OpenAI text-embedding-3-small

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

EmbeddingsDisponibil

de 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.

Încearcă Obține cheie API Compară

Preț: 0,024 USD/1M in
Context: 8.191 tokeni
Intrare → ieșire: Text → Vector
Dezvoltator: OpenAI
Actualizat: 23 septembrie 2026

Playground

Încearcă OpenAI text-embedding-3-small

Intrare & rezultat

0,024 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-small

Pe scurtDin 23 septembrie 2026

OpenAI text-embedding-3-small este un model de OpenAI din categoria Embeddings. Pe Railwail, OpenAI text-embedding-3-small costă 0,024 USD / 1M token-uri de intrare. Fereastra de context conține 8.191 token-uri.

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.

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 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.

Vizitează OpenAI

Arhitectură

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.

Parametri: Undisclosed (smaller than text-embedding-3-large)
Context: 8.191 tokeni

Capabilități

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

Antrenament & licență

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

Limitări cunoscute

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

Lucrări de cercetare

Prețuri

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

Intrare	0,024 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

0,01 USD

1 credite

Pe cerere

0,0001 USD · 0,01 credite

Fiecare cerere este rotunjită la 0,01 credite.

API

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

text-embedding-3-smallDocumentația 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-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);

Setează cheia ca RAILWAIL_API_KEYCreează cheie API

Specificații

ID model: text-embedding-3-small
Dezvoltator: OpenAI
Categorie: Embeddings
Intrare: Text
Ieșire: Vector
Fereastră de context: 8.191 tokeni
Facturare: După utilizare (tokeni sau timp GPU)
Dimensiune model: Undisclosed (smaller than text-embedding-3-large)
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: 1536
Valori permise: 64 până la 1.536
encoding_format
Tip: Alegere
Implicit: float
Valori permise: float sau base64

Etichete

openai
embedding
retrieval
rag
matryoshka
general

Indicații de exemplu

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

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

Cazuri de utilizare

Pentru ce se folosește

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

Ghiduri conexe

Embedding Models for Search & Science

Toate modelele din Embeddings

Întrebări frecvente

Ce este OpenAI text-embedding-3-small?

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

Pe Railwail, OpenAI text-embedding-3-small costă 0,024 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-small?

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

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

Nu sunt suficiente rulări măsurate ale OpenAI text-embedding-3-small 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-small mai bun decât OpenAI text-embedding-3-large?

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

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

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

Creează o cheie Railwail API și trimite cererea cu ID-ul modelului text-embedding-3-small. 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-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 USD/1M in
550 % mai scump pe unitate
Compară OpenAI text-embedding-3-small vs. OpenAI text-embedding-3-large

Folosește OpenAI text-embedding-3-small 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