OpenAI: text-embedding-3-small

Text Embedding 3 Small menyediakan vektor ringkas untuk kesamaan teks dan pengambilan data. Model ini merupakan titik awal yang berguna untuk indeks pencarian, fitur rekomendasi, atau alur kerja RAG yang membutuhkan model embedding yang ekonomis.

Bandingkan model

text-embedding-3-small

TersediaOpenAIEmbeddingSinkronkan

Masukan / Keluaran-30%: $0.02 / $0.00$0.014 / $0.00
Konteks: 8.2K
Modalitas: Embedding

Tentang text-embedding-3-small

text-embedding-3-small adalah model embedding ringkas dari OpenAI, yang menghasilkan vektor untuk mengukur seberapa terkait dua bagian teks. OpenAI menyajikannya sebagai peningkatan dari model embedding ada sebelumnya dan mencantumkan pencarian, pengelompokan, rekomendasi, deteksi anomali, dan klasifikasi sebagai kegunaannya. Ini adalah pilihan ekonomis di samping text-embedding-3-large, yang cocok untuk indeks besar dan pipeline RAG.

Kelebihan

Peningkatan dari model embedding ada, menurut halaman model OpenAI.
Vektor yang lebih kecil daripada model large menjaga penyimpanan dan pencarian tetap ringan untuk indeks besar.
Mencakup tugas pencarian, pengelompokan, rekomendasi, deteksi anomali, dan klasifikasi.
Bekerja pada endpoint embeddings dan batch, yang cocok untuk pengindeksan massal.

Kapan harus beralih

Kualitas pengambilan lebih rendah daripada text-embedding-3-large, yang penting jika jawaban bergantung pada kecocokan yang presisi.
Model ini hanya melakukan embedding pada teks, bukan gambar atau audio.
Mengganti model di kemudian hari berarti harus melakukan re-embedding pada seluruh korpus.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

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

Penetapan Harga

Harga TokenLab berlaku untuk Verified yang lebih terjangkau. Harga Official mengikuti standar penyedia model untuk keandalan lebih tinggi. Auto akan menagih berdasarkan jalur yang berhasil menyelesaikan permintaan.

Embedding

per 1M token

Harga Official: Masukan $0.02 / Keluaran $0.00
Harga TokenLab: Masukan $0.014 / Keluaran $0.00
Diskon: -30%

	Harga Officialper 1M token	Harga TokenLabper 1M token	Diskon
Embedding	Masukan $0.02 / Keluaran $0.00	Masukan $0.014 / Keluaran $0.00	-30%

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 9 Okt 2026, 00.16 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka text-embedding-3-small di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba text-embedding-3-small dengan embedding di /v1/embeddings. Tampilkan hasil dan biayanya.

Skenario penggunaan

Indeks RAG default
Mulai pipeline pengambilan dengan model embedding ekonomis dan lakukan pengukuran sebelum melakukan peningkatan.
Rekomendasi
Temukan artikel atau produk terkait dengan membandingkan vektor dan menyarankan tetangga terdekat kepada setiap pembaca.
Deteksi anomali
Tandai baris log atau catatan yang berada jauh dari klaster data normal.
Embedding batch massal
Lakukan embedding pada jutaan catatan singkat melalui endpoint batch saat pekerjaan dapat dijalankan di latar belakang.

Contoh prompt

Lakukan embedding pada setiap entri FAQ agar chatbot dapat mengambil jawaban terdekat.

Lakukan embedding pada judul produk ini dan temukan lima item serupa untuk masing-masing judul.

Lakukan embedding pada pesan log bulan ini agar data pencilan (outlier) dapat ditandai.

Model ini memiliki harga kondisional. Total token bulanan saja tidak dapat menghasilkan estimasi yang andal; gunakan harga detail untuk spesifikasi permintaan, cache, dan jendela waktu yang berlaku.

FAQ

Model seperti apa text-embedding-3-small itu?

Ini adalah model embedding OpenAI yang ringkas yang mengubah teks menjadi vektor numerik. OpenAI menyebutnya sebagai peningkatan dari model embedding ada sebelumnya, dan model ini mendukung pencarian, pengelompokan, rekomendasi, deteksi anomali, dan klasifikasi.

Kapan saya harus memilihnya dibandingkan text-embedding-3-large?

Pilih small jika biaya, penyimpanan, dan throughput menjadi prioritas dan pengambilan sudah memadai. Pilih large jika kualitas pada kueri yang sulit atau multibahasa membenarkan penggunaan vektor yang lebih besar.

Apakah ini lebih baik daripada text-embedding-ada-002?

OpenAI menggambarkannya sebagai peningkatan dari model ada. Jika Anda memiliki indeks ada-002, Anda harus melakukan re-embedding pada korpus untuk beralih, karena vektor dari model yang berbeda tidak kompatibel.

Endpoint mana yang bekerja dengannya?

Dua rute: embeddings dan batch. Endpoint chat, audio, dan gambar tidak didukung, jadi pasangkan dengan model generasi terpisah jika Anda memerlukan jawaban alih-alih vektor.

Apakah model ini menerima gambar?

Tidak, model ini hanya menerima input teks. Gunakan model embedding multimodal untuk gambar, dan gunakan model ini untuk korpus teks di mana penyimpanan dan biaya per vektor menjadi kendala utama.

Berapa biaya text-embedding-3-small?

Di TokenLab, text-embedding-3-small dikenakan Masukan $0.014 / Keluaran $0.00 per 1M token. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Endpoint mana yang harus digunakan text-embedding-3-small?

Pakai https://api.tokenlab.sh/v1/embeddings sebagai default untuk text-embedding-3-small. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung text-embedding-3-small?

text-embedding-3-small mendukung Embedding. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.