OpenAI: text-embedding-3-small

Text Embedding 3 Small cung cấp các vector nhỏ gọn cho sự tương đồng văn bản và truy xuất. Đây là điểm khởi đầu hữu ích cho chỉ mục tìm kiếm, tính năng gợi ý hoặc quy trình RAG cần một mô hình nhúng tiết kiệm.

So sánh mô hình

text-embedding-3-small

Sẵn sàngOpenAINhúngĐồng bộ

Đầu vào / Đầu ra-30%: $0.02 / $0.00$0.014 / $0.00
Ngữ cảnh: 8.2K
Phương thức: Nhúng

Về text-embedding-3-small

text-embedding-3-small là mô hình embedding nhỏ gọn của OpenAI, tạo ra các vector đo lường mức độ liên quan giữa hai đoạn văn bản. OpenAI giới thiệu đây là một cải tiến so với mô hình embedding ada trước đó và liệt kê các công dụng như tìm kiếm, phân cụm, gợi ý, phát hiện bất thường và phân loại. Đây là lựa chọn tiết kiệm bên cạnh text-embedding-3-large, phù hợp với các chỉ mục lớn và các quy trình RAG.

Ưu điểm

Một cải tiến so với mô hình embedding ada, theo trang mô hình của OpenAI.
Các vector nhỏ hơn so với mô hình large giúp việc lưu trữ và tìm kiếm trở nên nhẹ nhàng hơn đối với các chỉ mục lớn.
Bao gồm các tác vụ tìm kiếm, phân cụm, gợi ý, phát hiện bất thường và phân loại.
Hoạt động trên các endpoint embeddings và batch, phù hợp với việc lập chỉ mục hàng loạt.

Khi nào nên chọn model khác

Chất lượng truy xuất thấp hơn so với text-embedding-3-large, điều này quan trọng khi câu trả lời phụ thuộc vào các kết quả khớp chính xác.
Nó chỉ nhúng văn bản, không nhúng hình ảnh hoặc âm thanh.
Việc chuyển đổi mô hình sau này đồng nghĩa với việc phải nhúng lại toàn bộ tập dữ liệu.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

NhúngĐiểm cuối 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."
}'

Giá

Giá TokenLab áp dụng cho Verified, giúp tiết kiệm chi phí trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho luồng Official ổn định hơn. Auto sẽ tính phí dựa trên luồng thực hiện thành công yêu cầu.

Nhúng

mỗi 1M token

Giá niêm yết: Đầu vào $0.02 / Đầu ra $0.00
Giá TokenLab: Đầu vào $0.014 / Đầu ra $0.00
Giảm giá: -30%

	Giá niêm yếtmỗi 1M token	Giá TokenLabmỗi 1M token	Giảm giá
Nhúng	Đầu vào $0.02 / Đầu ra $0.00	Đầu vào $0.014 / Đầu ra $0.00	-30%

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 00:16 UTC 9 thg 10, 2026

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở text-embedding-3-small trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử text-embedding-3-small với embedding tại /v1/embeddings. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Chỉ mục RAG mặc định
Bắt đầu một quy trình truy xuất với một mô hình embedding tiết kiệm và đo lường trước khi nâng cấp.
Gợi ý
Tìm các bài viết hoặc sản phẩm liên quan bằng cách so sánh các vector và gợi ý các mục gần nhất cho mỗi người đọc.
Phát hiện bất thường
Gắn cờ các dòng nhật ký hoặc bản ghi nằm xa cụm các bản ghi bình thường.
Nhúng hàng loạt
Nhúng hàng triệu bản ghi ngắn thông qua endpoint batch khi tác vụ có thể chạy trong nền.

Ví dụ prompt

Nhúng từng mục FAQ để chatbot có thể tìm ra câu trả lời gần nhất.

Nhúng các tiêu đề sản phẩm này và tìm năm mục tương tự cho mỗi tiêu đề.

Nhúng các thông báo nhật ký của tháng này để có thể gắn cờ các giá trị ngoại lai.

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

text-embedding-3-small là loại mô hình gì?

Đây là một mô hình embedding nhỏ gọn của OpenAI giúp chuyển đổi văn bản thành các vector số. OpenAI gọi đây là một cải tiến so với mô hình embedding ada trước đó, và nó hỗ trợ tìm kiếm, phân cụm, gợi ý, phát hiện bất thường và phân loại.

Khi nào tôi nên chọn nó thay vì text-embedding-3-large?

Hãy chọn small khi chi phí, dung lượng lưu trữ và thông lượng là quan trọng và khả năng truy xuất đã đủ đáp ứng. Hãy chọn large khi chất lượng trên các truy vấn khó hoặc đa ngôn ngữ xứng đáng với các vector lớn hơn.

Nó có tốt hơn text-embedding-ada-002 không?

OpenAI mô tả đây là một cải tiến so với mô hình ada. Nếu bạn có một chỉ mục ada-002, bạn phải nhúng lại tập dữ liệu để chuyển đổi, vì các vector từ các mô hình khác nhau không tương thích với nhau.

Những endpoint nào hoạt động với nó?

Hai lộ trình: embeddings và batch. Các endpoint chat, audio và image không được hỗ trợ, vì vậy hãy kết hợp nó với một mô hình tạo nội dung riêng biệt nếu bạn cần câu trả lời thay vì các vector.

Nó có nhận hình ảnh không?

Không, nó chỉ chấp nhận đầu vào là văn bản. Hãy sử dụng mô hình embedding đa phương thức cho hình ảnh, và giữ mô hình này cho các tập dữ liệu văn bản nơi dung lượng lưu trữ và chi phí trên mỗi vector là những hạn chế chính.

text-embedding-3-small có giá bao nhiêu?

Trên TokenLab, text-embedding-3-small có giá Đầu vào $0.014 / Đầu ra $0.00 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

text-embedding-3-small nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/embeddings làm mặc định cho text-embedding-3-small. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

text-embedding-3-small hỗ trợ những thao tác nào?

text-embedding-3-small hỗ trợ Nhúng. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.