OpenAI
Operationeel· elke paar minuten gecontroleerd

Text Embedding 3 Small API

text-embedding-3-small van OpenAI op dezelfde API waar OpenAI hem aanbiedt, voor $0.01 per 1M tokens in plaats van $0.02: vectors voor zoeken en RAG die overeenkomen met die van OpenAI.

Prijs per 1M input tokens50%korting
Input
$0.01$0.02
Output
$0.00
Haal je API-sleutel opProbeer het in de playground
Model-IDtext-embedding-3-smallBijgewerkt
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-small",
    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))  # 1536 each
print(response.usage.prompt_tokens, "tokens")

Basis-URL https://api.zurelay.com/v1. Werkt met elke OpenAI SDK, LangChain, LlamaIndex en de AI SDK. Documentatie embeddings-API

Dimensies
1,536, of minder
Per input
Maximaal 8,192 tokens
Per request
2,048 inputs, 300K tokens
Output
Vectoren, gratis
Uitgebracht
25 jan 2024
Status
Operationeel

Prijzen

Prijzen van de Text Embedding 3 Small API. Een fractie van de catalogusprijs.

Je betaalt naar gebruik vanuit je prepaidtegoed, zonder abonnement. Opwaarderen kan vanaf $10. Mislukte verzoeken worden nooit in rekening gebracht.

TariefZurelayCatalogusprijs OpenAI
Input
per 1M tokens
$0.01$0.02
Output
per 1M tokens
$0.00—

Afgerekend op de tokens die je verstuurt, geteld zoals OpenAI ze telt, zonder minimum per aanvraag. De vectoren zijn gratis, en kortere dimensies of base64 kosten hetzelfde. Aanvragen die mislukken kosten niets.

Besparing berekenen

Stel de schuifregelaars in op je maandelijkse verbruik.

Invoertokens per maand50M
Zurelay
$0.50
Catalogusprijs OpenAI
$1.00
Je bespaart elke maand$0.50

$6.00 per jaar

Kosten

Tekst Embedding 3 Small-API-kosten, uitgerekend.

Typische workloads tegen Zurelay's actuele prijzen, naast de lijstprijs.

    Overzicht

    Wat is Text Embedding 3 Small?

    Tekst Embedding 3 Small (text-embedding-3-small) is OpenAI's kleine, goedkope embeddingmodel. Het zet tekst om in een vector van 1,536 getallen, zo geplaatst dat teksten met een vergelijkbare betekenis dicht bij elkaar liggen — voor semantisch zoeken, retrieval (RAG), clustering en aanbevelingen. Zurelay biedt het aan op OpenAI's embeddings-endpoint met dezelfde model-ID, request en response, voor 50% onder OpenAI's lijstprijs, en de vectors komen overeen met die van OpenAI.

    Stuur tekst naar POST https://api.zurelay.com/v1/embeddings met de model-ID text-embedding-3-small en je krijgt één vector per input terug, in OpenAI's response-vorm. De input kan een string zijn, een array van maximaal 2,048 strings, een array met token-ID's van OpenAI's cl100k_base tokenizer, van een array van maximaal 2,048 token-arrays. Elke input kan maximaal 8,192 tokens bevatten, en één request in totaal maximaal 300,000 tokens.

    Vectors hebben standaard 1,536 dimensies. Met de parameter dimensions kort je ze in tot elke lengte van 1 tot 1,536: de text-embedding-3-modellen zijn zo getraind dat een ingekorte vector nog steeds werkt, en hij komt opnieuw genormaliseerd terug. Kortere vectors kosten minder opslag en zoeken sneller. Met encoding_format op base64 komt elke vector terug als base64-gecodeerde little-endian float32-getallen, kleiner en sneller te downloaden; OpenAI's Python SDK vraagt dat standaard aan en decodeert het voor je.

