OpenAI text-embedding-3-large

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

EmbeddingsDisponibil

de 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.

Încearcă Obține cheie API Compară

Preț: 0,156 USD/1M in
Context: 8.191 tokeni
Intrare → ieșire: Text → Vector
Dezvoltator: OpenAI
Actualizat: 23 septembrie 2026

Playground

Încearcă OpenAI text-embedding-3-large

Intrare & rezultat

0,156 USD/1M in

Intrare

0 / 32.000

Compară cu (opțional)

Execută modelul de două ori (facturat de două ori).

⌘/Ctrl + Enter

Rezultat

Vectorul apare aici.

Această rulare

Prețul apare odată ce intrarea este completă.

Nou aici?

10 credite gratuite (0,10 USD) când te înregistrezi cu Google

Utilizabil 24 ore după înregistrare, până la 5 rulări pe zi și maximum 2 credite pe rulare. Alte metode de conectare încep fără credite.

Despre OpenAI text-embedding-3-large

Pe scurtDin 23 septembrie 2026

OpenAI text-embedding-3-large este un model de OpenAI din categoria Embeddings. Pe Railwail, OpenAI text-embedding-3-large costă 0,156 USD / 1M token-uri de intrare. Fereastra de context conține 8.191 token-uri.

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.

Fundal

Despre OpenAI

Fondat 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.

Vizitează OpenAI

Arhitectură

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.

Parametri: Undisclosed
Context: 8.191 tokeni

Capabilități

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

Antrenament & licență

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

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

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

Limitări cunoscute

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

Lucrări de cercetare

Prețuri

Prețuri în dolari americani. Utilizarea se percepe din credite prepay.

Intrare	0,156 USD / 1M token-uri

Se facturează token-urile pe care le folosește efectiv fiecare cerere.
1 credit = 0,01 USD

Calculator de costuri

Calculator de preț

Token-uri de intrare

/ cerere

Token-uri de ieșire

/ cerere

Cereri

Total

0,02 USD

2 credite

Pe cerere

0,0002 USD · 0,02 credite

Fiecare cerere este rotunjită la 0,01 credite.

API

Apelează OpenAI text-embedding-3-large cu cheia ta API Railwail. Folosește acest ID de model în cerere:

text-embedding-3-largeDocumentația API Obține o cheie 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);

Setează cheia ca RAILWAIL_API_KEYCreează cheie API

Specificații

ID model: text-embedding-3-large
Dezvoltator: OpenAI
Categorie: Embeddings
Intrare: Text
Ieșire: Vector
Fereastră de context: 8.191 tokeni
Facturare: După utilizare (tokeni sau timp GPU)
Dimensiune model: Undisclosed
Licență: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Intrare catalog actualizată: 23 septembrie 2026

Parametri de intrare

Intrări și setări din schema de intrare a modelului. Exemplul din secțiunea API arată care dintre ele acceptă API-ul.

ParametruTipImplicitValori permise

inputobligatoriu
Text to embed (single string or array of strings)
Tip: Text
Implicit: –
Valori permise: până la 32.000 caractere
dimensions
Tip: Număr întreg
Implicit: 3072
Valori permise: 256 până la 3.072
encoding_format
Tip: Alegere
Implicit: float
Valori permise: float sau base64

Etichete

openai
embedding
retrieval
rag
matryoshka
multilingual

Indicații de exemplu

Exemple din catalogul Railwail. Nu au fost generate live pe această pagină.

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

Cazuri de utilizare

Pentru ce se folosește

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

Ghiduri conexe

Embedding Models for Search & Science

Toate modelele din Embeddings

Întrebări frecvente

Ce este OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large este un model de OpenAI din categoria Embeddings. Pe Railwail îl poți apela cu o cheie API prin Railwail API.

Cât costă OpenAI text-embedding-3-large pe Railwail?

Pe Railwail, OpenAI text-embedding-3-large costă 0,156 USD / 1M token-uri de intrare. Ți se percepe taxa pentru ceea ce fiecare cerere folosește efectiv. Utilizarea se plătește din credite prepay; 1 credit egal cu 0,01 USD.

Care este fereastra de context a OpenAI text-embedding-3-large?

Fereastra de context a OpenAI text-embedding-3-large conține 8.191 token-uri.

Cât de rapid este OpenAI text-embedding-3-large?

Nu sunt suficiente rulări măsurate ale OpenAI text-embedding-3-large pe Railwail încă pentru a indica un timp de rulare. Depinde de intrare, de setări și de sarcina la furnizor.

Este OpenAI text-embedding-3-large mai bun decât OpenAI text-embedding-3-small?

Depinde de sarcină. OpenAI text-embedding-3-large (OpenAI) și OpenAI text-embedding-3-small (OpenAI) sunt ambele modele din categoria Embeddings. Pagina de comparație arată prețurile și specificațiile lor una lângă alta.

Compară OpenAI text-embedding-3-large și OpenAI text-embedding-3-small

Cum folosesc OpenAI text-embedding-3-large prin API?

Creează o cheie Railwail API și trimite cererea cu ID-ul modelului text-embedding-3-large. Exemple de cod pentru curl, Python și JavaScript sunt în secțiunea API a acestei pagini.

Modele comparabile

Toate din această 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.
0,024 USD/1M in
85 % mai ieftin pe unitate
Compară OpenAI text-embedding-3-large vs. OpenAI text-embedding-3-small

Folosește OpenAI text-embedding-3-large prin API

O cheie API pentru fiecare model pe Railwail. Utilizarea se percepe din credite prepay, 1 credit = 0,01 USD.

Obține cheie API Vizualizează toate modelele