OpenAI text-embedding-3-small

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

EmbeddingsTillgänglig

av 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.

Prova Hämta API-nyckel Jämför

Pris: 0,024 US$/1M in
Kontext: 8 191 tokens
Inmatning → utmatning: Text → Vektor
Utvecklare: OpenAI
Uppdaterad: 23 september 2026

Playground

Prova OpenAI text-embedding-3-small

Inmatning & resultat

0,024 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-small

Kort sagtFrån och med 23 september 2026

OpenAI text-embedding-3-small är en modell av OpenAI i kategorin Embeddings. På Railwail kostar OpenAI text-embedding-3-small 0,024 US$ / 1M inmatningstoken. Kontextfönstret innehåller 8 191 tokens.

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.

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 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.

Besök OpenAI

Arkitektur

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.

Parameter: Undisclosed (smaller than text-embedding-3-large)
Kontext: 8 191 tokens

Funktioner

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

Träning & licens

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

Kända begränsningar

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

Forskningsartiklar

Priser

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

Inmatning	0,024 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

0,01 US$

1 krediter

Per förfrågan

0,0001 US$ · 0,01 krediter

Varje förfrågan avrundas upp till 0,01 krediter.

API

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

text-embedding-3-smallAPI-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-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);

Ange din nyckel som RAILWAIL_API_KEYSkapa API-nyckel

Specifikationer

Modell-ID: text-embedding-3-small
Utvecklare: OpenAI
Kategori: Embeddings
Inmatning: Text
Utmatning: Vektor
Kontextfönster: 8 191 tokens
Fakturering: Efter användning (tokens eller GPU-tid)
Modellstorlek: Undisclosed (smaller than text-embedding-3-large)
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: 1536
Tillåtna värden: 64 till 1 536
encoding_format
Typ: Val
Standard: float
Tillåtna värden: float eller base64

Taggar

openai
embedding
retrieval
rag
matryoshka
general

Exempelprompts

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

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

Användningsfall

Vad det används till

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

Relaterade guider

Embedding Models for Search & Science

Alla modeller i Embeddings

Vanliga frågor

Vad är OpenAI text-embedding-3-small?

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

På Railwail kostar OpenAI text-embedding-3-small 0,024 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-small?

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

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

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

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

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

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

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

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

Jämförbara modeller

Alla i denna kategori

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 US$/1M in
550 % dyrare per enhet
Jämför OpenAI text-embedding-3-small och OpenAI text-embedding-3-large

Använd OpenAI text-embedding-3-small 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