    OpenAI's SDK's werken zoals ze zijn: zet de base URL op https://api.zurelay.com/v1, gebruik je Zurelay-key en roep client.embeddings.create aan. Dat geldt ook voor OpenAIEmbeddings van LangChain, OpenAIEmbedding van LlamaIndex, de OpenAI-provider van de Vercel AI SDK en apps waarin je een OpenAI base URL voor embeddings kunt instellen. We hebben elke route getest tegen OpenAI's eigen API: voor dezelfde tekst komen de vectors overeen, met een cosine similarity van 0.9999 van meer, zodat een index die met OpenAI's API is gebouwd blijft werken wanneer je hem via Zurelay bevraagt.

    Je betaalt alleen voor inputtokens, geteld zoals OpenAI ze telt: $0.01 per 1M bij Zurelay tegen $0.02 bij OpenAI, zonder minimum per aanvraag, en de vectoren zijn gratis. Een embeddings-request wordt altijd beantwoord door het model dat je opgeeft: vectoren van verschillende modellen zijn niet te vergelijken, dus Zurelay antwoordt nooit met een ander model, en overstappen naar een ander model betekent alles wat je hebt opgeslagen opnieuw embedden.

    Sterke punten

    Waar Text Embedding 3 Small in uitblinkt. En wat teams ermee bouwen.

    01

    De helft van de prijs van OpenAI

    $0.01 per 1M tokens tegen $0.02 bij OpenAI, zonder minimum per aanvraag, en de vectoren zijn gratis.

    02

    Je index blijft werken

    Voor dezelfde tekst zijn de vectoren gelijk aan die van OpenAI, dus een index die je met OpenAI's API hebt opgebouwd hoef je voor de overstap naar Zurelay niet opnieuw te embedden.

    03

    Kortere vectoren op verzoek

    Vraag minder dimensies aan om opslag te besparen en sneller te zoeken: de verkorte vector komt opnieuw genormaliseerd terug en werkt nog steeds.

    04

    Duizenden teksten per request

    Stuur tot 2.048 teksten in één keer en krijg hun vectoren in dezelfde volgorde terug, gefactureerd per token, niet per request.

    Toepassingen

    • Semantisch zoeken

      Vind documenten, producten van tickets op betekenis in plaats van op de exacte woorden, via de cosinusgelijkenis van hun vectoren.

    • Retrieval voor chatbots (RAG)

      Haal de passages op die het dichtst bij een vraag liggen en geef ze aan een chatmodel met dezelfde Zurelay-key.

    • Deduplicatie en clustering

      Groepeer bijna dubbele records, supporttickets van reviews op hoe dicht hun vectoren bij elkaar liggen.

    • Aanbevelingen

      Stel vergelijkbare artikelen, producten van advertenties voor op basis van de vectoren van wat iemand bekeek.

    Aan de slag

    Roep Text Embedding 3 Small aan in drie stappen.

    Geen wachtlijst en geen nieuwe SDK. Als je code al OpenAI's embeddings aanroept, werkt die met Zurelay, en de vectoren die je hebt opgeslagen ook.

    1. 1

      Sleutel aanmaken

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

      Haal je API-sleutel op
    2. 2

      Point your SDK voor Zurelay

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

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

      Use text-embedding-3-small

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

      text-embedding-3-small

    Werkt met de tools die je al gebruikt

    Vergelijken

    Vergelijkbare modellen. Allemaal met dezelfde sleutel.

    50%korting

    Text Embedding 3 Large

    $0.065 per 1M invoertokens

    Kies Text Embedding 3 Large, het grotere embeddingmodel van OpenAI, voor nauwkeurigere retrieval met tot 3.072 dimensies, tegen een hogere prijs per token.

    Text Embedding 3 Large API
    75%korting

    GPT-6 Luna

    $0.025 / $0.125 per 1M tokens

    Kies GPT-6 Luna, het snelle, voordelige chatmodel van OpenAI, om antwoorden te schrijven op basis van wat je zoekopdracht vindt.

    GPT-6 Luna API
    60%korting

    GPT-6 Luna Decisions

    $0.04 per 1M invoertokens

    Kies GPT-6 Luna Decisions om tekst te classificeren of te scoren met waarschijnlijkheden, in plaats van teksten op betekenis te vergelijken.

    GPT-6 Luna Decisions API

    Veelgestelde vragen

    Vragen over de Text Embedding 3 Small API.

