OpenAI: text-embedding-3-small

Text Embedding 3 Small bietet kompakte Vektoren für Textähnlichkeit und Abruf. Es ist ein nützlicher Ausgangspunkt für einen Suchindex, eine Empfehlungsfunktion oder eine RAG-Pipeline, die ein wirtschaftliches Embedding-Modell benötigt.

Modelle vergleichen

text-embedding-3-small

VerfügbarOpenAIEinbettungSynchron

Eingabe / Ausgabe-30%: $0.02 / $0.00$0.014 / $0.00
Kontext: 8.2K
Modalitäten: Einbettung

Über text-embedding-3-small

text-embedding-3-small ist das kompakte Embedding-Modell von OpenAI, das Vektoren erzeugt, die messen, wie stark zwei Textstücke miteinander in Beziehung stehen. OpenAI präsentiert es als Verbesserung gegenüber dem früheren ada-Embedding-Modell und führt Suche, Clustering, Empfehlungen, Anomalieerkennung und Klassifizierung als Anwendungsbereiche auf. Es ist die wirtschaftliche Wahl neben text-embedding-3-large und eignet sich für große Indizes und RAG-Pipelines.

Stärken

Eine Verbesserung gegenüber dem ada-Embedding-Modell, laut der Modellseite von OpenAI.
Kleinere Vektoren als beim Large-Modell halten Speicherbedarf und Suche für große Indizes gering.
Deckt Aufgaben in den Bereichen Suche, Clustering, Empfehlungen, Anomalieerkennung und Klassifizierung ab.
Funktioniert mit den Embeddings- und Batch-Endpunkten, was für die Massenindizierung geeignet ist.

Alternativen

Die Abrufqualität ist geringer als bei text-embedding-3-large, was wichtig ist, wenn Antworten von präzisen Übereinstimmungen abhängen.
Es bettet nur Text ein, keine Bilder oder Audio.
Ein späterer Modellwechsel bedeutet, den gesamten Korpus neu einbetten zu müssen.

Erste Schritte

API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.

Senden Sie Ihre erste Anfrage

Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.

EinbettungTokenLab-Endpunkt

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-small",
  "input": "The quick brown fox jumps over the lazy dog."
}'

Preise

Der TokenLab-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis entspricht dem Standardpreis des Herstellers für die zuverlässigere Route. Auto berechnet jeweils die Route, die deine Anfrage erfolgreich verarbeitet.

Einbettung

Pro 1M Token

Offizieller Preis: Eingabe $0.02 / Ausgabe $0.00
TokenLab-Preis: Eingabe $0.014 / Ausgabe $0.00
Rabatt: -30%

	Offizieller PreisPro 1M Token	TokenLab-PreisPro 1M Token	Rabatt
Einbettung	Eingabe $0.02 / Ausgabe $0.00	Eingabe $0.014 / Ausgabe $0.00	-30%

Nutzung & Aktivität

Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.

Nutzung & Verfügbarkeit

Letzte 24 Stunden

Anfragen
Erfolgsrate
P95-Latenz
Token gesamt

Modellleistung

Zuletzt aktualisiert 9. Okt. 2026, 00:16 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne text-embedding-3-small in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste text-embedding-3-small mit embedding an /v1/embeddings. Zeige Ergebnis und Kosten.

Anwendungsfälle

Standard-RAG-Index
Starten Sie eine Abruf-Pipeline mit einem wirtschaftlichen Embedding-Modell und führen Sie Messungen durch, bevor Sie ein Upgrade durchführen.
Empfehlungen
Finden Sie verwandte Artikel oder Produkte, indem Sie Vektoren vergleichen und dem Leser die nächsten Nachbarn vorschlagen.
Anomalieerkennung
Markieren Sie Protokollzeilen oder Datensätze, die weit vom Cluster der normalen Werte entfernt liegen.
Massen-Batch-Embedding
Betten Sie Millionen kurzer Datensätze über den Batch-Endpunkt ein, wenn der Auftrag im Hintergrund ausgeführt werden kann.

Prompt-Beispiele

Betten Sie jeden FAQ-Eintrag ein, damit ein Chatbot die passendste Antwort abrufen kann.

Betten Sie diese Produkttitel ein und finden Sie für jeden fünf ähnliche Artikel.

Betten Sie die Protokollmeldungen dieses Monats ein, damit Ausreißer markiert werden können.

Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.

FAQ

Was für ein Modell ist text-embedding-3-small?

Es ist ein kompaktes Embedding-Modell von OpenAI, das Text in numerische Vektoren umwandelt. OpenAI bezeichnet es als Verbesserung gegenüber dem vorherigen ada-Embedding-Modell; es unterstützt Suche, Clustering, Empfehlungen, Anomalieerkennung und Klassifizierung.

Wann sollte ich es gegenüber text-embedding-3-large wählen?

Wählen Sie Small, wenn Kosten, Speicherplatz und Durchsatz wichtig sind und die Abrufqualität bereits ausreicht. Wählen Sie Large, wenn die Qualität bei schwierigen oder mehrsprachigen Abfragen größere Vektoren rechtfertigt.

Ist es besser als text-embedding-ada-002?

OpenAI beschreibt es als Verbesserung gegenüber dem ada-Modell. Wenn Sie einen ada-002-Index haben, müssen Sie den Korpus neu einbetten, um zu wechseln, da Vektoren verschiedener Modelle nicht kompatibel sind.

Welche Endpunkte funktionieren damit?

Zwei Routen: Embeddings und Batch. Chat-, Audio- und Bild-Endpunkte werden nicht unterstützt; kombinieren Sie es daher mit einem separaten Generierungsmodell, wenn Sie Antworten statt Vektoren benötigen.

Verarbeitet es Bilder?

Nein, es akzeptiert nur Texteingaben. Verwenden Sie ein multimodales Embedding-Modell für Bilder und behalten Sie dieses für Textkorpora bei, bei denen Speicherplatz und Kosten pro Vektor die Haupteinschränkungen darstellen.

Was kostet text-embedding-3-small?

Auf TokenLab kostet text-embedding-3-small Eingabe $0.014 / Ausgabe $0.00 Pro 1M Token. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.

Welchen Endpunkt soll text-embedding-3-small verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/embeddings für text-embedding-3-small. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt text-embedding-3-small?

text-embedding-3-small unterstützt Einbettung. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.