OpenAI text-embedding-3-large

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

EmbeddingsTillgänglig

av 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.

Prova Hämta API-nyckel Jämför

Pris: 0,156 US$/1M in
Kontext: 8 191 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: OpenAI
Uppdaterad: 23 september 2026

Playground

Prova OpenAI text-embedding-3-large

Inmatning & resultat

0,156 US$/1M in

Inmatning

0 / 32 000

Jämför med (valfritt)

Kör modellen två gånger (faktureras två gånger).

⌘/Ctrl + Enter

Resultat

Vektorn visas här.

Denna körning

Priset visas när inmatningen är klar.

Ny här?

10 gratis credits (0,10 US$) när du registrerar dig med Google

Användbar 24 timmar efter registrering, upp till 5 körningar per dag och högst 2 credits per körning. Andra inloggningsmetoder startar utan credits.

Om OpenAI text-embedding-3-large

Kort sagtFrån och med 23 september 2026

OpenAI text-embedding-3-large är en modell av OpenAI i kategorin Embeddings. På Railwail kostar OpenAI text-embedding-3-large 0,156 US$ / 1M inmatningstoken. Kontextfönstret innehåller 8 191 tokens.

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.

Bakgrund

Om OpenAI

Grundat 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.

Besök OpenAI

Arkitektur

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.

Parameter: Undisclosed
Kontext: 8 191 tokens

Funktioner

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

Träning & licens

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

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

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

Kända begränsningar

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

Forskningsartiklar

Priser

Priser i US-dollar. Användningen debiteras från förbetald kredit.

Inmatning	0,156 US$ / 1M token

Faktureras enligt de token som varje begäran faktiskt använder.
1 kredit = 0,01 US$

Kostnadsräknare

Prisräknare

Inmatningstoken

/ förfrågan

Utmatningstoken

/ förfrågan

Förfrågningar

Totalt

0,02 US$

2 krediter

Per förfrågan

0,0002 US$ · 0,02 krediter

Varje förfrågan avrundas upp till 0,01 krediter.

API

Anropa OpenAI text-embedding-3-large med din Railwail API-nyckel. Använd detta modell-ID i begäran:

text-embedding-3-largeAPI-dokumentation Hämta API-nyckel

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);

Ange din nyckel som RAILWAIL_API_KEYSkapa API-nyckel

Specifikationer

Modell-ID: text-embedding-3-large
Utvecklare: OpenAI
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 8 191 tokens
Fakturering: Efter användning (tokens eller GPU-tid)
Modellstorlek: Undisclosed
Licens: Proprietary commercial API. Generated embeddings may be stored and used commercially under the OpenAI Usage Policy.
Kataloginlägg uppdaterat: 23 september 2026

Indataparametrar

Inmatningar och inställningar från modellens indataschema. Exemplet i API-avsnittet visar vilka som API:et accepterar.

ParameterTypStandardTillåtna värden

inputobligatorisk
Text to embed (single string or array of strings)
Typ: Text
Standard: –
Tillåtna värden: upp till 32 000 tecken
dimensions
Typ: Heltal
Standard: 3072
Tillåtna värden: 256 till 3 072
encoding_format
Typ: Val
Standard: float
Tillåtna värden: float eller base64

Taggar

openai
embedding
retrieval
rag
matryoshka
multilingual

Exempelprompts

Exempel från Railwail-katalogen. De genererades inte live på denna sida.

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

Användningsfall

Vad det används till

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

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är OpenAI text-embedding-3-large?

OpenAI text-embedding-3-large är en modell av OpenAI i kategorin Embeddings. På Railwail kan du anropa den med en API-nyckel via Railwail API.

Vad kostar OpenAI text-embedding-3-large på Railwail?

På Railwail kostar OpenAI text-embedding-3-large 0,156 US$ / 1M inmatningstoken. Du debiteras för det som varje begäran faktiskt använder. Användningen betalas från förbetald kredit; 1 kredit motsvarar 0,01 US$.

Hur stort är kontextfönstret för OpenAI text-embedding-3-large?

Kontextfönstret för OpenAI text-embedding-3-large innehåller 8 191 tokens.

Hur snabb är OpenAI text-embedding-3-large?

Det finns ännu inte tillräckligt många uppmätta körningar av OpenAI text-embedding-3-large på Railwail för att ange en körningstid. Det beror på inmatningen, inställningarna och belastningen hos leverantören.

Är OpenAI text-embedding-3-large bättre än OpenAI text-embedding-3-small?

Det beror på uppgiften. OpenAI text-embedding-3-large (OpenAI) och OpenAI text-embedding-3-small (OpenAI) är båda modeller i kategorin Embeddings. Jämförelsesidan visar deras priser och specifikationer sida vid sida.

Jämför OpenAI text-embedding-3-large och OpenAI text-embedding-3-small

Hur använder jag OpenAI text-embedding-3-large via API:et?

Skapa en Railwail API-nyckel och skicka din begäran med modell-ID:t text-embedding-3-large. Kodexempel för curl, Python och JavaScript finns i API-avsnittet på denna sida.

Jämförbara modeller

Alla i denna kategori

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 in
85 % billigare per enhet
Jämför OpenAI text-embedding-3-large och OpenAI text-embedding-3-small

Använd OpenAI text-embedding-3-large via API:et

En API-nyckel för alla modeller på Railwail. Användningen debiteras från förbetald kredit, 1 kredit = 0,01 US$.

Hämta API-nyckel Bläddra bland alla modeller