OpenAI text-embedding-3-large

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

EmbeddingsДостапно

од 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.

Пробај Земи API клуч Спореди

Цена: 0,156 US$/1M вл
Контекст: 8.191 токени
Влез → излез: Текст → Вектор
Развивач: OpenAI
Ажурирано: 23 септември 2026 г.

Playground

Пробајте OpenAI text-embedding-3-large

Влез и резултат

0,156 US$/1M вл

Влез

0 / 32.000

Спореди со (опционално)

Го стартува моделот двапати (наплачено двапати).

⌘/Ctrl + Enter

Резултат

Векторот се појавува овде.

Овој тек

Цената се појавува кога вводот е завршен.

Нов си овде?

10 бесплатни кредити (0,10 US$) кога ќе се регистрираш со Google

Употребливо 24 часа по регистрација, до 5 текови по ден и максимално 2 кредити по тек. Други методи на пријава почнуваат без кредити.

За OpenAI text-embedding-3-large

НакраткоОд 23 септември 2026 г.

OpenAI text-embedding-3-large е модел од OpenAI во категоријата Embeddings. На Railwail, OpenAI text-embedding-3-large чини 0,156 US$ / 1M влезни токени. Контекстниот прозорец содржи 8.191 токени.

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.

Позадина

За OpenAI

Основана 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.

Посетете OpenAI

Архитектура

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.

Параметри: Undisclosed
Контекст: 8.191 токени

Способности

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

Обука и лиценца

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

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

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

Познати ограничувања

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

Истражувачки трудови

Цени

Цени во американски долари. Употребата се наплаќува од подготвени кредити.

Влез	0,156 US$ / 1M токени

Се наплаќува според токените што секој барање всушност ги користи.
1 кредит = 0,01 US$

Калкулатор за трошоци

Калкулатор за цена

Влезни токени

/ барање

Излезни токени

/ барање

Барања

Вкупно

0,02 US$

2 кредити

По барање

0,0002 US$ · 0,02 кредити

Секое барање се заокружува на 0,01 кредити.

API

Повикајте го OpenAI text-embedding-3-large со вашиот Railwail API клуч. Користете го овој ID на моделот во барањето:

text-embedding-3-largeПогледни API документација Добијте API клуч

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);

Поставете го вашиот клуч како RAILWAIL_API_KEYСоздајте API клуч

Спецификации

ID на моделот: text-embedding-3-large
Развивач: OpenAI
Категорија: Embeddings
Влез: Текст
Излез: Вектор
Контекстен прозорец: 8.191 токени
Наплата: По употреба (токени или GPU време)
Големина на модел: Undisclosed
Лиценца: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Каталошка ставка ажурирана: 23 септември 2026 г.

Параметри на влез

Влезови и поставки од шемата на влез на моделот. Примерот во делот API покажува кои од нив ги прифаќа API.

ПараметарТипСтандардноДозволени вредности

inputзадолжително
Text to embed (single string or array of strings)
Тип: Текст
Стандардно: –
Дозволени вредности: до 32.000 знаци
dimensions
Тип: Целина
Стандардно: 3072
Дозволени вредности: 256 до 3.072
encoding_format
Тип: Избор
Стандардно: float
Дозволени вредности: float или base64

Ознаки

openai
embedding
retrieval
rag
matryoshka
multilingual

Примерни промпти

Примери од каталогот на Railwail. Тие не беа генерирани живо на оваа страница.

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

Случаи на употреба

За што се користи

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

Поврзани водичи

Embedding Models for Search & Science

Сите модели во Embeddings

Често поставувани прашања

Што е OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large е модел од OpenAI во категоријата Embeddings. На Railwail можете да го повикате со API клуч преку Railwail API.

Колку чини OpenAI text-embedding-3-large на Railwail?

На Railwail, OpenAI text-embedding-3-large чини 0,156 US$ / 1M влезни токени. Се наплаќува за она што секој барање всушност користи. Употребата се плаќа од подготвени кредити; 1 кредит е еднаков на 0,01 US$.

Колку е контекстниот прозорец на OpenAI text-embedding-3-large?

Контекстниот прозорец на OpenAI text-embedding-3-large содржи 8.191 токени.

Колку брз е OpenAI text-embedding-3-large?

Нема доволно измерени извршувања на OpenAI text-embedding-3-large на Railwail за да се наведе време на извршување. Зависи од влезот, поставките и оптеретувањето кај добавувачот.

Дали OpenAI text-embedding-3-large е подобар од OpenAI text-embedding-3-small?

Зависи од задачата. OpenAI text-embedding-3-large (OpenAI) и OpenAI text-embedding-3-small (OpenAI) се обата модели во категоријата Embeddings. Страницата за споредба ги покажува нивните цени и спецификации една до друга.

Спореди OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Како го користам OpenAI text-embedding-3-large преку API?

Создајте Railwail API клуч и испратете го вашиот барање со ID на модел text-embedding-3-large. Примери на код за curl, Python и JavaScript се наоѓаат во API делот на оваа страница.

Слични модели

Сите во оваа категорија

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 US$/1M вл
85 % поевтино по единица
Споредете OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Користете го OpenAI text-embedding-3-large преку API

Еден API клуч за секој модел на Railwail. Употребата се наплаќува од подготвени кредити, 1 кредит = 0,01 US$.

Добијте API клуч Погледни ги сите модели