text-embedding-3-large
Vectori de înaltă calitate (3072 dimensiuni) pentru căutare semantică enterprise.
Ce este text-embedding-3-large
text-embedding-3-large este modelul OpenAI de top pentru vectori de căutare semantică. Produce vectori densi de 3072 dimensiuni (configurabili la 1536 sau 256 pentru economie de stocare), cu calitate semnificativ mai bună decât modelele anterioare (ada-002). Folosit pentru căutare semantică enterprise unde precizia contează, sortare semantică, recomandări de produse, detecție duplicate. Disponibil prin Router by Mega Promoting cu facturare în MDL.
Capabilități unice
Ce te diferențiază când folosești text-embedding-3-large
- Cel mai precis embedding OpenAI — 3072 dimensiuni
- Dimensiuni configurabile (3072, 1536, 256) — trade-off precizie/stocare
- Suport multilingv inclusiv română cu calitate ridicată
- MTEB benchmark top-tier
- Context 8192 tokens per fragment
Limitări de știut înainte să cumperi
- ·Preț de 6 ori față de small — folosește selectiv
- ·Cost stocare mai mare în baza de date vectorială
- ·Maxim 8.192 unități la intrare
Performanță pe benchmark-uri publice
Scoruri verificabile text-embedding-3-large
Doar benchmark-uri cu sursă publică citabilă (model card, blog oficial, leaderboard independent). Click pe card → sursa originală.
Toate scorurile sunt din surse publice (model cards, blog-uri oficiale, leaderboard-uri independente). Click pe card → sursa originală.
Cum funcționează
Cum funcționează text-embedding-3-large pe înțelesul tuturor
Schemă simplificată — fără jargon. Trimiți o cerere, modelul o descompune, calculează răspunsul, ți-l întoarce. Restul e arhitectură internă pe care nu trebuie s-o cunoști pentru a-l folosi.
Text → vector numeric → punct într-un spațiu multidimensional. Textele apropiate ca sens devin puncte apropiate, permițând căutare semantică.
Cazuri reale de utilizare
Cele mai bune scenarii pentru text-embedding-3-large
Pentru fiecare scenariu: industria, volumul tipic, costul estimat, și — dacă e cazul — modelul alternativ recomandat.
RAG juridic cu precizie maximă
Căutare semantică precisă pe Cod Civil RM + jurisprudență.
Search semantic pe documentație produs
Q&A bot pe baza propriilor docs cu retrieval precis.
Sinteză literatură științifică
Indexare papers + retrieval pentru sinteze multi-articol.
Search produse cu intent matching
Recomandări produse bazate pe semantica query-ului.
Detectare duplicate semantice (CRM)
Identificare lead-uri duplicate care diferă lexical dar nu semantic.
Cost lunar estimat
Calculator interactiv pentru text-embedding-3-large
Cât te-ar costa text-embedding-3-large pe lună
Scenariile sunt presetate, dar trage de sliders ca să modelezi propriul tău consum. Calculul folosește tariful Pro tier post-markup — exact ce vezi pe /pricing/models.
Document mediu (3 paragrafe).
Alege bine
Când să alegi text-embedding-3-large vs alternative
Fără bare arbitrare 92/85. Doar explicații concrete pe baza forțelor reale ale fiecărui model. Pentru toate alternativele ai pagină separată cu același nivel de detaliu.
| Alternativă | Alege text-embedding-3-large când… | Mai bine alternativa când… |
|---|---|---|
text-embedding-3-small OpenAI Vezi | Precizie critică (drept, medical, cercetare) — 15% mai bun pe MTEB. | 95% din cazuri — small e 6× mai ieftin cu calitate suficientă. |
Specificații comparative
Date reale, fără speculații
Tabel cu prețuri client-facing și caracteristici tehnice publice — nu scoruri agregate pe care nu le poți verifica.
| Specificație | text-embedding-3-large aici | text-embedding-3-small vezi pagina → | GPT-5.4 mini vezi pagina → | Claude Sonnet 4.6 vezi pagina → |
|---|---|---|---|---|
| Brand | OpenAI | OpenAI | OpenAI | Anthropic |
| Preț input / 1M tokens | $0.208≈ 3.7 MDL | $0.032≈ 0.56 MDL | $0.800≈ 14.1 MDL | $4.80≈ 84.5 MDL |
| Preț output / 1M tokens | — | — | $4.80≈ 84.5 MDL | $24.00≈ 423 MDL |
| Context max | 8K tk | 8K tk | 128K tk | 200K tk |
| Output max | 0 tk | 0 tk | 16K tk | 16K tk |
| Vision | — | — | ● | ● |
| Audio (input) | — | — | — | — |
| Knowledge cut-off | 2024-01 | 2024-01 | 2026-03 | 2026-01 |
O cheie. 26+ unelte. Zero efort de migrare.
