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

от 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.

Попробовать Получить API-ключ Сравнить

Цена: 0,156 $/1M вход
Контекст: 8 191 токенов
Вход → выход: Текст → Вектор
Разработчик: OpenAI
Обновлено: 23 сентября 2026 г.

Playground

Попробовать OpenAI text-embedding-3-large

Входные данные и результат

0,156 $/1M вход

Входные данные

0 / 32 000

Сравнить с (опционально)

Запускает модель дважды (счёт выставляется дважды).

⌘/Ctrl + Enter

Результат

Вектор появится здесь.

Этот запуск

Цена появится после завершения ввода.

Впервые здесь?

10 бесплатных кредитов (0,10 $) при регистрации через Google

Доступно 24 часов после регистрации, до 5 запусков в день и максимум 2 кредитов за запуск. Другие способы входа начинают без кредитов.

О OpenAI text-embedding-3-large

КороткоПо состоянию на 23 сентября 2026 г.

OpenAI text-embedding-3-large — это модель от OpenAI в категории Embeddings. На Railwail OpenAI text-embedding-3-large стоит 0,156 $ / 1M входных токенов. Контекстное окно содержит 8 191 токенов.

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.

Фон

О OpenAI

Основана в 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.

Посетить 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.

Параметры: Undisclosed
Контекст: 8 191 токенов

Возможности

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

Обучение и лицензия

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

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

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

Известные ограничения

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

Научные статьи

Цены

Цены в долларах США. Использование оплачивается из предоплаченных кредитов.

Входные данные	0,156 $ / 1M токенов

Оплата рассчитывается по токенам, которые фактически использует каждый запрос.
1 кредит = 0,01 $

Калькулятор стоимости

Калькулятор цен

Входные токены

/ запр.

Выходные токены

/ запр.

Запросы

Итого

0,02 $

2 кредитов

За запрос

0,0002 $ · 0,02 кредитов

Каждый запрос округляется до 0,01 кредита.

API

Вызовите OpenAI text-embedding-3-large с помощью вашего API-ключа Railwail. Используйте этот ID модели в запросе:

text-embedding-3-largeДокументация API Получить API-ключ

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);

Установите ключ как RAILWAIL_API_KEYСоздать API-ключ

Спецификации

ID модели: text-embedding-3-large
Разработчик: OpenAI
Категория: Embeddings
Входные данные: Текст
Выходные данные: Вектор
Контекстное окно: 8 191 токенов
Тарификация: По использованию (токены или время GPU)
Размер модели: Undisclosed
Лицензия: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Запись в каталоге обновлена: 23 сентября 2026 г.

Входные параметры

Входные данные и параметры из схемы входных данных модели. Пример в разделе API показывает, какие из них принимает API.

ПараметрТипПо умолчаниюДопустимые значения

inputобязательно
Text to embed (single string or array of strings)
Тип: Текст
По умолчанию: –
Допустимые значения: до 32 000 символов
dimensions
Тип: Целое число
По умолчанию: 3072
Допустимые значения: от 256 до 3 072
encoding_format
Тип: Выбор
По умолчанию: float
Допустимые значения: float или base64

Примеры промптов

Примеры из каталога Railwail. Они не были созданы в реальном времени на этой странице.

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

Применение

Для чего это используется

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

Связанные руководства

Embedding Models for Search & Science

Все модели: Embeddings

Часто задаваемые вопросы

Что такое OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large — модель от OpenAI в категории Embeddings. На Railwail вы можете вызвать её через API Railwail с помощью ключа API.

Сколько стоит OpenAI text-embedding-3-large на Railwail?

На Railwail OpenAI text-embedding-3-large стоит 0,156 $ / 1M входных токенов. Вы платите за то, что фактически использует каждый запрос. Использование оплачивается предоплаченными кредитами; 1 кредит = 0,01 $.

Какой размер контекстного окна у OpenAI text-embedding-3-large?

Контекстное окно OpenAI text-embedding-3-large содержит 8 191 токенов.

Насколько быстра OpenAI text-embedding-3-large?

На Railwail пока недостаточно измеренных запусков OpenAI text-embedding-3-large, чтобы указать время выполнения. Оно зависит от входных данных, параметров и нагрузки на провайдера.