OpenAI text-embedding-3-large

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

EmbeddingsPieejams

no 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.

Izmēģināt Iegūt API atslēgu Salīdzināt

Cena: 0,156 $/1M ievade
Konteksts: 8191 marķieri
Ievade → Izvade: Teksts → Vektors
Izstrādātājs: OpenAI
Atjaunināts: 2026. gada 23. septembris

Spēļu laukums

Izmēģiniet OpenAI text-embedding-3-large

Ievade un rezultāts

0,156 $/1M ievade

Ievade

0 / 32 000

Salīdzināt ar (neobligāti)

Palaiž modeli divas reizes (norēķināts divas reizes).

⌘/Ctrl + Enter

Rezultāts

Vektors parādīsies šeit.

Šis palaišanas gadījums

Cena parādās, kad ievade ir pabeigta.

Jauns šeit?

10 bezmaksas kredīti (0,10 $), reģistrējies ar Google

Pieejams 24 stundas pēc reģistrācijas, līdz 5 palaišanas gadījumi dienā un maksimāli 2 kredīti uz palaišanas gadījumu. Citas pierakstīšanās metodes sākas bez kredītiem.

Par OpenAI text-embedding-3-large

ĪsumāUz 2026. gada 23. septembris

OpenAI text-embedding-3-large ir OpenAI modelis kategorijā Embeddings. Railwail platformā OpenAI text-embedding-3-large maksā 0,156 $ / 1M ievades marķieru. Konteksta logs satur 8191 žetonus.

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.

Fons

Par OpenAI

Dibināts 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.

Apmeklēt OpenAI

Arhitektūra

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
Konteksts: 8191 marķieri

Iespējas

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

Apmācība un 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.

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

Zināmi ierobežojumi

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

Pētniecības raksti

Cenas

Cenas ASV dolāros. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem.

Ievade	0,156 $ / 1M marķieru

Tiek norēķināti marķieri, ko katra pieprasījuma faktiskā izmantošana.
1 kredīts = 0,01 $

Izmaksu kalkulators

Cenu kalkulators

Ievades marķieri

/ pieprasījums

Izvades marķieri

/ pieprasījums

Pieprasījumi

Kopā

0,02 $

2 kredīti

Uz pieprasījumu

0,0002 $ · 0,02 kredīti

Katrs pieprasījums tiek noapaļots līdz 0,01 kredītiem.

API

Izsauciet OpenAI text-embedding-3-large ar savu Railwail API atslēgu. Izmantojiet šo modeļa ID pieprasījumā:

text-embedding-3-largeAPI dokumentācija Iegūt API atslēgu

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);

Iestatiet savu atslēgu kā RAILWAIL_API_KEYIzveidot API atslēgu

Specifikācijas

Modeļa ID: text-embedding-3-large
Izstrādātājs: OpenAI
Kategorija: Embeddings
Ievade: Teksts
Izvade: Vektors
Konteksta logs: 8191 marķieri
Norēķini: Pēc lietojuma (tokeni vai GPU laiks)
Modeļa izmērs: Undisclosed
Licence: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Kataloga ieraksts atjaunināts: 2026. gada 23. septembris

Ievades parametri

Ievades un iestatījumi no modeļa ievades shēmas. Piemērs API sadaļā parāda, kurus no tiem API pieņem.

ParametrsTipsNoklusējumsAtļautās vērtības

inputobligāts
Text to embed (single string or array of strings)
Tips: Teksts
Noklusējums: –
Atļautās vērtības: līdz 32 000 rakstzīmēm
dimensions
Tips: Vesels skaitlis
Noklusējums: 3072
Atļautās vērtības: 256 līdz 3072
encoding_format
Tips: Izvēle
Noklusējums: float
Atļautās vērtības: float vai base64

Tagi

openai
embedding
retrieval
rag
matryoshka
multilingual

Paraugu uzvednes

Piemēri no Railwail kataloga. Tie netika ģenerēti tiešraidē šajā lapā.

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

Lietošanas gadījumi

Kam to izmanto

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

Saistītie ceļveži

Embedding Models for Search & Science

Visi modeļi: Embeddings

Bieži uzdotie jautājumi

Kas ir OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large ir OpenAI izstrādāts modelis Embeddings kategorijā. Railwail platformā varat to izsaukt ar API atslēgu, izmantojot Railwail API.

Cik maksā OpenAI text-embedding-3-large Railwail?

Railwail platformā OpenAI text-embedding-3-large maksā 0,156 $ / 1M ievades marķieru. Jums tiek ņemta maksa par to, ko katra pieprasījuma izpilde faktiski izmanto. Izmantošana tiek apmaksāta no iepriekš nopirkto kredītu; 1 kredīts = 0,01 $.

Kāds ir OpenAI text-embedding-3-large konteksta logs?

OpenAI text-embedding-3-large konteksta logs satur 8191 žetonus.

Cik ātrs ir OpenAI text-embedding-3-large?

Railwail platformā OpenAI text-embedding-3-large vēl nav pietiekami daudz izmērītu izpilžu, lai norādītu izpildes laiku. Tas ir atkarīgs no ievades, iestatījumiem un sniedzēja slodzes.

Vai OpenAI text-embedding-3-large ir labāks par OpenAI text-embedding-3-small?

Tas ir atkarīgs no uzdevuma. OpenAI text-embedding-3-large (OpenAI) un OpenAI text-embedding-3-small (OpenAI) ir abi modeļi Embeddings kategorijā. Salīdzināšanas lapā to cenas un specifikācijas ir parādītas blakus.

Salīdzināt OpenAI text-embedding-3-large un OpenAI text-embedding-3-small

Kā es varu izmantot OpenAI text-embedding-3-large caur API?

Izveidojiet Railwail API atslēgu un nosūtiet savu pieprasījumu ar modeļa ID text-embedding-3-large. Koda piemēri curl, Python un JavaScript ir šīs lapas API sadaļā.

Salīdzināmi modeļi

Visi šajā kategorijā

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 ievade
85 % lētāk uz vienību
Salīdzināt OpenAI text-embedding-3-large un OpenAI text-embedding-3-small

Izmantojiet OpenAI text-embedding-3-large caur API

Viena API atslēga visiem Railwail modeļiem. Izmantošana tiek aprēķināta no iepriekš apmaksātiem kredītiem, 1 kredīts = 0,01 $.

Iegūt API atslēgu Skatīt visus modeļus