OpenAI

Text Embedding 3 Small

OpenAIBasé sur les jetonsTarification dynamique
Alias:text-embedding-3-small

Comparez sur Modelsell les tarifs de l'API text-embedding-3-small, les points de terminaison, les fonctionnalités et les options d'accès.

embeddings语义检索RAGtext
Tarif à partir de
Voir tous les tarifs
Contexte
8.2K
Fenêtre d'entrée maximale
Modalités
→

Tarification par fournisseur

OpenAI
-40%
Openai官方接口
Entree/ 1M jetons
$0.012$0.02
Azure
-40%
微软云API直连,稳定可靠
Entree/ 1M jetons
$0.012$0.02

Capacités / Modalités prises en charge

Embeddings
Entree
Sortie

Fournisseur & confidentialité

Fournisseur
Unknown
Tokeniseur
BPE (vendor-specific)
Licence
Provider-specificInconnu
Rétention des données18 joursNon utilisé pour l'entraînement amont par défaut

Performances

Benchmarks

Scores sur des évaluations standardisées. Les pourcentages élevés sont meilleurs et le percentile de classement est indiqué.

Métriques fournies parArtificial Analysis 2026-09-30·Text Embedding 3 Small

Ce modèle ne figure pas dans l’instantané actuel.

Les modèles ou mesures manquants ne valent pas zéro.

Les graphiques conservent la sélection de modèles et les réglages de raisonnement de la source. Les modèles ou mesures manquants ne valent pas zéro ; le coût et la vitesse des benchmarks ne constituent pas un engagement de service du site.

À propos de Text Embedding 3 Small

text-embedding-3-small 适合把大量文本变成可按含义检索的索引。文章标题、商品说明、客服问题和知识库段落都可以生成向量,再通过相似度找到相关内容。它侧重轻量和成本效率,适合经常新增资料或需要大量查询的应用。

例如用户输入“怎么让账号更安全”,系统可以召回介绍双重验证和登录保护的内容,而不必要求查询与文档使用完全相同的词。也可以用向量寻找相似工单、推荐相关文章,或对大量反馈做聚类,再由人工为类别命名。

默认输出为 1,536 维,可以用 dimensions 调整为更短的向量。索引库和查询端必须采用相同的模型、维度与预处理规则;改变设置后,旧向量不能直接混用。选择配置时,应使用真实问题检查召回质量,同时比较存储与检索开销。

长文本宜按主题分块,保留标题、原文和业务标识。检索时还需结合租户、权限、时间等过滤条件;向量相似并不代表内容有权访问,也不保证就是最终答案。这个模型返回数值向量,问答应用需要在召回资料后继续组织文字回答。

Cas d’usage et prompts

文章推荐可以这样接入:为文章标题与摘要生成向量,保存文章 ID;用户阅读一篇文章后,用其向量检索相关内容,再按时间、类别或业务规则过滤排序。

示例输入文本:“为账号开启双重验证,并管理可信设备。”查询文本:“怎样防止别人登录我的账号?”直接提交文本,无需写聊天提示词。

检索效果怎样评估?准备真实查询和应召回的文档,比较分块、维度和过滤设置。更换模型或 dimensions 后重建索引,查询与文档保持一致。

Accès API

Documentation API

text-embedding-3-small

Consultez la documentation liée pour les paramètres et les exemples propres à ce modèle.

Authentification

Toutes les requêtes doivent inclure Authorization: Bearer <TOKEN> . Les points de terminaison au format Anthropic acceptent à la place x-api-key .

Générez des jetons depuis la page Jetons ; vous pouvez les restreindre par modèle, groupe, IP et limites de débit.

Limites de débit

FournisseurRPMTPMRPD
AzureIllimitéIllimitéIllimité
OpenAIIllimitéIllimitéIllimité

Aucune restriction

Questions fréquentes sur text-embedding-3-small

Qu’est-ce que text-embedding-3-small ?

Comparez sur Modelsell les tarifs de l'API text-embedding-3-small, les points de terminaison, les fonctionnalités et les options d'accès.

Comment appeler text-embedding-3-small ?

Créez une clé API autorisée à utiliser text-embedding-3-small, puis utilisez l’identifiant exact et un point de terminaison pris en charge dans la section d’accès API. Les champs dépendent du point de terminaison choisi.

Comment text-embedding-3-small est-il facturé ?

Le tarif dépend du groupe de fournisseurs choisi et de l’unité de facturation du modèle. Les prix actuels d’entrée, de sortie, par requête ou par média sont affichés sur cette page avant l’inscription.

Quelle est la fenêtre de contexte de text-embedding-3-small ?

Le catalogue indique une fenêtre de contexte de 8192 tokens. Vérifiez les limites du point de terminaison sélectionné.

Comment évaluer text-embedding-3-small pour mon projet ?

Consultez les cas d’usage et les conseils de prompts de cette page, puis évaluez le modèle avec des entrées représentatives de votre projet.