OpenAI
Opérationnel· vérifié toutes les quelques minutes

Text Embedding 3 Large API

Le text-embedding-3-large d'OpenAI sur la même API que celle d'OpenAI, à $0.065 par 1M tokens au lieu de $0.13 : son modèle d'embedding le plus grand, avec des vecteurs conformes à ceux d'OpenAI.

Prix par 1M tokens en entrée50%de réduction
Entrée
$0.065$0.13
Sortie
$0.00
Obtenez votre clé APIEssayez dans l’espace de test
Identifiant du modèletext-embedding-3-largeMis à jour
embed.py
from openai import OpenAI
client = OpenAI(
    base_url="https://api.zurelay.com/v1",
    api_key="YOUR_ZURELAY_KEY",
)
response = client.embeddings.create(
    model="text-embedding-3-large",
    input=[
        "How can I change my password?",
        "Invoices go out on the first of each month.",
    ],
)
for item in response.data:
    print(item.index, len(item.embedding))  # 3072 each
print(response.usage.prompt_tokens, "tokens")

URL de base https://api.zurelay.com/v1. Compatible avec tous les SDK OpenAI, LangChain, LlamaIndex et l'AI SDK. Docs de l'API Embeddings

Dimensions
3,072, ou moins
Par entrée
Jusqu’à 8,192 tokens
Par requête
2,048 entrées, 300K tokens
Sortie
Vecteurs, gratuits
Date de sortie
25 janv. 2024
Statut
Opérationnel

Tarifs

Tarifs de l’API Text Embedding 3 Large. Une fraction du prix catalogue.

Payez à l’usage avec votre crédit prépayé, sans abonnement. Rechargez dès $10. Les requêtes qui échouent ne sont jamais facturées.

TarifZurelayTarif public OpenAI
Entrée
par 1M tokens
$0.065$0.13
Sortie
par 1M tokens
$0.00—

Facturé sur les tokens que vous envoyez, comptés comme les compte OpenAI, sans minimum par requête. Les vecteurs sont gratuits, et des dimensions réduites ou du base64 coûtent pareil. Les requêtes qui échouent ne coûtent rien.

Simulateur d’économies

Ajustez les curseurs selon votre utilisation mensuelle.

Tokens d’entrée par mois50M
Zurelay
$3.25
Tarif public OpenAI
$6.50
Vos économies chaque mois$3.25

$39.00 par an

Coût

Texte Embedding 3 Large : le coût API, calculé.

Des charges de travail typiques aux prix en vigueur chez Zurelay, à côté du prix catalogue.

    Vue d’ensemble

    Qu’est-ce que Text Embedding 3 Large ?

    Texte Embedding 3 Large (text-embedding-3-large) est le plus grand modèle d'embedding d'OpenAI, pour quand la qualité de la recherche prime. Il transforme le texte en un vecteur de 3,072 nombres, disposés de sorte que les textes de sens proche se retrouvent côte à côte, pour la recherche sémantique, la recherche (RAG), le clustering et les recommandations. Zurelay le sert sur l'endpoint embeddings d'OpenAI, avec le même model ID, la même requête et la même réponse, à 50% sous le prix catalogue d'OpenAI, et les vecteurs sont identiques à ceux d'OpenAI.

    Envoyez du texte à POST https://api.zurelay.com/v1/embeddings avec le model ID text-embedding-3-large et vous recevez un vecteur par entrée, au format de réponse d'OpenAI. L'entrée peut être une chaîne, un tableau de jusqu'à 2,048 chaînes, un tableau de token IDs du tokenizer cl100k_base d'OpenAI, ou un tableau de jusqu'à 2,048 tableaux de tokens. Chaque entrée peut faire jusqu'à 8,192 tokens, et une requête jusqu'à 300,000 tokens au total.

    Les vecteurs ont 3,072 dimensions par défaut. Le paramètre dimensions les raccourcit à n'importe quelle longueur de 1 à 3,072 : les modèles text-embedding-3 sont entraînés pour qu'un vecteur raccourci fonctionne toujours, et il revient renormalisé. À 1,024 dimensions, un vecteur occupe un tiers du stockage du vecteur complet et la recherche est plus rapide. Avec encoding_format défini sur base64, chaque vecteur revient sous forme de nombres float32 little-endian encodés en base64, plus petit et plus rapide à télécharger ; le SDK Python d'OpenAI le demande par défaut et le décode pour vous.

