OpenAI: text-embedding-3-large

Text Embedding 3 Large هو نموذج التضمين الأكبر من OpenAI للبحث الدلالي متعدد اللغات. وهو مفيد عندما تكون جودة الاسترجاع أولوية، مع أبعاد متجهة قابلة للاختيار لموازنة حجم التمثيل واحتياجات التخزين.

مقارنة النماذج

text-embedding-3-large

متاحOpenAIتضمينمتزامن

الإدخال / الإخراج-30%: $0.13 / $0.00$0.091 / $0.00
السياق: 8.2K
الأنماط: تضمين

عن text-embedding-3-large

يُعد text-embedding-3-large النموذج الأكثر قدرة لدى OpenAI في مجال التضمين (embedding)، حيث يقوم بتحويل النصوص إلى متجهات لأغراض البحث، والتجميع، والتوصيات، واكتشاف الشذوذ، والتصنيف. تصفه OpenAI بأنه قوي للمهام باللغتين الإنجليزية وغير الإنجليزية، ويمكن تقليص أبعاد متجهاته للموازنة بين الجودة ومساحة التخزين. وهو الخيار الأعلى جودة بجانب نموذج text-embedding-3-small والنموذج الأقدم ada-002.

نقاط القوة

تصفه OpenAI بأنه أكثر نماذج التضمين قدرة لديها للنصوص الإنجليزية وغير الإنجليزية.
تتيح لك أبعاد المخرجات القابلة للتحديد تقليص المتجهات لتناسب حدود التخزين أو الفهرسة.
يخدم مهام البحث، والتجميع، والتوصيات، واكتشاف الشذوذ، والتصنيف من خلال نموذج واحد.
متاح عبر كل من نقاط نهاية التضمين (embeddings) ونقاط نهاية الدفعات (batch) لعمليات الفهرسة الكبيرة.

متى تستخدم نموذجاً آخر

المتجهات الأكبر تكلف أكثر في التخزين والبحث مقارنة بتلك الناتجة عن نموذج text-embedding-3-small.
يقوم بتضمين النصوص فقط؛ أما الصور والصوت فتحتاج إلى نموذج مختلف.
لا يمكن مقارنة المتجهات الناتجة عنه مع متجهات من نماذج تضمين أخرى في فهرس واحد.

البدء

إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.

إرسال طلبك الأول

انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).

تضميننقطة اتصال TokenLab

POST/v1/embeddings

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "encoding_format": "float",
  "model": "text-embedding-3-large",
  "input": "The quick brown fox jumps over the lazy dog."
}'

المعايير

تضمين

المعلمة	القيم والحدود	القيمة الافتراضية	ملاحظات
`dimensions`	≥ 1	غير متوفر	Positive output vector length. Maximum depends on the model; no additional upper bound is asserted here.
`encoding_format`	float, base64	غير متوفر	غير متوفر
`input`	عدد المدخلات: ≥ 1, ≤ 2048	غير متوفر	Input accepts text or token IDs. Each input is limited to 8192 tokens; a request is limited to 300000 tokens in total.
`user`	غير متوفر	غير متوفر	غير متوفر

text-embedding-3-large supports the Embeddings API and optional output dimensions.

التسعير

ينطبق سعر Verified على مسار Verified، وهو الأقل تكلفة في معظم النماذج. سعر Official هو السعر المعلن من صانع النموذج وينطبق على مسار Official الأكثر موثوقية. يحاسب خيار Auto بناءً على المسار الذي يكمل الطلب.

تضمين

لكل 1M Token

سعر Official: المدخلات $0.13 / المخرجات $0.00
سعر Verified: المدخلات $0.091 / المخرجات $0.00
خصم: -30%

	سعر Officialلكل 1M Token	سعر Verifiedلكل 1M Token	خصم
تضمين	المدخلات $0.13 / المخرجات $0.00	المدخلات $0.091 / المخرجات $0.00	-30%

الاستخدام والنشاط

معدل النجاح هو نسبة الطلبات المكتملة. زمن الاستجابة هو مدة الاستجابة الكاملة؛ ويعني P95 أن 95% من الطلبات اكتملت ضمن ذلك الوقت.

