text-embedding-3-large API
Utilisez text-embedding-3-large de la famille Embedding via RunAPI. Tarification à l'appel, sans abonnement, et les générations échouées ne sont jamais facturées.
# 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": [
"Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches."
],
"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": "Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches."}]
)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: "Créez des embeddings pour ces articles de support et une requête client afin que je puisse classer les correspondances les plus proches." }]
});Embedding text-embedding-3-large est disponible avec la même auth RunAPI, le même workflow de model skill et les mêmes tarifs à l'usage.
- API key unifiée
- Setup du model skill
- Référence d'ID de modèle
- Les générations échouées ne sont pas facturées
TARIFS
FICHE TECHNIQUE
| ID de modèle | text-embedding-3-large |
| Fournisseur | OpenAI |
| Modalité | text |
| Type de tâche | synchronous |
| Facturation | 1K tokens |
| Endpoint | /v1/embeddings |
| Commercial | Oui |
| Statut du catalogue | Opérationnel |
Compétence de modèle — text-embedding-3-large
Installez la compétence une seule fois, puis utilisez l'identifiant de variant de cette page lors de votre développement.
| Endpoint | Protocol |
|---|---|
| /v1/embeddings | OpenAI Embeddings |
Utiliser text-embedding-3-large
Choisir le modèle
Sélectionnez le modèle et la variante adaptés au workflow de votre app.
Passer l'ID de modèle
Utilisez cet ID de variante dans le corps de la requête.
Lancer la tâche
Envoyez la requête et stockez le task ID retourné.
Récupérer la sortie
Interrogez ou recevez le callback quand la tâche se termine.
Comparaison de text-embedding-3-large
Vecteurs texte haute capacité pour la qualité de récupération et de ranking
Vecteurs texte efficaces pour la recherche sémantique en production
Vecteurs texte haute capacité pour la qualité de récupération et de ranking
Embeddings texte largement supportés pour les pipelines existants
Où utiliser cette variante
Recherche sémantique
Indexez des documents, FAQ ou catalogues produits sous forme de vecteurs et récupérez les résultats les plus pertinents par sens, sans correspondance de mots-clés.
Pipelines RAG
Transformez les segments de votre base de connaissances en vecteurs et injectez les passages les plus proches dans un prompt LLM pour des réponses fondées avec citations.
Clustering et classification
Regroupez tickets de support, réponses à des sondages ou retours utilisateurs par similarité sémantique, sans étiquetage manuel.
Questions fréquentes sur text-embedding-3-large
Comment sélectionner text-embedding-3-large ?
Passez l'ID de modèle affiché dans le quickstart.
Les tarifs sont-ils à l'usage ?
Oui. Les tarifs sont mesurés par appel ou par unité.
Quelles dimensions text-embedding-3-large produit-il ?
text-embedding-3-small génère 1 536 dimensions par défaut. Il supporte les embeddings Matryoshka : vous pouvez demander 256, 512 ou 1 024 dimensions pour réduire le coût de stockage tout en conservant l'essentiel de la qualité de récupération.
Comment text-embedding-3-small se compare-t-il à text-embedding-3-large ?
text-embedding-3-large dispose de 3 072 dimensions et obtient environ 2 points de plus sur le benchmark MTEB, mais coûte environ 6,5 fois plus par million de tokens. Pour la plupart des usages de recherche sémantique et de RAG, text-embedding-3-small offre une qualité comparable à une fraction du coût.
Quel est le coût de text-embedding-3-small sur RunAPI ?
RunAPI facture par appel d'embedding, sans abonnement ni dépense minimale. Consultez la grille tarifaire sur cette page pour connaître le tarif actuel à l'appel. Les requêtes échouées ne sont pas facturées.
Puis-je utiliser le traitement par lots pour réduire les coûts d'embedding ?
Oui. Envoyez plusieurs textes dans un seul appel API pour limiter les frais généraux. RunAPI traite les requêtes d'embedding par lots et retourne tous les vecteurs en une seule réponse, ce qui est plus efficace pour indexer de grandes collections de documents.