    Les SDK d'OpenAI fonctionnent tels quels : définissez l'URL de base sur https://api.zurelay.com/v1, utilisez votre clé Zurelay et appelez client.embeddings.create. Idem pour OpenAIEmbeddings de LangChain, OpenAIEmbedding de LlamaIndex, le provider OpenAI du Vercel AI SDK et les applis qui permettent de définir une URL de base OpenAI pour les embeddings. Nous avons vérifié chaque route contre l'API d'OpenAI elle-même : pour un même texte, les vecteurs correspondent, avec une similarité cosinus de 0.9999 ou plus, donc un index construit avec l'API d'OpenAI continue de fonctionner quand vous l'interrogez via Zurelay.

    La facturation porte uniquement sur les tokens d'entrée, comptés comme chez OpenAI : $0.065 par 1M sur Zurelay contre $0.13 chez OpenAI, sans minimum par requête, et les vecteurs sont gratuits. Une requête d'embeddings est toujours traitée par le modèle que vous indiquez : les vecteurs de modèles différents ne sont pas comparables, donc Zurelay ne répond jamais avec un autre modèle, et passer à un autre modèle implique de réembedder tout ce que vous avez stocké.

    Points forts

    Là où Text Embedding 3 Large excelle. Et ce que les équipes créent avec.

    01

    Le plus grand modèle d'embedding d'OpenAI

    Pour la recherche et le RAG quand trouver le bon passage compte plus que le stockage ou le prix par token.

    02

    Moitié du prix d'OpenAI

    $0.065 par 1M de tokens contre $0.13 chez OpenAI, sans minimum par requête, et les vecteurs sont gratuits.

    03

    Votre index continue de fonctionner

    Les vecteurs correspondent à ceux d'OpenAI pour un même texte : un index construit avec l'API d'OpenAI passe donc sur Zurelay sans réembedding.

    04

    Adaptez la taille à votre index

    Demandez de 1 à 3,072 dimensions : les vecteurs plus courts reviennent renormalisés, prennent moins de place et la recherche est plus rapide.

    Cas d’usage

    • Recherche sémantique

      Trouvez des documents, des produits ou des tickets par leur sens et non par les mots exacts, grâce à la similarité cosinus de leurs vecteurs.

    • Récupération pour chatbots (RAG)

      Récupérez les passages les plus proches d'une question et transmettez-les à un modèle de chat avec la même clé Zurelay.

    • Dédoublonnage et clustering

      Regroupez les enregistrements, tickets support ou avis quasi identiques selon la proximité de leurs vecteurs.

    • Recommandations

      Suggérez des articles, produits ou annonces similaires à partir des vecteurs de ce qu'une personne a consulté.

    Commencer

    Appelez Text Embedding 3 Large en trois étapes.

    Pas de liste d'attente ni de nouveau SDK. Si votre code appelle déjà les embeddings d'OpenAI, il fonctionne avec Zurelay, et les vecteurs que vous avez stockés aussi.

    1. 1

      Créer une clé

      Sign up, add credit et create an API key. Set a monthly budget or a rate limit per key if you like.

      Obtenez votre clé API
    2. 2

      Point your SDK en Zurelay

      Change the base URL. The model IDs, the request et the vectors stay the same as OpenAI's.

      https://api.zurelay.com/v1
    3. 3

      Use text-embedding-3-large

      Call client.embeddings.create, or POST text to /v1/embeddings, one string or up to 2,048 at once, et get a vector for each.

      text-embedding-3-large

    Compatible avec les outils que vous utilisez déjà

    Comparer

    Modèles similaires. Tous avec la même clé.

    50%de réduction

    Text Embedding 3 Small

    $0.01 per 1M tokens en entrée

    Choisissez Text Embedding 3 Small, le petit modèle d'embedding d'OpenAI, pour la plupart des usages de recherche et de RAG à un prix par token bien plus bas, avec 1,536 dimensions.

    API Text Embedding 3 Small
    75%de réduction

    GPT-6 Luna

    $0.025 / $0.125 par 1M tokens

    Choisissez GPT-6 Luna, le modèle de chat rapide et économique d'OpenAI, pour rédiger les réponses à partir de ce que votre recherche remonte.

    API GPT-6 Luna
    60%de réduction

    GPT-6 Luna Decisions

    $0.04 per 1M tokens en entrée

    Choisissez GPT-6 Luna Decisions pour classer ou noter du texte avec des probabilités, plutôt que de comparer des textes par leur sens.

    API GPT-6 Luna Decisions

    FAQ

    Questions sur l’API Text Embedding 3 Large.