الاستخدام والتوفر

آخر 24 ساعة

الطلبات
معدل النجاح
زمن الاستجابة P95
إجمالي الرموز

أداء النموذج

آخر تحديث 01‏/11‏/2026، 7:18 ص UTC

تظهر المقاييس بمجرد استيفاء حدود الخصوصية وحجم البيانات.

تستند البيانات إلى طلبات المستخدمين المجمعة، باستثناء عمليات التحقق من الحالة.

فتح في Console

افتح text-embedding-3-large في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة text-embedding-3-large عبر embedding في /v1/embeddings. اعرض النتيجة والتكلفة.

حالات الاستخدام

البحث الدلالي متعدد اللغات
فهرسة المستندات بلغات متعددة واسترجاع النتائج بناءً على المعنى عبر جميع هذه اللغات من استعلام واحد.
استرجاع المعلومات (RAG) عالي الدقة
استرجاع الفقرات لنظام الإجابة على الأسئلة حيث تكون جودة الاسترجاع هي العامل الحاسم.
تجميع المستندات
تجميع التذاكر أو المقالات أو التقارير المتشابهة في مجموعات لتصبح المواضيع المتكررة مرئية للمحللين.
المتجهات المختصرة
تقليل الأبعاد لتناسب قاعدة بيانات المتجهات مع الحفاظ على معظم الجودة.

أمثلة Prompt

تضمين 5,000 وصف منتج للبحث الدلالي عبر استعلامات باللغات الإنجليزية والألمانية واليابانية.

تضمين مقالات الدعم حتى أتمكن من استرجاع المقالات الثلاث الأقرب لسؤال العميل.

تضمين هذه الفقرات وتجميعها في مواضيع.

هذا النموذج بتسعير مشروط. مجاميع الرموز الشهرية وحدها لا تنتج تقديرًا موثوقًا؛ استخدم التسعير التفصيلي لمواصفات الطلب وذاكرة التخزين المؤقت والنافذة الزمنية المعمول بها.

FAQ

ما نوع النموذج الذي يمثله text-embedding-3-large؟

إنه نموذج التضمين الأكثر قدرة لدى OpenAI، حيث ينتج متجهات رقمية تقيس مدى ترابط نصين. يستهدف المهام باللغة الإنجليزية وغيرها مثل البحث والتجميع والتصنيف.

هل يمكنني تقليل حجم المتجه؟

نعم. يدعم النموذج أبعاداً قابلة للتحديد، لذا يمكنك تقصير المتجهات لتوفير مساحة التخزين ووقت البحث مقابل تكلفة بسيطة في الجودة. اختبر مقاييس الاسترجاع الخاصة بك بالحجم الذي تنوي استخدامه.

كيف يختلف عن text-embedding-3-small؟

نموذج Large هو النموذج الأعلى جودة بمتجهات أكبر، بينما Small هو الخيار الاقتصادي. استخدم Large عندما تكون دقة الاسترجاع حاسمة، وSmall عندما يكون الحجم والتكلفة هما الأولوية.

هل يمكنني خلط متجهاته مع متجهات نموذج آخر؟

لا. تعيش المتجهات من نماذج مختلفة في مساحات مختلفة ولا ينبغي مقارنتها. أعد تضمين مجموعتك النصية بالكامل عند تغيير النماذج، واحتفظ بمتجهات الاستعلام والمستندات من نفس النموذج.

ما هي نقاط النهاية التي يمكنني استدعاؤها؟

يعمل مع نقطة نهاية التضمين (embeddings) ونقطة نهاية الدفعات (batch). نقاط نهاية الدردشة والصوت غير مدعومة، لذا استخدمه فقط لتحويل النص إلى متجهات وقم بإقرانه بنموذج توليد منفصل.

كم تكلفة text-embedding-3-large؟

على TokenLab تكلف text-embedding-3-large المدخلات $0.091 / المخرجات $0.00 لكل 1M Token. التفاصيل الكاملة في جدول التسعير أعلاه. تعتمد الأسعار على وحدة الفوترة والمواصفات والاستخدام. قارن بين الشروط المتطابقة في التسعير التفصيلي للنموذج؛ السعر الواحد لا يحدد التكلفة الإجمالية.

ما نقطة النهاية التي يجب أن يستخدمها text-embedding-3-large؟

استخدم https://api.tokenlab.sh/v1/embeddings كافتراضي لـ text-embedding-3-large. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها text-embedding-3-large؟

text-embedding-3-large يدعم تضمين. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.