OpenAI: text-embedding-3-small
text-embedding-3-small- 輸入 / 輸出-30%
- $0.02 / $0.00$0.014 / $0.00
- 上下文
- 8.2K
- 模態
- 嵌入
關於 text-embedding-3-small
text-embedding-3-small 是 OpenAI 的精簡型嵌入模型，能產生衡量兩段文字相關性的向量。OpenAI 將其視為早期 ada 嵌入模型的改進版，並列出搜尋、分群、推薦、異常檢測及分類為其用途。它是繼 text-embedding-3-large 之後的經濟型選擇，適合大型索引與 RAG 管線。
適用場景
- 根據 OpenAI 模型頁面，這是對 ada 嵌入模型的改進。
- 相較於 Large 模型，較小的向量能讓大型索引的儲存與搜尋更輕量。
- 涵蓋搜尋、分群、推薦、異常檢測及分類任務。
- 適用於 embeddings 與 batch 端點，適合批次索引作業。
其他選擇建議
- 檢索品質低於 text-embedding-3-large，當答案取決於精確匹配時，這點很重要。
- 僅能嵌入文字，不支援圖像或音訊。
- 稍後切換模型意味著必須重新嵌入整個語料庫。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
嵌入TokenLab 端點POST/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." }'
定價
Verified 享有 TokenLab 優惠價，多數模型更划算。Official 採用原廠定價，提供更穩定的服務。Auto 模式將依據實際完成請求的管道進行計費。
嵌入
每 1M Token- Official 定價
- 輸入 $0.02 / 輸出 $0.00
- TokenLab 價格
- 輸入 $0.014 / 輸出 $0.00
- 折扣
- -30%
| Official 定價每 1M Token | TokenLab 價格每 1M Token | 折扣 | |
|---|---|---|---|
| 嵌入 | 輸入 $0.02 / 輸出 $0.00 | 輸入 $0.014 / 輸出 $0.00 | -30% |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 text-embedding-3-small，並準備好編輯或發送提示詞。
協助我使用 text-embedding-3-small 透過 /v1/embeddings 執行 embedding，並顯示結果與成本。
應用情境
預設 RAG 索引
以經濟型嵌入模型啟動檢索管線，並在升級前進行評估。
推薦
透過比較向量並向每位讀者建議最接近的鄰近項目，找出相關的文章或產品。
異常檢測
標記偏離正常群組的日誌行或記錄。
大量批次嵌入
當作業可在背景執行時，透過 batch 端點嵌入數百萬筆短記錄。
提示詞範例
嵌入每則 FAQ 條目，以便聊天機器人能擷取最接近的答案。
嵌入這些產品標題，並為每個標題找出五個相似項目。
嵌入本月的日誌訊息，以便標記異常值。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
text-embedding-3-small 是什麼樣的模型？
這是一款精簡的 OpenAI 嵌入模型，能將文字轉換為數值向量。OpenAI 稱其為對先前 ada 嵌入模型的改進，並支援搜尋、分群、推薦、異常檢測及分類。
何時該選擇它而非 text-embedding-3-large？
當成本、儲存空間與處理量為主要考量且檢索效果已足夠時，請選擇 Small。當困難或多語言查詢的品質需求足以抵銷較大向量的成本時，請選擇 Large。
它比 text-embedding-ada-002 更好嗎？
OpenAI 將其描述為對 ada 模型的改進。如果您已有 ada-002 索引，切換時必須重新嵌入語料庫，因為來自不同模型的向量並不相容。
哪些端點適用於它？
兩種路徑：embeddings 與 batch。不支援 Chat、audio 與 image 端點，因此若您需要答案而非向量，請搭配獨立的生成模型使用。
它能處理圖像嗎？
不能，它僅接受文字輸入。請使用多模態嵌入模型處理圖片，並將此模型保留用於以文字為主的語料庫，且該語料庫對儲存空間與每個向量的成本有嚴格限制。
text-embedding-3-small 的費用是多少？
在 TokenLab 上，text-embedding-3-small 價格為 輸入 $0.014 / 輸出 $0.00 每 1M Token。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
text-embedding-3-small 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/embeddings 進行 text-embedding-3-small 的呼叫。下方的請求範例展示了對應的程式碼格式。
text-embedding-3-small 支援哪些操作？
text-embedding-3-small 支援 嵌入。請在上方選擇一項操作以查看其端點與請求範例。
比較 text-embedding-3-small
來源
更新於 2026年10月2日
