OpenAI text-embedding-3-large

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

EmbeddingsDisponível

por 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.

Experimentar Obter chave API Comparar

Preço: US$ 0,156/1M entrada
Contexto: 8.191 tokens
Entrada → Saída: Texto → Vetor
Desenvolvedor: OpenAI
Atualizado: 23 de setembro de 2026

Playground

Experimentar OpenAI text-embedding-3-large

Entrada & saída

US$ 0,156/1M entrada

Entrada

0 / 32.000

Comparar com (opcional)

Executa o modelo duas vezes (cobrado duas vezes).

⌘/Ctrl + Enter

Resultado

O vetor aparece aqui.

Esta execução

O preço aparece quando a entrada está completa.

Novo por aqui?

10 créditos grátis (US$ 0,10) ao se inscrever com Google

Utilizável 24 horas após inscrição, até 5 execuções por dia e no máximo 2 créditos por execução. Outros métodos de login começam sem créditos.

Sobre OpenAI text-embedding-3-large

ResumoA partir de 23 de setembro de 2026

OpenAI text-embedding-3-large é um modelo de OpenAI na categoria Embeddings. No Railwail, OpenAI text-embedding-3-large custa US$ 0,156 / 1M tokens de entrada. A janela de contexto contém 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.

Fundo

Sobre OpenAI

Fundado em 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.

Visite OpenAI

Arquitetura

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.

Parâmetros: Undisclosed
Contexto: 8.191 tokens

Capacidades

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

Treinamento & licença

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

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

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

Limitações conhecidas

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

Artigos de pesquisa

Preços

Preços em dólares americanos. O uso é cobrado a partir de créditos pré-pagos.

Entrada	US$ 0,156 / 1M tokens

Cobrado pelos tokens que cada solicitação realmente utiliza.
1 crédito = US$ 0,01

Calculadora de custos

Calculadora de preços

Tokens de entrada

/ req.

Tokens de saída

/ req.

Requisições

Total

US$ 0,02

2 créditos

Por requisição

US$ 0,0002 · 0,02 créditos

Cada requisição é arredondada para 0,01 créditos.

API

Chame OpenAI text-embedding-3-large com sua chave de API Railwail. Use este ID de modelo na solicitação:

text-embedding-3-largeDocumentação da API Obter uma chave de 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);

Defina sua chave como RAILWAIL_API_KEYCriar chave de API

Especificações

ID do modelo: text-embedding-3-large
Desenvolvedor: OpenAI
Categoria: Embeddings
Entrada: Texto
Saída: Vetor
Janela de contexto: 8.191 tokens
Faturamento: Por uso (tokens ou tempo de GPU)
Tamanho do modelo: Undisclosed
Licença: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Entrada do catálogo atualizada: 23 de setembro de 2026

Parâmetros de entrada

Entradas e configurações do esquema de entrada do modelo. O exemplo na seção API mostra quais delas a API aceita.

ParâmetroTipoPadrãoValores permitidos

inputobrigatório
Text to embed (single string or array of strings)
Tipo: Texto
Padrão: –
Valores permitidos: até 32.000 caracteres
dimensions
Tipo: Número inteiro
Padrão: 3072
Valores permitidos: 256 a 3.072
encoding_format
Tipo: Escolha
Padrão: float
Valores permitidos: float ou base64

Prompts de exemplo

Exemplos do catálogo Railwail. Eles não foram gerados ao vivo nesta página.

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

Casos de uso

Para que é utilizado

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

Guias relacionados

Embedding Models for Search & Science

Todos os modelos em Embeddings

Perguntas frequentes

O que é OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large é um modelo de OpenAI na categoria Embeddings. No Railwail você pode chamá-lo com uma chave de API através da API Railwail.

Quanto custa OpenAI text-embedding-3-large no Railwail?

No Railwail, OpenAI text-embedding-3-large custa US$ 0,156 / 1M tokens de entrada. Você é cobrado pelo que cada solicitação realmente usa. O uso é pago com créditos pré-pagos; 1 crédito equivale a US$ 0,01.

Qual é a janela de contexto de OpenAI text-embedding-3-large?

A janela de contexto de OpenAI text-embedding-3-large contém 8.191 tokens.

Qual é a velocidade de OpenAI text-embedding-3-large?

Ainda não há execuções medidas suficientes de OpenAI text-embedding-3-large no Railwail para indicar um tempo de execução. Depende da entrada, das configurações e da carga no provedor.