OpenAI

text-embedding-3-large

文字

高容量文字向量,提升檢索與排序品質

輸入 $0.10 / 百萬 tokens | 輸出 免費 / 百萬 tokens text-embedding-3-large API reference →
模型健康狀態 資料不足
runapi.ai
# Base URL
https://runapi.ai

# Endpoints
POST /v1/embeddings
curl https://runapi.ai/v1/embeddings \
  -H "Authorization: Bearer $RUNAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "text-embedding-3-large",
  "input": [
    "將這些支援文章和客戶查詢轉成 embeddings,好讓我排序最接近的匹配結果。"
  ],
  "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": "將這些支援文章和客戶查詢轉成 embeddings,好讓我排序最接近的匹配結果。"}]
)
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: "將這些支援文章和客戶查詢轉成 embeddings,好讓我排序最接近的匹配結果。" }]
});
https://runapi.ai 1 endpoint

3 個版本可用

Playground

試用 text-embedding-3-large

選擇任一模型,幾秒內即可開始生成。

目前沒有可用的模型。

規格

技術細節

提供者 OpenAI
模型 ID text-embedding-3-large
模態 文字
任務類型 Synchronous
API 端點 /v1/embeddings
計費單位 1K tokens
目錄狀態 可直接上線
使用方式

3 個步驟使用此模型

  1. 取得 API 金鑰

    免費註冊後,從控制台建立 text-embedding-3-large 的 API 金鑰。

  2. 傳送請求

    向 /v1/embeddings 傳送 POST 請求,並傳入 text-embedding-3-large 模型 ID 與參數。

  3. 取得結果

    直接從端點讀取已完成的 text-embedding-3-large 回應。

此模型提供的功能

Endpoint 覆蓋範圍

公開 1 個公共 endpoint:embedding。

用量計費

依 1K tokens 計量,無需訂閱。

text-embedding-3-large 價格

API endpoint
價格
embedding
輸入: $0.10 / 百萬 tokens 輸出: 免費 / 百萬 tokens
API 參考

端點規格

端點
POST /v1/embeddings
模型 ID
text-embedding-3-large
工作類型
embedding

請求參數

此端點尚未發布請求參數。

使用情境

語意搜尋

將文件、FAQ 或產品型錄向量化後建立索引,依語意而非關鍵字比對,取回最相關的結果。

RAG 流水線

將知識庫片段向量化,把最接近的匹配結果注入 LLM prompt,生成有據可查、附來源引用的回答。

聚類與分類

依語意相似度自動將客服工單、問卷回覆或用戶反饋分群,無需人工標記。

FAQ

關於 text-embedding-3-large 的常見問題

如何選擇 text-embedding-3-large?

傳入 quickstart 顯示的 model ID。

這個 variant 的速率限制是多少?

每個金鑰的速率限制會依使用方案而調整。請查看定價頁面以了解目前限制。

之後可以切換 variant 嗎?

可以——variant 只是旗標。只要變更 model 參數即可切換。

它支援串流嗎?

只要支援串流,RunAPI 就會端到端串流。

我該在哪裡回報品質問題?

請在公開 GitHub repo 提交 issue,或寄信給支援。

需要獨立的供應商帳戶嗎?

不需要。你的 RunAPI API key 足以存取此 variant 及目錄中的所有其他模型,無需底層供應商帳戶。

text-embedding-3-large 輸出幾個維度?

text-embedding-3-small 預設輸出 1,536 個維度。它支援 Matryoshka 嵌入,可指定 256、512 或 1,024 維,在保留大部分檢索品質的同時降低儲存成本。

text-embedding-3-small 與 text-embedding-3-large 有何差異?

text-embedding-3-large 有 3,072 個維度,MTEB 基準分數約高出 2 分,但每百萬 token 的費用約為前者的 6.5 倍。對大多數語意搜尋和 RAG 使用情境而言,text-embedding-3-small 能以極低成本達到相近的品質。

text-embedding-3-small 在 RunAPI 上的費用是多少?

RunAPI 按次計費,無訂閱費或最低消費門檻。目前費率請參考本頁的價格表。失敗的請求不計費。

可以用批次處理來降低嵌入成本嗎?

可以。在單次 API 呼叫中傳入多段文字,即可減少額外開銷。RunAPI 會批次處理嵌入請求並在單一回應中回傳所有向量,更適合大型文件集合的索引場景。

正在與團隊一起打造?

我們可以協助企業接入、整合與技術問題。

聯絡我們