OpenAI text-embedding-3-large

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

التضميناتمتاح

من 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.

جرّبه احصل على مفتاح API مقارنة

السعر: ‏0.156 US$/1M إدخال
السياق: 8,191 رمز
Input → output: نص → متجه
مطور: OpenAI
تم التحديث: ٢٣ سبتمبر ٢٠٢٦

Playground

جرّب OpenAI text-embedding-3-large

الإدخال والإخراج

‏0.156 US$/1M إدخال

الإدخال

0 / 32,000

مقارنة مع (اختياري)

يشغّل النموذج مرتين (يتم الفواتير مرتين).

⌘/Ctrl + Enter

النتيجة

يظهر المتجه هنا.

هذا التشغيل

يظهر السعر بمجرد اكتمال الإدخال.

جديد هنا؟

10 رصيد مجاني (‏0.10 US$) عند التسجيل باستخدام Google

قابل للاستخدام 24 ساعة بعد التسجيل، حتى 5 تشغيل يومياً وبحد أقصى 2 رصيد لكل تشغيل. طرق تسجيل الدخول الأخرى تبدأ بدون رصيد.

حول OpenAI text-embedding-3-large

الملخصاعتباراً من ٢٣ سبتمبر ٢٠٢٦

OpenAI text-embedding-3-large هو نموذج من OpenAI في فئة التضمينات. على Railwail، يكلف OpenAI text-embedding-3-large ‏0.156 US$ / 1M رمز إدخال. نافذة السياق تحتوي على 8,191 رموز.

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.

الخلفية

حول OpenAI

تأسس في 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.

زيارة OpenAI

العمارة

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.

المعاملات: Undisclosed
السياق: 8,191 رمز

الإمكانيات

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

التدريب والترخيص

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

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

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

القيود المعروفة

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

أوراق البحث

التسعير

الأسعار بالدولار الأمريكي. يتم احتساب الاستخدام من الأرصدة المدفوعة مقدماً.

إدخال	‏0.156 US$ / 1M رمز

يتم الفرز بناءً على الرموز التي تستخدمها كل طلب فعلياً.
1 رصيد = ‏٠٫٠١ US$

حاسبة التكلفة

حاسبة الأسعار

رموز الإدخال

/ طلب

رموز الإخراج

/ طلب

الطلبات

الإجمالي

‏0.02 US$

2 رصيد

لكل طلب

‏0.0002 US$ · 0.02 رصيد

يتم تقريب كل طلب إلى 0.01 رصيد.

API

استدعِ OpenAI text-embedding-3-large باستخدام مفتاح Railwail API الخاص بك. استخدم معرّف النموذج هذا في الطلب:

text-embedding-3-largeتوثيق API احصل على مفتاح 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);

اضبط مفتاحك كـ RAILWAIL_API_KEYإنشاء مفتاح API

المواصفات

معرّف النموذج: text-embedding-3-large
مطور: OpenAI
الفئة: التضمينات
الإدخال: نص
الإخراج: متجه
نافذة السياق: 8,191 رمز
الفواتير: حسب الاستخدام (الرموز أو وقت GPU)
حجم النموذج: Undisclosed
الترخيص: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
تم تحديث إدخال الكتالوج: ٢٣ سبتمبر ٢٠٢٦

معاملات الإدخال

المدخلات والإعدادات من مخطط إدخال النموذج. يوضح المثال في قسم API أيها تقبل API.

المعاملالنوعالافتراضيالقيم المسموحة

inputمطلوب
Text to embed (single string or array of strings)
النوع: نص
الافتراضي: –
القيم المسموحة: حتى 32,000 حرف
dimensions
النوع: عدد صحيح
الافتراضي: 3072
القيم المسموحة: 256 إلى 3,072
encoding_format
النوع: اختيار
الافتراضي: float
القيم المسموحة: float أو base64

نماذج الأوامر

أمثلة من كتالوج Railwail. لم يتم إنشاؤها مباشرة على هذه الصفحة.

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

حالات الاستخدام

ما يُستخدم من أجله

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

أدلة ذات صلة

Embedding Models for Search & Science

جميع النماذج في التضمينات

الأسئلة الشائعة

ما هو OpenAI text-embedding-3-large؟

OpenAI text-embedding-3-large هو نموذج من OpenAI في فئة التضمينات. على Railwail يمكنك استدعاؤه باستخدام مفتاح API عبر Railwail API.

كم تكلفة OpenAI text-embedding-3-large على Railwail؟

على Railwail، يكلف OpenAI text-embedding-3-large ‏0.156 US$ / 1M رمز إدخال. يتم فرض رسوم عليك مقابل ما تستخدمه كل طلب فعلياً. الاستخدام يُدفع من أرصدة مدفوعة مقدماً؛ 1 رصيد يساوي ‏٠٫٠١ US$.

ما حجم نافذة السياق في OpenAI text-embedding-3-large؟

نافذة السياق في OpenAI text-embedding-3-large تحتوي على 8,191 رموز.

ما سرعة OpenAI text-embedding-3-large؟

لا توجد عمليات تشغيل مقاسة كافية لـ OpenAI text-embedding-3-large على Railwail حتى الآن لتحديد وقت التشغيل. يعتمد على الإدخال والإعدادات والحمل لدى المزود.

هل OpenAI text-embedding-3-large أفضل من OpenAI text-embedding-3-small؟

هذا يعتمد على المهمة. OpenAI text-embedding-3-large (OpenAI) و OpenAI text-embedding-3-small (OpenAI) كلاهما نموذج في فئة التضمينات. تعرض صفحة المقارنة أسعارهما والمواصفات جنباً إلى جنب.

قارن OpenAI text-embedding-3-large و OpenAI text-embedding-3-small

كيف أستخدم OpenAI text-embedding-3-large عبر API؟

أنشئ مفتاح Railwail API وأرسل طلبك باستخدام معرّف النموذج text-embedding-3-large. أمثلة الأكواد لـ curl و Python و JavaScript موجودة في قسم API في هذه الصفحة.

نماذج قابلة للمقارنة

الكل في هذه الفئة

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$/1M إدخال
85 % أرخص لكل وحدة
قارن OpenAI text-embedding-3-large مع OpenAI text-embedding-3-small

استخدم OpenAI text-embedding-3-large عبر API

مفتاح API واحد لكل نموذج على Railwail. يتم احتساب الاستخدام من الأرصدة المدفوعة مقدماً، 1 رصيد = ‏٠٫٠١ US$.

احصل على مفتاح API استعرض جميع النماذج