text-embedding-3-large API
Usa text-embedding-3-large de la familia Embedding mediante RunAPI. Pago por llamada, sin suscripción, y las generaciones fallidas no se cobran.
# Base URL
https://runapi.ai
# Endpoints
POST /v1/embeddings
curl https://runapi.ai/v1/chat/completions \
-H "Authorization: Bearer $RUNAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "text-embedding-3-large",
"input": [
"Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas."
],
"encoding_format": "float"
}'from openai import OpenAI
client = OpenAI(
base_url="https://runapi.ai/v1",
api_key="your-runapi-key"
)
response = client.chat.completions.create(
model="text-embedding-3-large",
messages=[{"role": "user", "content": "Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas."}]
)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://runapi.ai/v1",
apiKey: "your-runapi-key"
});
const response = await client.chat.completions.create({
model: "text-embedding-3-large",
messages: [{ role: "user", content: "Genera embeddings para estos artículos de soporte y una consulta de cliente para que pueda ordenar las coincidencias más cercanas." }]
});Embedding text-embedding-3-large está disponible con la misma autenticación RunAPI, flujo de model skill y precios por uso.
- API key unificada
- Setup del model skill
- Referencia de ID de modelo
- Las generaciones fallidas no se cobran
PRECIOS
FICHA TÉCNICA
| ID de modelo | text-embedding-3-large |
| Proveedor | OpenAI |
| Modalidad | text |
| Tipo de tarea | synchronous |
| Facturación | 1K tokens |
| Endpoint | /v1/embeddings |
| Comercial | Sí |
| Estado del catálogo | Operativo |
Habilidad de modelo — text-embedding-3-large
Instala la habilidad una vez y luego usa el ID de variante de esta página mientras construyes.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Cómo usar text-embedding-3-large
Elige modelo
Selecciona el modelo y la variante que encajan con el flujo de tu app.
Pasa el ID de modelo
Usa este ID de variante en el cuerpo de la petición.
Ejecuta la tarea
Envía la petición y guarda el task ID devuelto.
Recoge la salida
Consulta o recibe el callback cuando termine la tarea.
Comparativa de text-embedding-3-large
Vectores de texto de alta capacidad para calidad en recuperación y ranking
Vectores de texto eficientes para búsqueda semántica en producción
Vectores de texto de alta capacidad para calidad en recuperación y ranking
Embeddings de texto ampliamente compatibles para pipelines existentes
Dónde usar esta variante
Búsqueda semántica
Indexa documentos, FAQs o catálogos de productos como vectores y recupera los resultados más relevantes por significado, no por coincidencia de palabras clave.
Pipelines RAG
Convierte fragmentos de tu base de conocimiento en embeddings y envía las coincidencias más cercanas a un prompt LLM para obtener respuestas fundamentadas con citas.
Clustering y clasificación
Agrupa tickets de soporte, respuestas de encuestas o feedback de usuarios por similitud semántica sin necesidad de etiquetado manual.
Preguntas frecuentes sobre text-embedding-3-large
¿Cómo selecciono text-embedding-3-large?
Pasa el ID de modelo que aparece en el quickstart.
¿El precio es por uso?
Sí. El precio se mide por llamada o unidad.
¿Qué dimensiones genera text-embedding-3-large?
text-embedding-3-small genera 1.536 dimensiones por defecto. Admite embeddings Matryoshka, por lo que puedes solicitar 256, 512 o 1.024 dimensiones para reducir el coste de almacenamiento manteniendo la mayor parte de la calidad de recuperación.
¿Cómo se compara text-embedding-3-small con text-embedding-3-large?
text-embedding-3-large tiene 3.072 dimensiones y obtiene unos 2 puntos más en el benchmark MTEB, pero cuesta aproximadamente 6,5 veces más por millón de tokens. Para la mayoría de casos de búsqueda semántica y RAG, text-embedding-3-small ofrece una calidad comparable a una fracción del coste.
¿Cuánto cuesta text-embedding-3-small en RunAPI?
RunAPI cobra por llamada de embedding sin suscripción ni gasto mínimo. Consulta la tabla de precios de esta página para la tarifa actual por llamada. Las solicitudes fallidas no se cobran.
¿Puedo usar procesamiento por lotes para reducir los costes de embedding?
Sí. Envía varios textos en una sola llamada API para reducir el overhead. RunAPI procesa las solicitudes de embedding en lote y devuelve todos los vectores en una sola respuesta, lo que resulta más eficiente para indexar grandes colecciones de documentos.