OpenAI text-embedding-3-large

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

EmbeddingiDostępne

od 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.

Wypróbuj Uzyskaj klucz API Porównaj

Cena: 0,156 USD/1M wej.
Kontekst: 8191 tokenów
Wejście → Wyjście: Tekst → Wektor
Deweloper: OpenAI
Zaktualizowano: 23 września 2026

Playground

Spróbuj OpenAI text-embedding-3-large

Wejście i wyjście

0,156 USD/1M wej.

Dane wejściowe

0 / 32 000

Porównaj z (opcjonalnie)

Uruchamia model dwa razy (rozliczane dwa razy).

⌘/Ctrl + Enter

Wynik

Wektor pojawi się tutaj.

To uruchomienie

Cena pojawia się po uzupełnieniu danych wejściowych.

Nowy tutaj?

10 darmowych kredytów (0,10 USD) po zarejestrowaniu się przez Google

Dostępne 24 godzin po rejestracji, do 5 uruchomień dziennie i maksymalnie 2 kredytów na uruchomienie. Inne metody logowania uruchamiają się bez kredytów.

O OpenAI text-embedding-3-large

Krótko mówiącStan na 23 września 2026

OpenAI text-embedding-3-large to model opracowany przez OpenAI w kategorii Embeddingi. W serwisie Railwail OpenAI text-embedding-3-large kosztuje 0,156 USD / 1M tokenów wejściowych. Okno kontekstu zawiera 8191 tokenów.

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.

Tło

O OpenAI

Założona 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.

Odwiedź OpenAI

Architektura

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.

Parametry: Undisclosed
Kontekst: 8191 tokenów

Możliwości

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

Trening i licencja

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

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

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

Znane ograniczenia

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

Artykuły naukowe

Ceny

Ceny w dolarach amerykańskich. Użycie jest rozliczane z prepłaconych kredytów.

Wejście	0,156 USD / 1M tokenów

Rozliczane są tokeny, które faktycznie zużywa każde żądanie.
1 kredyt = 0,01 USD

Kalkulator kosztów

Kalkulator cen

Tokeny wejściowe

/ żądanie

Tokeny wyjściowe

/ żądanie

Żądania

Razem

0,02 USD

2 kredytów

Za żądanie

0,0002 USD · 0,02 kredytów

Każde żądanie jest zaokrąglane w górę do 0,01 kredytu.

API

Wywołaj OpenAI text-embedding-3-large za pomocą klucza API Railwail. Użyj tego ID modelu w żądaniu:

text-embedding-3-largeDokumentacja API Uzyskaj klucz 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);

Ustaw klucz jako RAILWAIL_API_KEYUtwórz klucz API

Specyfikacje

ID modelu: text-embedding-3-large
Deweloper: OpenAI
Kategoria: Embeddingi
Wejście: Tekst
Wyjście: Wektor
Okno kontekstu: 8191 tokenów
Rozliczenie: Według użycia (tokeny lub czas GPU)
Rozmiar modelu: Undisclosed
Licencja: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Wpis w katalogu zaktualizowany: 23 września 2026

Parametry wejściowe

Dane wejściowe i ustawienia ze schematu wejściowego modelu. Przykład w sekcji API pokazuje, które z nich API akceptuje.

ParametrTypDomyślnieDozwolone wartości

inputwymagane
Text to embed (single string or array of strings)
Typ: Tekst
Domyślnie: –
Dozwolone wartości: do 32 000 znaków
dimensions
Typ: Liczba całkowita
Domyślnie: 3072
Dozwolone wartości: 256 do 3072
encoding_format
Typ: Wybór
Domyślnie: float
Dozwolone wartości: float lub base64

Tagi

openai
embedding
retrieval
rag
matryoshka
multilingual

Przykładowe prompty

Przykłady z katalogu Railwail. Nie zostały wygenerowane na żywo na tej stronie.

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

Przypadki użycia

Do czego się go używa

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

Powiązane przewodniki

Embedding Models for Search & Science

Wszystkie modele w Embeddingi

Często zadawane pytania

Co to jest OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large to model opracowany przez OpenAI w kategorii Embeddingi. W serwisie Railwail możesz go wywołać za pomocą klucza API poprzez API Railwail.

Ile kosztuje OpenAI text-embedding-3-large w serwisie Railwail?

W serwisie Railwail OpenAI text-embedding-3-large kosztuje 0,156 USD / 1M tokenów wejściowych. Opłata jest pobierana za to, co faktycznie zużywa każde żądanie. Użycie jest opłacane z przedpłaconych kredytów; 1 kredyt równa się 0,01 USD.

Jakie jest okno kontekstu OpenAI text-embedding-3-large?

Okno kontekstu OpenAI text-embedding-3-large zawiera 8191 tokenów.

Jak szybki jest OpenAI text-embedding-3-large?

Dla OpenAI text-embedding-3-large jest jeszcze zbyt mało zmierzonych przebiegów w serwisie Railwail, aby podać czas przebiegu. Zależy to od wejścia, ustawień i obciążenia u dostawcy.

Czy OpenAI text-embedding-3-large jest lepszy niż OpenAI text-embedding-3-small?

To zależy od zadania. OpenAI text-embedding-3-large (OpenAI) i OpenAI text-embedding-3-small (OpenAI) to oba modele z kategorii Embeddingi. Strona porównania pokazuje ich ceny i specyfikacje obok siebie.

Porównaj OpenAI text-embedding-3-large i OpenAI text-embedding-3-small

Jak używać OpenAI text-embedding-3-large przez API?

Utwórz klucz API Railwail i wyślij swoje żądanie z ID modelu text-embedding-3-large. Przykłady kodu dla curl, Python i JavaScript znajdują się w sekcji API na tej stronie.

Porównywalne modele

Wszystkie w tej kategorii

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 USD/1M wej.
85 % taniej za jednostkę
Porównaj OpenAI text-embedding-3-large i OpenAI text-embedding-3-small

Użyj OpenAI text-embedding-3-large przez API

Jeden klucz API dla każdego modelu na Railwail. Opłaty pobierane są z przedpłaconych kredytów, 1 kredyt = 0,01 USD.

Pobierz klucz API Przeglądaj wszystkie modele