Tous les modèles
OpenAI
text-embedding-3-large
Le modèle d'intégration de texte le plus performant de OpenAI pour les pipelines de recherche sémantique, de recommandations, de clustering et de récupération.
Présentation de l'anglais simple
Qu'est-ce que text-embedding-3-large ?
text-embedding-3-large convertit le texte en vecteurs numériques pouvant être stockés dans une base de données vectorielles et comparés par similarité sémantique. C'est une solution pratique lorsqu'une application utilise déjà OpenAI et souhaite une API directe pour la récupération parallèlement à la génération.
Le vecteur par défaut comporte 3 072 dimensions. Les applications peuvent demander moins de dimensions pour réduire les coûts de stockage et de recherche, mais doivent évaluer la qualité de récupération sur leurs propres documents avant de choisir une représentation plus petite.
Bon ajustement pour
- Recherche de texte de haute qualité et RAG
- Piles d'applications centrées sur OpenAI
- Équipes qui souhaitent une taille de vecteur ajustable
Comparaison des catégories
Les faits importants pour les modèles intégrations
Il s'agit de spécifications publiées par le fournisseur et non de scores de référence Cody. Suivez les sources liées pour connaître les limites actuelles et les exceptions spécifiques aux points de terminaison.
- Prix d'intégration
- 0,13 $ / 1 million de jetonsPrix actuel du fournisseur par million de jetons d'entrée ou unité de facturation publiée la plus proche.
- Capacité d'entrée
- 8 191 jetons d'entréeContenu maximum accepté dans une entrée d'intégration, en utilisant la base de jetons documentée du fournisseur.
- Dimensions vectorielles
- 3 072 par défaut ; vecteurs plus courts via les dimensionsTailles de sortie prises en charge ; des vecteurs plus petits réduisent le stockage tandis que des vecteurs plus grands peuvent conserver plus d'informations.
- Entrées acceptées
- TexteEntrée de texte, de code, d'image, d'audio, de vidéo, de PDF ou de document prise en charge par le point de terminaison.
- Contrôles de récupération
- Paramètre de dimensions facultatif ; chunking géré par l'applicationModes de requête/document, types de tâches, troncature, segmentation ou autres contrôles qui façonnent les vecteurs pour la récupération.
- Où ça court
- API d'intégration hébergée par OpenAIAPI directe, marché cloud, déploiement privé ou itinéraire auto-hébergé documenté par le fournisseur.
Tarifs et comparaisons
Estimez votre coût
Indiquez votre utilisation. L’estimation se met à jour à chaque modification.
Hypothèse : 600 tokens par page, traitée séparément. Le nombre réel varie. Embeddings uniquement, hors stockage, recherche et réponses.
text-embedding-3-large
OpenAI
Total estimé (USD)
Pour l’utilisation indiquée · USD · Tarif API, hors abonnement
- Tokens d’entrée
- 0,13 $US par million de tokens
Comprendre cette estimation
Les estimations excluent taxes, outils, stockage/écriture du cache, quotas gratuits et remises personnalisées. Pour les images, seule la sortie est incluse, pas le prompt ni les références. Les modes de qualité varient. Un paramètre non répertorié n’est pas gratuit.
Accès API et fournisseur
Où obtenir text-embedding-3-large
Disponibilité
Régions et étape d'accès
Disponible depuis l'API Embeddings de OpenAI pour les comptes API pris en charge.
L'accès direct à l'API suit la liste des pays et territoires pris en charge par OpenAI ; Les routes cloud tierces ont leurs propres catalogues et conditions régionaux.
Vérifier la disponibilité en directDonnées et formation
L'itinéraire compte.
OpenAI indique que les données métier et API ne sont pas utilisées par défaut pour entraîner ses modèles. La conservation de la surveillance des abus et les contrôles de conservation des données nulles éligibles dépendent de l'approbation du point final et de l'organisation.
Il s'agit d'une lecture concise du matériel du fournisseur cité, et non d'un avis juridique. Une passerelle tierce peut avoir des conditions de stockage, de routage, de formation et de résidence différentes de celles de l'API directe du modéliste.
