OpenAI: text-embedding-3-small
text-embedding-3-small- Entrada / Saída-30%
- $0.02 / $0.00$0.014 / $0.00
- Contexto
- 8.2K
- Modalidades
- Incorporação
Sobre o text-embedding-3-small
O text-embedding-3-small é o modelo de embedding compacto da OpenAI, produzindo vetores que medem o quão relacionados dois trechos de texto estão. A OpenAI o apresenta como uma melhoria em relação ao modelo de embedding ada anterior e lista busca, agrupamento, recomendações, detecção de anomalias e classificação como usos. É a escolha econômica ao lado do text-embedding-3-large, adequada para grandes índices e pipelines de RAG.
Pontos fortes
- Uma melhoria em relação ao modelo de embedding ada, de acordo com a página de modelos da OpenAI.
- Vetores menores do que os do modelo Large mantêm o armazenamento e a busca leves para grandes índices.
- Cobre tarefas de busca, agrupamento, recomendações, detecção de anomalias e classificação.
- Funciona nos endpoints de embeddings e batch, o que é adequado para indexação em massa.
Quando usar outro modelo
- A qualidade da recuperação é inferior à do text-embedding-3-large, o que é importante quando as respostas dependem de correspondências precisas.
- Ele processa apenas texto, não imagens ou áudio.
- Trocar de modelo posteriormente significa re-incorporar todo o corpus.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
IncorporaçãoEndpoint do TokenLabPOST/v1/embeddingscurl -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." }'
Preço
O preço TokenLab aplica-se ao Verified, que é mais barato na maioria dos modelos. O preço oficial segue a tabela do criador e aplica-se à rota Official, que é mais confiável. O modo Auto cobra pela rota que finalizar o seu pedido.
Incorporação
Por 1M Token- Preço oficial
- Entrada $0.02 / Saída $0.00
- Preço da TokenLab
- Entrada $0.014 / Saída $0.00
- Desconto
- -30%
| Preço oficialPor 1M Token | Preço da TokenLabPor 1M Token | Desconto | |
|---|---|---|---|
| Incorporação | Entrada $0.02 / Saída $0.00 | Entrada $0.014 / Saída $0.00 | -30% |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra text-embedding-3-small no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar text-embedding-3-small com embedding em /v1/embeddings. Exiba o resultado e custo.
Casos de uso
Índice RAG padrão
Inicie um pipeline de recuperação com um modelo de embedding econômico e faça medições antes de atualizar.
Recomendações
Encontre artigos ou produtos relacionados comparando vetores e sugerindo os vizinhos mais próximos para cada leitor.
Detecção de anomalias
Marque linhas de log ou registros que estejam distantes do cluster de registros normais.
Embedding em lote (batch)
Incorpore milhões de registros curtos através do endpoint de batch quando o trabalho puder ser executado em segundo plano.
Exemplos de prompt
Incorpore cada entrada de FAQ para que um chatbot possa buscar a resposta mais próxima.
Incorpore estes títulos de produtos e encontre cinco itens semelhantes para cada um.
Incorpore as mensagens de log deste mês para que valores discrepantes possam ser marcados.
Este modelo tem preço condicional. Totais mensais de tokens sozinhos não produzem uma estimativa confiável; use o preço detalhado para a especificação da requisição, cache e janela aplicável.
FAQ
Que tipo de modelo é o text-embedding-3-small?
É um modelo de embedding compacto da OpenAI que converte texto em vetores numéricos. A OpenAI o chama de melhoria em relação ao modelo de embedding ada anterior, e ele suporta busca, agrupamento, recomendações, detecção de anomalias e classificação.
Quando devo escolhê-lo em vez do text-embedding-3-large?
Escolha o Small quando custo, armazenamento e throughput forem importantes e a recuperação já for adequada. Escolha o Large quando a qualidade em consultas difíceis ou multilíngues justificar vetores maiores.
Ele é melhor que o text-embedding-ada-002?
A OpenAI o descreve como uma melhoria em relação ao modelo ada. Se você possui um índice ada-002, deve re-incorporar o corpus para mudar, pois vetores de modelos diferentes não são compatíveis.
Quais endpoints funcionam com ele?
Duas rotas: embeddings e batch. Endpoints de chat, áudio e imagem não são suportados, então combine-o com um modelo de geração separado se precisar de respostas em vez de vetores.
Ele aceita imagens?
Não, ele aceita apenas entrada de texto. Use um modelo de embedding multimodal para imagens e mantenha este para corpora de texto onde o armazenamento e o custo por vetor são as principais restrições.
Quanto custa o text-embedding-3-small?
No TokenLab, text-embedding-3-small custa Entrada $0.014 / Saída $0.00 Por 1M Token. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.
Qual endpoint o text-embedding-3-small deve usar?
Use https://api.tokenlab.sh/v1/embeddings para text-embedding-3-small. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o text-embedding-3-small suporta?
text-embedding-3-small suporta Incorporação. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar text-embedding-3-small
Fontes
Revisado em 2 de out. de 2026
