OpenAI Text Embedding 3 Large
Text Embedding 3 Large 为搜索、聚类和推荐生成高质量文本向量。
Try Now
SCROLL
01
What is Text Embedding 3 Large?
OpenAI 的 Text Embedding 3 Large 将文本编码为稠密向量，用于检索与分析。 适用于 RAG 流程、语义搜索、推荐系统与跨语言主题检测。 在质量与延迟间优化，可轻松扩展至大型语料库。
02
Technical Specifications
Context Window
8,191 token
Max Output
3072 维向量
Training Cutoff
2024
Active
Active
03
Capabilities
高质量文本向量用于搜索与聚类
支持多语言输入
为语义检索延迟优化
04
Benchmark Scores
MTEB Average
64.6%Dimension
3072Max Input
8191Accuracy vs Ada-002
+30%Languages
100+Cost Efficiency
95%05
Pros & Cons
Pros
- 强大的检索质量
- 快速推理与紧凑向量
- 跨语言表现稳定
Cons
- 非生成式模型
- 需要良好分块以避免偏移
- 质量取决于下游索引配置
06
Features
01
语义搜索
将查询与文档编码到同一向量空间。
02
多任务
使用同一嵌入支持搜索、推荐与聚类。
03
可扩展性
低延迟与紧凑向量适用于大型语料库。
07
Use Cases
01
RAG 索引
为知识库生成嵌入，实现高精度检索增强生成。
02
推荐系统
聚类相似项目并呈现相关内容。
03
分析
检测文本流中的主题、意图与异常。
09
FAQ
10