商品目录

Large size text embedding model for extensive natural language processing tasks.

Large size text embedding model for extensive natural language processing tasks.

Large size text embedding model for extensive natural language processing tasks.

Large size text embedding model for extensive natural language processing tasks.

text-embedding-3-large 以强推理驱动的高精度向量表示，覆盖64K长文本与文件内容，支持工具协同检索。最适合RAG知识库、语义搜索、相似度匹配、推荐与去重，让召回更准、排序更稳、效果更可控。 text-embedding-3-large delivers high-precision embeddings powered by strong reasoning, covering 64K long texts and file content, with tool-assisted retrieval workflows. Best for RAG knowledge bases, semantic search, similarity matching, recommendations, and deduplication—improving recall accuracy, ranking stability, and overall controllability.

text-embedding-3-large 以强推理驱动的高精度向量表示，覆盖64K长文本与文件内容，支持工具协同检索。最适合RAG知识库、语义搜索、相似度匹配、推荐与去重，让召回更准、排序更稳、效果更可控。 text-embedding-3-large delivers high-precision embeddings powered by strong reasoning, covering 64K long texts and file content, with tool-assisted retrieval workflows. Best for RAG knowledge bases, semantic search, similarity matching, recommendations, and deduplication—improving recall accuracy, ranking stability, and overall controllability.

text-embedding-3-large 以强推理驱动的高精度向量表示，覆盖64K长文本与文件内容，支持工具协同检索。最适合RAG知识库、语义搜索、相似度匹配、推荐与去重，让召回更准、排序更稳、效果更可控。 text-embedding-3-large delivers high-precision embeddings powered by strong reasoning, covering 64K long texts and file content, with tool-assisted retrieval workflows. Best for RAG knowledge bases, semantic search, similarity matching, recommendations, and deduplication—improving recall accuracy, ranking stability, and overall controllability.

text-embedding-3-large 以强推理驱动的高精度向量表示，覆盖64K长文本与文件内容，支持工具协同检索。最适合RAG知识库、语义搜索、相似度匹配、推荐与去重，让召回更准、排序更稳、效果更可控。 text-embedding-3-large delivers high-precision embeddings powered by strong reasoning, covering 64K long texts and file content, with tool-assisted retrieval workflows. Best for RAG knowledge bases, semantic search, similarity matching, recommendations, and deduplication—improving recall accuracy, ranking stability, and overall controllability.

text-embedding-3-large 是 OpenAI 推出的最高性能文本嵌入模型，默认输出 3072 维向量，支持通过 Matryoshka Representation Learning（MRL）技术动态调整输出维度（可缩减至 256 维且仍优于 ada-002 的 1536 维）。该模型在 MTEB（大规模文本嵌入基准，得分 64.6）和 MIRACL 等主流基准测试中显著优于前代 ada-002 模型。支持最大 8191 tokens 输入，适用于对精度要求最高的语义检索、RAG 系统和相似度计算场景，尤其在法律、医疗、金融等需要极高准确率的领域表现突出。

text-embedding-3-large 是 OpenAI 推出的最高性能文本嵌入模型，默认输出 3072 维向量，支持通过 Matryoshka Representation Learning（MRL）技术动态调整输出维度（可缩减至 256 维且仍优于 ada-002 的 1536 维）。该模型在 MTEB（大规模文本嵌入基准，得分 64.6）和 MIRACL 等主流基准测试中显著优于前代 ada-002 模型。支持最大 8191 tokens 输入，适用于对精度要求最高的语义检索、RAG 系统和相似度计算场景，尤其在法律、医疗、金融等需要极高准确率的领域表现突出。

text-embedding-3-large 是 OpenAI 推出的最高性能文本嵌入模型，默认输出 3072 维向量，支持通过 Matryoshka Representation Learning（MRL）技术动态调整输出维度（可缩减至 256 维且仍优于 ada-002 的 1536 维）。该模型在 MTEB（大规模文本嵌入基准，得分 64.6）和 MIRACL 等主流基准测试中显著优于前代 ada-002 模型。支持最大 8191 tokens 输入，适用于对精度要求最高的语义检索、RAG 系统和相似度计算场景，尤其在法律、医疗、金融等需要极高准确率的领域表现突出。

text-embedding-3-large 是 OpenAI 推出的最高性能文本嵌入模型，默认输出 3072 维向量，支持通过 Matryoshka Representation Learning（MRL）技术动态调整输出维度（可缩减至 256 维且仍优于 ada-002 的 1536 维）。该模型在 MTEB（大规模文本嵌入基准，得分 64.6）和 MIRACL 等主流基准测试中显著优于前代 ada-002 模型。支持最大 8191 tokens 输入，适用于对精度要求最高的语义检索、RAG 系统和相似度计算场景，尤其在法律、医疗、金融等需要极高准确率的领域表现突出。

text-embedding-3-large 是 OpenAI 推出的最高性能文本嵌入模型，默认输出 3072 维向量，支持通过 Matryoshka Representation Learning（MRL）技术动态调整输出维度（可缩减至 256 维且仍优于 ada-002 的 1536 维）。该模型在 MTEB（大规模文本嵌入基准，得分 64.6）和 MIRACL 等主流基准测试中显著优于前代 ada-002 模型。支持最大 8191 tokens 输入，适用于对精度要求最高的语义检索、RAG 系统和相似度计算场景，尤其在法律、医疗、金融等需要极高准确率的领域表现突出。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

原站公开的站内额度标价；充值折扣、规格附加费及最终扣费以原站为准。

OpenAI 第三代嵌入模型，比 small 版本更强大，适用于需要最高性能的任务

Text-embedding-3-LARGE 是OpenAI最强大的嵌入模型，适用于英语和非英语任务。 嵌入是一种文本的数值表示，可以用来衡量两个文本片段之间的相关性。 嵌入适用于搜索、聚类、推荐、异常检测和分类任务。

OpenAI 的 Embedding 模型，适合向量嵌入、语义搜索、检索、聚类和排序流程。