    D’autres questions ? Contactez notre équipe et nous vous répondrons par e-mail.

    Combien coûte l'API text-embedding-3-large ?

    Zurelay facture $0.065 par 1M de tokens d'entrée, contre $0.13 au tarif public d'OpenAI, soit une économie de 50%. Les vecteurs sont gratuits : vous ne payez que les tokens envoyés, comptés comme chez OpenAI, sans minimum par requête. Les requêtes échouées ne coûtent rien.

    Est-ce le même que le text-embedding-3-large d'OpenAI ?

    Oui. Les requêtes vers text-embedding-3-large passent par le modèle d'OpenAI, et nous avons vérifié chaque route face à l'API d'OpenAI : pour un même texte, les vecteurs correspondent à ceux d'OpenAI avec une similarité cosinus de 0.9999 ou plus. Zurelay est un service indépendant, sans affiliation ni approbation d'OpenAI.

    Mes vecteurs existants continueront-ils de fonctionner ?

    Oui. Les vecteurs créés avec le text-embedding-3-large d'OpenAI peuvent être interrogés avec des requêtes embeddées via Zurelay, et inversement. Seul un changement de modèle, par exemple vers text-embedding-3-small, oblige à réembeder le tout : les vecteurs de modèles différents ne sont pas comparables.

    Faut-il utiliser text-embedding-3-large ou text-embedding-3-small ?

    Commencez par text-embedding-3-small : il coûte bien moins cher par token, et ses vecteurs en 1,536 dimensions conviennent à la plupart des usages de recherche et de RAG. Prenez text-embedding-3-large quand trouver le bon passage compte plus que le stockage et le prix. Quel que soit votre choix, utilisez-le pour tout ce que vous comparez, car les vecteurs des deux ne se mélangent pas.

    Comment appeler text-embedding-3-large avec le SDK OpenAI ?

    Create a Zurelay API key, set the base URL to https://api.zurelay.com/v1 et call client.embeddings.create with model set to text-embedding-3-large et your text as input. Or POST the same JSON to https://api.zurelay.com/v1/embeddings with your key as a Bearer token. The docs at https://zurelay.com/docs/embeddings have examples in Python, Node.js and cURL.

    Combien de dimensions a text-embedding-3-large ?

    3,072 par défaut. Réglez dimensions sur n'importe quelle valeur de 1 à 3,072 pour un vecteur plus court : le modèle est entraîné pour qu'un vecteur raccourci fonctionne toujours, et il revient renormalisé. 1,024 dimensions occupent un tiers du stockage. Utilisez la même longueur pour tous les vecteurs que vous comparez.

    Est-ce compatible avec LangChain, LlamaIndex et le AI SDK ?

    Oui. Donnez à OpenAIEmbeddings de LangChain ou à OpenAIEmbedding de LlamaIndex le model ID text-embedding-3-large, l'URL de base de Zurelay et votre clé, ou créez avec eux le provider OpenAI du Vercel AI SDK. La classe Python de LangChain envoie des token IDs par défaut, ce que Zurelay accepte : ses réglages par défaut fonctionnent.

    Quelles sont les limites ?

    Jusqu'à 2,048 entrées par requête, jusqu'à 8,192 tokens dans chacune et jusqu'à 300,000 tokens pour la requête entière. Les chaînes vides ne sont pas acceptées. Une requête qui dépasse une limite renvoie une erreur 400 nommant la limite, sans frais.

    Le routage intelligent peut-il répondre avec un autre modèle ?

    Non, jamais pour les embeddings. Les vecteurs de modèles différents ne sont pas comparables : ceux d'un autre modèle seraient faux pour votre index. Si text-embedding-3-large est indisponible, la requête échoue avec une erreur 503 que vous pouvez réessayer.

    Puis-je l'essayer dans le Playground ?

    Oui. Dans le Playground du dashboard, choisissez text-embedding-3-large, saisissez quelques textes et vectorisez-les : vous voyez les premiers nombres de chaque vecteur, les tokens facturés, le coût et la similarité cosinus de chaque paire. Get code génère la même requête pour Python, Node.js ou cURL.

    D’autres modèles sur Zurelay

    Tous les modèles

    Ne payez plus le prix catalogue.
    Économisez dès aujourd’hui.

    Créez une clé en quelques secondes, configurez votre SDK habituel pour utiliser Zurelay et payez chaque requête jusqu’à 90% moins cher, dès le premier token.

    Obtenez votre clé APIParler à un ingénieur