Lire la politique du fournisseurQuestions fréquemment posées
FAQ text-embedding-3-large
Qu'est-ce que text-embedding-3-large ?
Le modèle d'intégration de texte le plus performant de OpenAI pour les pipelines de recherche sémantique, de recommandations, de clustering et de récupération. text-embedding-3-large convertit le texte en vecteurs numériques pouvant être stockés dans une base de données vectorielles et comparés par similarité sémantique. C'est une solution pratique lorsqu'une application utilise déjà OpenAI et souhaite une API directe pour la récupération parallèlement à la génération.
Quand text-embedding-3-large est-il sorti ?
text-embedding-3-large a été publié sur 25 janvier 2024 selon les documents du fournisseur cités.
Où puis-je accéder à text-embedding-3-large ?
Disponible depuis l'API Embeddings de OpenAI pour les comptes API pris en charge. Les voies d'accès répertoriées dans ce guide sont OpenAI.
Combien coûte text-embedding-3-large ?
0,13 $ / 1 million de jetons. Prix catalogue standard de l'API hébergée OpenAI. Le taux de l'API Batch est inférieur lorsque le traitement asynchrone correspond à la charge de travail.
Où le text-embedding-3-large est-il disponible ?
Disponible depuis l'API Embeddings de OpenAI pour les comptes API pris en charge. L'accès direct à l'API suit la liste des pays et territoires pris en charge par OpenAI ; Les routes cloud tierces ont leurs propres catalogues et conditions régionaux.
Mes données API text-embedding-3-large sont-elles utilisées pour la formation ?
OpenAI indique que les données métier et API ne sont pas utilisées par défaut pour entraîner ses modèles. La conservation de la surveillance des abus et les contrôles de conservation des données nulles éligibles dépendent de l'approbation du point final et de l'organisation. La politique appartient à l'itinéraire du fournisseur et aux conditions du compte, vérifiez-la donc à nouveau avant de l'utiliser en production.
Comparaison des prix
USD par million de tokens pour les API indiquées avec un contexte standard. Les tarifs de cache et de contexte long peuvent varier. Les modèles sans prix vérifiés compatibles sont omis ; un coût inférieur n’indique pas une meilleure qualité.
- Mistral Embed0,10 $US
Mistral AI
- Voyage 4 Large0,12 $US
Voyage AI
- Voyage Context 40,12 $US
Voyage AI
- Voyage Code 40,12 $US
Voyage AI
- text-embedding-3-large0,13 $US
OpenAI
Ce modèle
- Gemini Embedding 20,20 $US
Google
Comparaisons associées
Comparaisons face à face
text-embedding-3-large vs Gemini Embedding 2
Modèle d'intégration multimodal de Google pour placer du texte, des images, des vidéos, de l'audio et des PDF dans un seul espace vectoriel consultable.
Ouvrir la comparaison complètetext-embedding-3-large vs Cohere Embed 4
Modèle d'intégration d'entreprise de Cohere pour du texte, des images et des documents visuellement riches multilingues avec une fenêtre contextuelle de 128 Ko.
Ouvrir la comparaison complètetext-embedding-3-large vs Voyage 4 Large
Modèle d'intégration général de qualité supérieure de Voyage AI pour la récupération de texte et de code, avec des dimensions réglables et un espace vectoriel familial partagé.
Ouvrir la comparaison complètetext-embedding-3-large vs Voyage Context 4
Modèle d'intégration sensible aux documents de Voyage AI qui crée automatiquement des vecteurs pour les fragments tout en préservant les informations du document environnant.
Ouvrir la comparaison complètetext-embedding-3-large vs Voyage Code 4
Modèle d'intégration spécialisé de Voyage AI pour trouver du code pertinent à partir de questions en langage naturel ou d'un autre contexte de code source.
Ouvrir la comparaison complètetext-embedding-3-large vs Mistral Embed
Le modèle d'intégration de texte hébergé simple de Mistral pour la recherche sémantique, le clustering, la classification et RAG.
Ouvrir la comparaison complète