    Nog vragen? Vraag het ons team en we antwoorden per e-mail.

    Wat kost de text-embedding-3-small API?

    Zurelay rekent $0.01 per 1M inputtokens, tegen OpenAI's lijstprijs van $0.02, dus je bespaart 50%. De vectoren zijn gratis: je betaalt alleen voor de tokens die je stuurt, geteld zoals OpenAI ze telt, zonder minimum per request. Requests die mislukken kosten niets.

    Is het hetzelfde als OpenAI's text-embedding-3-small?

    Ja. Requests naar text-embedding-3-small lopen op OpenAI's model, en we hebben elke route vergeleken met OpenAI's eigen API: voor dezelfde tekst komen de vectoren overeen met die van OpenAI, met een cosinusgelijkenis van 0.9999 van meer. Zurelay is een onafhankelijke dienst en is niet verbonden aan OpenAI en wordt niet door OpenAI onderschreven.

    Blijven de vectoren die ik al heb werken?

    Ja. Vectoren die je met OpenAI's text-embedding-3-small hebt gemaakt, kun je doorzoeken met queries die je via Zurelay embedt, en andersom. Alleen bij een overstap naar een ander model, zoals text-embedding-3-large, moet je alles opnieuw embedden: vectoren van verschillende modellen zijn niet te vergelijken.

    Hoe roep ik text-embedding-3-small aan met de OpenAI SDK?

    Create a Zurelay API key, set the base URL to https://api.zurelay.com/v1 en call client.embeddings.create with model set to text-embedding-3-small en 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.

    Werkt het met LangChain, LlamaIndex en de AI SDK?

    Ja. Geef LangChain's OpenAIEmbeddings van LlamaIndex's OpenAIEmbedding de model-ID text-embedding-3-small, de base URL van Zurelay en je key, of maak daarmee de OpenAI-provider van de Vercel AI SDK aan. De Python-klasse van LangChain stuurt standaard token-ID's, die Zurelay accepteert, dus de standaardinstellingen werken.

    Hoeveel dimensies heeft text-embedding-3-small?

    Standaard 1.536. Zet dimensions op een willekeurig getal van 1 tot 1.536 voor een kortere vector: het model is zo getraind dat een verkorte vector nog steeds werkt, en hij komt opnieuw genormaliseerd terug. Gebruik voor elke vector die je vergelijkt dezelfde lengte.

    Wat zijn de limieten?

    Tot 2.048 inputs per aanvraag, tot 8.192 tokens per input en tot 300.000 tokens in het hele request. Lege strings worden niet geaccepteerd. Een request boven een limiet krijgt een 400-fout die de limiet noemt, en kost niets.

    Waar is base64-encodering voor?

    Zet encoding_format op base64 en elke vector komt terug als een base64-string van little-endian float32-getallen in plaats van een JSON-array met getallen: kleiner en sneller te downloaden. OpenAI's Python SDK vraagt standaard om base64 en decodeert het voor je. Het kost hetzelfde.

    Kan smart routing met een ander model antwoorden?

    Nee, nooit bij embeddings. Vectoren van verschillende modellen kun je niet vergelijken, dus die van een ander model zouden niet kloppen voor je index. Ligt text-embedding-3-small eruit, dan mislukt de aanvraag met een 503-fout die je opnieuw kunt proberen.

    Kan ik het in de Playground proberen?

    Ja. Kies in de Playground van het dashboard text-embedding-3-small, schrijf een paar teksten en embed ze: je ziet de eerste getallen van elke vector, de gefactureerde tokens, de kosten en de cosinusgelijkenis van elk paar. Met Code ophalen krijg je dezelfde request voor Python, Node.js van cURL.

    Meer modellen op Zurelay

    Alle modellen

    Betaal niet langer de volle prijs.
    Begin vandaag met besparen.

    Maak in een paar seconden een sleutel aan, stel de SDK die je al gebruikt in op Zurelay en betaal vanaf de eerste token tot 90% minder voor elk verzoek.

    Haal je API-sleutel opPraat met een engineer