OpenAI text-embedding-3-small

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

EmbeddingsДостапно

од 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.

Пробај Земи API клуч Спореди

Цена: 0,024 US$/1M вл
Контекст: 8.191 токени
Влез → излез: Текст → Вектор
Развивач: OpenAI
Ажурирано: 23 септември 2026 г.

Playground

Пробајте OpenAI text-embedding-3-small

Влез и резултат

0,024 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-small

НакраткоОд 23 септември 2026 г.

OpenAI text-embedding-3-small е модел од OpenAI во категоријата Embeddings. На Railwail, OpenAI text-embedding-3-small чини 0,024 US$ / 1M влезни токени. Контекстниот прозорец содржи 8.191 токени.

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.

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 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.

Посетете OpenAI

Архитектура

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.

Параметри: Undisclosed (smaller than text-embedding-3-large)
Контекст: 8.191 токени

Способности

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

Обука и лиценца

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

Познати ограничувања

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

Истражувачки трудови

Цени

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

Влез	0,024 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

0,01 US$

1 кредити

По барање

0,0001 US$ · 0,01 кредити

Секое барање се заокружува на 0,01 кредити.

API

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

text-embedding-3-smallПогледни 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-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);

Поставете го вашиот клуч како RAILWAIL_API_KEYСоздајте API клуч

Спецификации

ID на моделот: text-embedding-3-small
Развивач: OpenAI
Категорија: Embeddings
Влез: Текст
Излез: Вектор
Контекстен прозорец: 8.191 токени
Наплата: По употреба (токени или GPU време)
Големина на модел: Undisclosed (smaller than text-embedding-3-large)
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: 1536
Дозволени вредности: 64 до 1.536
encoding_format
Тип: Избор
Стандардно: float
Дозволени вредности: float или base64

Ознаки

openai
embedding
retrieval
rag
matryoshka
general

Примерни промпти

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

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

Случаи на употреба

За што се користи

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

Поврзани водичи

Embedding Models for Search & Science

Сите модели во Embeddings

Често поставувани прашања

Што е OpenAI text-embedding-3-small?

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

На Railwail, OpenAI text-embedding-3-small чини 0,024 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-small?

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

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

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

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

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

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

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

Создајте Railwail API клуч и испратете го вашиот барање со ID на модел text-embedding-3-small. 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-largeOpenAI
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.
0,156 US$/1M вл
550 % поскапо по единица
Споредете OpenAI text-embedding-3-small и OpenAI text-embedding-3-large

Користете го OpenAI text-embedding-3-small 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