OpenAI: text-embedding-3-small

Text Embedding 3 Small, metin benzerliği ve geri alma için kompakt vektörler sağlar. Ekonomik bir yerleştirme modeline ihtiyaç duyan arama dizini, öneri özelliği veya RAG hattı için kullanışlı bir başlangıç noktasıdır.

Modelleri karşılaştır

text-embedding-3-small

MevcutOpenAIVektörleştirmeSenkron

Girdi / Çıktı-30%: $0.02 / $0.00$0.014 / $0.00
Bağlam: 8.2K
Modlar: Vektörleştirme

text-embedding-3-small hakkında

text-embedding-3-small, OpenAI'nin iki metin parçasının ne kadar ilişkili olduğunu ölçen vektörler üreten kompakt yerleştirme modelidir. OpenAI, bunu önceki ada yerleştirme modeline göre bir iyileştirme olarak sunar ve kullanım alanları olarak arama, kümeleme, öneri sistemleri, anomali tespiti ve sınıflandırmayı listeler. text-embedding-3-large modelinin yanında ekonomik bir seçenek olup, büyük dizinler ve RAG hatları için uygundur.

Güçlü yönleri

OpenAI'nin model sayfasına göre, ada yerleştirme modeline göre bir iyileştirmedir.
Large modelinden daha küçük vektörler, büyük dizinler için depolama ve arama yükünü hafif tutar.
Arama, kümeleme, öneri sistemleri, anomali tespiti ve sınıflandırma görevlerini kapsar.
Toplu dizinlemeye uygun olan embeddings ve batch uç noktalarında çalışır.

Alternatif aramanız gereken durumlar

Getirme kalitesi, yanıtların kesin eşleşmelere dayandığı durumlarda önemli olan text-embedding-3-large modelinden daha düşüktür.
Görselleri veya sesleri değil, yalnızca metni yerleştirir.
Daha sonra model değiştirmek, tüm külliyatın yeniden yerleştirilmesi anlamına gelir.

Başlarken

API anahtarı oluştur
Console'da bir anahtar oluşturun, platformdaki tüm modellerle kullanın.

İlk isteğinizi gönderin

Diliniz için olan örneği kopyalayın ve uç noktada çalıştırın.

VektörleştirmeTokenLab uç noktası

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."
}'

Fiyatlandırma

Çoğu modelde daha hesaplı olan Verified için TokenLab fiyatı geçerlidir. Daha güvenilir olan Official rotası ise üreticinin standart fiyatıyla ücretlendirilir. Auto seçeneği, isteği başarıyla tamamlayan rotayı baz alır.

Vektörleştirme

1M token başına

Resmi fiyat: Girdi $0.02 / Çıktı $0.00
TokenLab fiyatı: Girdi $0.014 / Çıktı $0.00
İndirim: -30%

	Resmi fiyat1M token başına	TokenLab fiyatı1M token başına	İndirim
Vektörleştirme	Girdi $0.02 / Çıktı $0.00	Girdi $0.014 / Çıktı $0.00	-30%

Kullanım ve etkinlik

Başarı oranı, tamamlanan isteklerin payıdır. Gecikme, tam bir yanıtın ne kadar sürdüğüdür; P95, isteklerin %95’inin bu süre içinde tamamlandığı anlamına gelir.

Kullanım ve kullanılabilirlik

Son 24 saat

İstekler
Başarı oranı
P95 gecikmesi
Toplam token

Model performansı

Son güncelleme: 9 Eki 2026 00:16 UTC

Metrikler, gizlilik ve veri hacmi eşikleri karşılandığında görünür.

Veriler, durum kontrolleri hariç tutularak toplu kullanıcı isteklerine dayanmaktadır.

Console'da aç

text-embedding-3-small modelini Console'da açın, istemi düzenlemek veya göndermek için hazır hale getirin.

text-embedding-3-small ile /v1/embeddings üzerinden embedding işlemini dene. Sonucu ve maliyeti göster.

