OpenAI: Text Embedding 3 Large (batch)

OpenAI: Text Embedding 3 Large (batch) adalah model embedding dari OpenAI. Model ini berada di kategori embeddings, dan OpenAI mendeskripsikan text-embedding-3-large sebagai model embedding paling mumpuni untuk tugas berbahasa Inggris maupun non-Inggris. Varian batch yang tersedia di api14 menggunakan model id openai/text-embedding-3-large:batch dan dirilis oleh penyedia pada 2025-10.

Model ini menerima teks sebagai input dan menghasilkan embeddings sebagai output. Embedding adalah representasi numerik dari teks yang dapat digunakan untuk mengukur keterkaitan antara dua potongan teks. Context window-nya adalah 8192 token, dan output maksimumnya 7372, yang mencerminkan ukuran vektor yang dihasilkan model, bukan prosa yang digenerasi. Tidak ada generasi teks di sini: Anda mengirim teks dan menerima vektor kembali.

Karena mengembalikan vektor, bukan jawaban, penggunaan praktisnya mengikuti dari membandingkan vektor tersebut. Pencarian semantik adalah contoh yang paling jelas: embed dokumen dan query Anda, lalu peringkatkan dokumen berdasarkan kemiripan. Mekanisme yang sama mendukung retrieval untuk pipeline RAG, di mana embeddings memilih bagian yang akan dibaca oleh model generasi terpisah. Clustering dan penemuan topik bekerja dengan mengelompokkan teks yang embeddings-nya berdekatan. Deduplikasi dan deteksi near-duplicate menggunakan perbandingan jarak yang sama, dan klasifikasi dapat dilakukan dengan meng-embed contoh berlabel dan menetapkan teks baru ke kelompok terdekat. Kekuatan yang dinyatakan pada tugas berbahasa Inggris dan non-Inggris menjadikannya pilihan yang wajar untuk korpus multibahasa, dan jendela 8192 token memungkinkan bagian yang cukup panjang di-embed dalam satu panggilan alih-alih dipecah.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id openai/text-embedding-3-large:batch. Karena antarmukanya kompatibel dengan OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke base URL api14 dan mengirim input seperti yang biasanya Anda lakukan ke endpoint embeddings. Perhatikan bahwa model ini tidak mencantumkan parameter yang didukung selain field permintaan standar, jadi jangan mengharapkan tombol penyetelan seperti dimensi kustom atau opsi khusus penyedia; periksa tabel harga langsung di halaman untuk tarif terkini daripada mengasumsikan harga apa pun di sini.

Satu batasan yang perlu diperhitungkan adalah sisi input. Teks adalah satu-satunya modalitas yang diterima, jadi gambar, audio, dan format lain memerlukan model berbeda atau langkah praproses. Model ini juga hanya menghasilkan embeddings, sehingga tidak dapat merangkum, menjawab pertanyaan, atau mengikuti instruksi; pasangkan dengan model generasi ketika Anda membutuhkannya. Jika tugas Anda adalah generasi, penalaran, atau penggunaan tool alih-alih kemiripan dan retrieval, model lain di katalog akan lebih cocok.