OpenAI text-embedding-3-large

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

EmbeddingsBeschikbaar

van 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.

Probeer het API-sleutel ophalen Vergelijken

Prijs: US$ 0,156/1M in
Context: 8.191 tokens
Invoer → Uitvoer: Tekst → Vector
Ontwikkelaar: OpenAI
Bijgewerkt: 23 september 2026

Playground

OpenAI text-embedding-3-large proberen

Invoer & resultaat

US$ 0,156/1M in

Invoer

0 / 32.000

Vergelijken met (optioneel)

Voert het model twee keer uit (twee keer berekend).

⌘/Ctrl + Enter

Resultaat

De vector verschijnt hier.

Deze uitvoering

De prijs verschijnt zodra de invoer volledig is.

Nieuw hier?

10 gratis credits (US$ 0,10) wanneer je je aanmeldt met Google

Bruikbaar 24 uur na aanmelding, tot 5 uitvoeringen per dag en maximaal 2 credits per uitvoering. Andere aanmeldmethoden starten zonder credits.

Over OpenAI text-embedding-3-large

SamengevatPer 23 september 2026

OpenAI text-embedding-3-large is een model van OpenAI in de categorie Embeddings. Op Railwail kost OpenAI text-embedding-3-large US$ 0,156 / 1M invoertokens. Het contextvenster bevat 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.

Achtergrond

Over OpenAI

Opgericht 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.

OpenAI bezoeken

Architectuur

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.

Parameters: Undisclosed
Context: 8.191 tokens

Mogelijkheden

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

Training & licentie

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

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

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

Bekende beperkingen

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

Onderzoeksartikelen

Prijzen

Prijzen in US-dollars. Het gebruik wordt in rekening gebracht via vooraf gekochte credits.

Invoer	US$ 0,156 / 1M tokens

Gefactureerd worden de tokens die elke aanvraag daadwerkelijk gebruikt.
1 credit = US$ 0,01

Kostencalculator

Prijscalculator

Input-tokens

/ aanvr.

Output-tokens

/ aanvr.

Aanvragen

Totaal

US$ 0,02

2 credits

Per aanvraag

US$ 0,0002 · 0,02 credits

Elke aanvraag wordt afgerond naar 0,01 credits.

API

Roep OpenAI text-embedding-3-large aan met je Railwail API-sleutel. Gebruik deze model-ID in het verzoek:

text-embedding-3-largeAPI-documentatie API-sleutel ophalen

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);

Stel uw sleutel in als RAILWAIL_API_KEYAPI-sleutel maken

Specificaties

Model-ID: text-embedding-3-large
Ontwikkelaar: OpenAI
Categorie: Embeddings
Invoer: Tekst
Uitvoer: Vector
Contextvenster: 8.191 tokens
Facturering: Op basis van gebruik (tokens of GPU-tijd)
Modelgrootte: Undisclosed
Licentie: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Catalogusitem bijgewerkt: 23 september 2026

Invoerparameters

Invoeren en instellingen uit het invoerschema van het model. Het voorbeeld in de API-sectie toont welke daarvan de API accepteert.

ParameterTypeStandaardToegestane waarden

inputVerplicht
Text to embed (single string or array of strings)
Type: Tekst
Standaard: –
Toegestane waarden: tot 32.000 tekens
dimensions
Type: Geheel getal
Standaard: 3072
Toegestane waarden: 256 tot 3.072
encoding_format
Type: Keuze
Standaard: float
Toegestane waarden: float of base64

Voorbeeldprompts

Voorbeelden uit de Railwail-catalogus. Ze zijn niet live op deze pagina gegenereerd.

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

Gebruiksscenario's

Waarvoor het wordt gebruikt

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

Gerelateerde handleidingen

Embedding Models for Search & Science

Alle modellen in Embeddings

Veelgestelde vragen

Wat is OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large is een model van OpenAI in de categorie Embeddings. Op Railwail kunt u het aanroepen met een API-sleutel via de Railwail-API.

Hoeveel kost OpenAI text-embedding-3-large op Railwail?

Op Railwail kost OpenAI text-embedding-3-large US$ 0,156 / 1M invoertokens. U betaalt voor wat elke aanvraag daadwerkelijk verbruikt. Gebruik wordt betaald met vooraf gekochte credits; 1 credit is gelijk aan US$ 0,01.

Wat is het contextvenster van OpenAI text-embedding-3-large?

Het contextvenster van OpenAI text-embedding-3-large bevat 8.191 tokens.

Hoe snel is OpenAI text-embedding-3-large?

Er zijn nog niet genoeg gemeten runs van OpenAI text-embedding-3-large op Railwail om een uitvoeringstijd op te geven. Dit hangt af van de invoer, de instellingen en de belasting bij de provider.

Is OpenAI text-embedding-3-large beter dan OpenAI text-embedding-3-small?

Dat hangt van de taak af. OpenAI text-embedding-3-large (OpenAI) en OpenAI text-embedding-3-small (OpenAI) zijn beide modellen in de categorie Embeddings. De vergelijkingspagina toont hun prijzen en specificaties naast elkaar.

OpenAI text-embedding-3-large en OpenAI text-embedding-3-small vergelijken

Hoe gebruik ik OpenAI text-embedding-3-large via de API?

Maak een Railwail-API-sleutel aan en stuur uw aanvraag met de model-ID text-embedding-3-large. Codevoorbeelden voor curl, Python en JavaScript staan in het API-gedeelte van deze pagina.

Vergelijkbare modellen

Alle in deze categorie

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.
US$ 0,024/1M in
85 % goedkoper per eenheid
OpenAI text-embedding-3-large en OpenAI text-embedding-3-small vergelijken

OpenAI text-embedding-3-large via de API gebruiken

Één API-sleutel voor elk model op Railwail. Gebruik wordt afgerekend via vooraf gekochte credits, 1 credit = US$ 0,01.

API-sleutel ophalen Alle modellen bekijken