Kullanım senaryoları

Varsayılan RAG dizini
Bir getirme hattını ekonomik bir yerleştirme modeliyle başlatın ve yükseltme yapmadan önce ölçüm yapın.
Öneri sistemleri
Vektörleri karşılaştırarak ve her okuyucuya en yakın komşuları önererek ilgili makaleleri veya ürünleri bulun.
Anomali tespiti
Normal kümeden uzak duran günlük satırlarını veya kayıtlarını işaretleyin.
Toplu (batch) yerleştirme
İş arka planda çalışabildiğinde, batch uç noktası aracılığıyla milyonlarca kısa kaydı yerleştirin.

Prompt örnekleri

Bir sohbet robotunun en yakın yanıtı getirebilmesi için her SSS girişini yerleştirin.

Bu ürün başlıklarını yerleştirin ve her biri için beş benzer öğe bulun.

Ayın günlük mesajlarını yerleştirin, böylece aykırı değerler işaretlenebilir.

Bu model koşullu fiyatlandırmaya sahiptir. Yalnızca aylık token toplamları güvenilir bir tahmin üretmez; istek özellikleri, önbellek ve geçerli zaman penceresi için ayrıntılı fiyatlandırmayı kullanın.

FAQ

text-embedding-3-small ne tür bir modeldir?

Metni sayısal vektörlere dönüştüren kompakt bir OpenAI yerleştirme modelidir. OpenAI, bunu önceki ada yerleştirme modeline göre bir iyileştirme olarak adlandırır ve arama, kümeleme, öneri sistemleri, anomali tespiti ve sınıflandırmayı destekler.

text-embedding-3-large yerine ne zaman tercih etmeliyim?

Maliyet, depolama ve iş hacmi önemliyse ve getirme kalitesi zaten yeterliyse small modelini seçin. Zorlu veya çok dilli sorgularda kalite, daha büyük vektörleri haklı çıkarıyorsa large modelini seçin.

text-embedding-ada-002'den daha mı iyi?

OpenAI, bunu ada modeline göre bir iyileştirme olarak tanımlar. Eğer bir ada-002 dizininiz varsa, geçiş yapmak için külliyatı yeniden yerleştirmeniz gerekir, çünkü farklı modellerden gelen vektörler uyumlu değildir.

Hangi uç noktalar onunla çalışır?

İki yol: embeddings ve batch. Sohbet, ses ve görsel uç noktaları desteklenmez, bu nedenle vektör yerine yanıt almanız gerekiyorsa ayrı bir üretim modeliyle eşleştirin.

Görsel kabul eder mi?

Hayır, yalnızca metin girişi kabul eder. Resimler için çok modlu (multimodal) bir yerleştirme modeli kullanın ve bunu, vektör başına depolama ve maliyetin ana kısıtlamalar olduğu metin külliyatları için saklayın.

text-embedding-3-small ne kadara mal olur?

TokenLab üzerinde text-embedding-3-small Girdi $0.014 / Çıktı $0.00 1M token başına'dır. Tam dökümü yukarıdaki fiyat tablosunda bulabilirsiniz. Ücretler faturalandırma birimine, özelliklere ve kullanıma göre değişir. Modelin ayrıntılı fiyatlandırmasında eşleşen koşulları karşılaştırın; tek bir ücret toplam maliyeti belirlemez.

text-embedding-3-small hangi endpoint'i kullanmalı?

text-embedding-3-small için varsayılan olarak https://api.tokenlab.sh/v1/embeddings kullanın. Sağlayıcıya özgü yerel format destekleniyorsa API workbench bu endpoint'i de gösterir.

text-embedding-3-small hangi operasyonları destekler?

text-embedding-3-small Vektörleştirme destekler. Yukarıdaki API workbench'te bir operasyon seçerek ilgili endpoint ve kod örneğini görebilirsiniz.