OpenAI: Text Embedding 3 Large (batch)

OpenAI: Text Embedding 3 Large (batch) är en inbäddningsmodell från OpenAI. Den tillhör kategorin inbäddningar, och OpenAI beskriver text-embedding-3-large som sin mest kapabla inbäddningsmodell för både engelska och icke-engelska uppgifter. Batchvarianten som exponeras på api14 använder modell-id openai/text-embedding-3-large:batch och släpptes av leverantören 2025-10-30.

Modellen tar text som indata och returnerar inbäddningar som utdata. En inbäddning är en numerisk representation av text som kan användas för att mäta släktskapet mellan två textstycken. Kontextfönstret är 8192 tokens, och den maximala utdatan är 7372, vilket återspeglar storleken på vektorn som modellen producerar snarare än genererad prosa. Det finns ingen textgenerering här: du skickar in text och får tillbaka vektorer.

Eftersom den returnerar vektorer snarare än svar följer de praktiska användningsområdena av att jämföra dessa vektorer. Semantisk sökning är det uppenbara: bädda in dina dokument och din fråga, rangordna sedan dokumenten efter likhet. Samma mekanism stöder hämtning för RAG-pipelines, där inbäddningar väljer de avsnitt som en separat genereringsmodell ska läsa. Klustring och ämnesupptäckt fungerar genom att gruppera texter vars inbäddningar ligger nära varandra. Deduplicering och detektering av nästan dubbletter använder samma avståndsjämförelser, och klassificering kan göras genom att bädda in märkta exempel och tilldela nya texter till den närmaste gruppen. Den angivna styrkan över engelska och icke-engelska uppgifter gör den till ett rimligt val för flerspråkiga korpusar, och fönstret på 8192 tokens tillåter ganska långa avsnitt att bäddas in i ett enda anrop i stället för att delas upp.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id openai/text-embedding-3-large:batch. Eftersom ytan är OpenAI-kompatibel kan du peka en befintlig OpenAI-klient mot api14:s bas-URL och skicka din indata precis som du normalt skulle göra till en inbäddningsendpoint. Observera att denna modell inte listar några stödda parametrar utöver standardfälten för förfrågan, så förvänta dig inte justeringsmöjligheter som anpassade dimensioner eller leverantörsspecifika alternativ; kontrollera den aktuella pristabellen på sidan för gällande priser i stället för att anta någon prissättning här.

En begränsning som är värd att planera för är indatasidan. Text är den enda accepterade modaliteten, så bilder, ljud och andra format behöver en annan modell eller ett förbearbetningssteg. Modellen producerar också endast inbäddningar, så den kan inte sammanfatta, svara på frågor eller följa instruktioner; para ihop den med en genereringsmodell när du behöver dessa. Om din uppgift är generering, resonemang eller verktygsanvändning snarare än likhet och hämtning passar en annan modell i katalogen bättre.