Valeurs autorisées: 256 à 3.072
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.

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

Cas d'usage

À quoi ça sert

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

Guides connexes

Embedding Models for Search & Science

Tous les modèles : Embeddings

Questions fréquemment posées

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

OpenAI text-embedding-3-large 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-large sur Railwail ?

Sur Railwail, OpenAI text-embedding-3-large coûte 0,156 $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-large ?

La fenêtre de contexte de OpenAI text-embedding-3-large contient 8.191 tokens.

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

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