OpenAI text-embedding-3-large

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

EmbeddingsДоступно

од 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.

Пробај Узми API кључ Упореди

Цена: 0,156 US$/1М ул
Контекст: 8.191 токена
Унос → излаз: Текст → Вектор
Програмер: OpenAI
Ажурирано: 23. септембар 2026.

Плејграунд

Пробајте OpenAI text-embedding-3-large

Унос и резултат

0,156 US$/1М ул

Унос

0 / 32.000

Упореди са (опционално)

Покреће модел два пута (наплаћено два пута).

⌘/Ctrl + Enter

Резултат

Вектор се појављује овде.

Овај покрет

Цена се појављује када је унос завршен.

Нов си овде?

10 бесплатних кредита (0,10 US$) када се пријавиш са Google

Употребљиво 24 сати после пријаве, до 5 покрета дневно и највише 2 кредита по покрету. Други начини пријаве почињу без кредита.

О OpenAI text-embedding-3-large

УкраткоСтање: 23. септембар 2026.

OpenAI text-embedding-3-large је модел од OpenAI из категорије Embeddings. На Railwail-у, OpenAI text-embedding-3-large кошта 0,156 US$ / 1М улазних токена. Контекстни прозор садржи 8.191 токена.

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.

Позадина

О OpenAI

Основано 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.

Посетите OpenAI

Архитектура

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.

Параметри: Undisclosed
Контекст: 8.191 токена

Могућности

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

Обука и лиценца

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

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

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

Позната ограничења

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

Научни радови

Цене

Цене у америчким доларима. Употреба се наплаћује из унапред припремљених кредита.

Улаз	0,156 US$ / 1М токена

Наплаћује се број токена који сваки захтев заиста користи.
1 кредит = 0,01 US$

Калкулатор трошкова

Калкулатор цена

Input токени

/ захтев

Output токени

/ захтев

Захтеви

Укупно

0,02 US$

2 кредита

По захтеву

0,0002 US$ · 0,02 кредита

Сваки захтев се заокружује на 0,01 кредита.

API

Позови OpenAI text-embedding-3-large са твојим Railwail API кључем. Користи овај ID модела у захтеву:

text-embedding-3-largeПогледај API документацију Узми API кључ

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);

Поставите ваш кључ као RAILWAIL_API_KEYНаправи API кључ

Спецификације

ID модела: text-embedding-3-large
Програмер: OpenAI
Категорија: Embeddings
Унос: Текст
Излаз: Вектор
Контекстни прозор: 8.191 токена
Наплата: По потрошњи (токени или GPU време)
Величина модела: Undisclosed
Лиценца: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Унос у каталог ажуриран: 23. септембар 2026.

Параметри уноса

Уноси и подешавања из шеме уноса модела. Пример у API одељку показује које од њих API прихвата.

ПараметарТипПодразумеваноДозвољене вредности

inputобавезно
Text to embed (single string or array of strings)
Тип: Текст
Подразумевано: –
Дозвољене вредности: до 32.000 карактера
dimensions
Тип: Целобројни број
Подразумевано: 3072
Дозвољене вредности: 256 до 3.072
encoding_format
Тип: Избор
Подразумевано: float
Дозвољене вредности: float или base64

Ознаке

openai
embedding
retrieval
rag
matryoshka
multilingual

Примери промпта

Примери из Railwail каталога. Нису генерисани уживо на овој страници.

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

Области примене

За шта се користи

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

Водичи у вези

Embedding Models for Search & Science

Сви модели: Embeddings

Често постављана питања

Шта је OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large је модел од OpenAI у категорији Embeddings. На Railwail-у га можете позвати са API кључем кроз Railwail API.

Колико кошта OpenAI text-embedding-3-large на Railwail-у?

На Railwail-у, OpenAI text-embedding-3-large кошта 0,156 US$ / 1М улазних токена. Наплаћује се оно што свака захтева заиста користи. Коришћење се плаћа из унапред припремљених кредита; 1 кредит је једнак 0,01 US$.

Колики је контекстни прозор од OpenAI text-embedding-3-large?

Контекстни прозор од OpenAI text-embedding-3-large садржи 8.191 токена.

Колико је брз OpenAI text-embedding-3-large?

За OpenAI text-embedding-3-large на Railwail-у још нема довољно измерених покретања да би се наводило време извршавања. Зависи од уноса, поставки и оптерећења код пружаоца услуге.

Да ли је OpenAI text-embedding-3-large бољи од OpenAI text-embedding-3-small?

То зависи од задатка. OpenAI text-embedding-3-large (OpenAI) и OpenAI text-embedding-3-small (OpenAI) су оба модела у категорији Embeddings. Страница за поређење приказује њихове цене и спецификације упоредо.

Упоредите OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Како да користим OpenAI text-embedding-3-large кроз API?

Направите Railwail API кључ и пошаљите ваш захтев са ID модела text-embedding-3-large. Примери кода за curl, Python и JavaScript налазе се у API одељку ове странице.

Упоредиви модели

Сви у овој категорији

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 US$/1М ул
85 % јефтиније по јединици
Упоредите OpenAI text-embedding-3-large и OpenAI text-embedding-3-small

Користи OpenAI text-embedding-3-large преко API-ја

Један API кључ за сваки модел на Railwail. Употреба се наплаћује из унапред припремљених кредита, 1 кредит = 0,01 US$.

Узми API кључ Прегледај све моделе