Router by MP e compatibil 100% cu API-ul OpenAI. Orice unealtă, framework sau platformă care folosește OpenAI SDK funcționează identic cu cheia ta Router by MP — schimbi o singură linie (baseURL) și gata. Iată cum integrezi text-embedding-3-large în cele mai populare unelte.
Vercel AI SDK · OpenAI SDK · LangChain · LlamaIndex · FastAPI · Next.js
import { streamText } from "ai";
import { createOpenAI } from "@ai-sdk/openai";
const router = createOpenAI({
apiKey: process.env.ROUTER_API_KEY,
baseURL: "https://api.megapromoting.com/v1",
});
export async function POST(req: Request) {
const { messages } = await req.json();
const result = streamText({
model: router("text-embedding-3-large"),
messages,
});
return result.toDataStreamResponse();
}
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.ROUTER_API_KEY,
baseURL: "https://api.megapromoting.com/v1", // <— singura linie diferită
});
const r = await client.chat.completions.create({
model: "text-embedding-3-large",
messages: [{ role: "user", content: "Salut!" }],
});
console.log(r.choices[0].message.content);
from openai import OpenAI
client = OpenAI(
api_key=os.environ["ROUTER_API_KEY"],
base_url="https://api.megapromoting.com/v1",
)
r = client.chat.completions.create(
model="text-embedding-3-large",
messages=[{"role": "user", "content": "Salut!"}],
)
print(r.choices[0].message.content)
from langchain_openai import ChatOpenAI
llm = ChatOpenAI(
model="text-embedding-3-large",
openai_api_key=os.environ["ROUTER_API_KEY"],
openai_api_base="https://api.megapromoting.com/v1",
)
resp = llm.invoke("Răspunde în română.")
print(resp.content)
import { ChatOpenAI } from "@langchain/openai";
const llm = new ChatOpenAI({
model: "text-embedding-3-large",
apiKey: process.env.ROUTER_API_KEY,
configuration: { baseURL: "https://api.megapromoting.com/v1" },
});
const r = await llm.invoke("Răspunde în română.");
console.log(r.content);
from llama_index.llms.openai import OpenAI
llm = OpenAI(
model="text-embedding-3-large",
api_key=os.environ["ROUTER_API_KEY"],
api_base="https://api.megapromoting.com/v1",
)
print(llm.complete("Generează un titlu pentru articol despre AI în Moldova"))
from fastapi import FastAPI
from openai import AsyncOpenAI
app = FastAPI()
client = AsyncOpenAI(
api_key=os.environ["ROUTER_API_KEY"],
base_url="https://api.megapromoting.com/v1",
)
@app.post("/chat")
async def chat(prompt: str):
r = await client.chat.completions.create(
model="text-embedding-3-large",
messages=[{"role": "user", "content": prompt}],
)
return {"text": r.choices[0].message.content}
"use server";
import OpenAI from "openai";
const client = new OpenAI({
apiKey: process.env.ROUTER_API_KEY,
baseURL: "https://api.megapromoting.com/v1",
});
export async function summarize(text: string) {
const r = await client.chat.completions.create({
model: "text-embedding-3-large",
messages: [
{ role: "system", content: "Rezumi text în 3 puncte." },
{ role: "user", content: text },
],
});
return r.choices[0].message.content;
}
Schimbarea către Router by MP înseamnă o singură linie: baseURL = "https://api.megapromoting.com/v1". Toate apelurile existente continuă să funcționeze. Facturarea trece pe MDL prin e-Factura, fără cont OpenAI / Anthropic / Google separat.
Quickstart
Exemplu de cod canonic pentru text-embedding-3-large
Endpoint OpenAI-compatible. Schimbi doar baseURL și apiKey — restul codului rămâne identic cu provider-ul original.
1import OpenAI from "openai";2 3// Vectori pentru căutare semantică în propriile documente4const client = new OpenAI({5 apiKey: process.env.ROUTER_API_KEY,6 baseURL: "https://api.megapromoting.com/v1",7});8 9const r = await client.embeddings.create({10 model: "text-embedding-3-large",11 input: [12 "Contractul de prestări servicii încheiat la Chișinău…",13 "Politica de confidențialitate conform GDPR…",14 ],15});16 17console.log(r.data[0].embedding.length); // mărimea vectorului — îl salvezi în baza taPont-uri pentru implementare în Moldova
- 1Folosește pentru căutare semantică enterprise unde precizia chiar contează (chatbot suport tehnic, asistent juridic).
- 2Pentru chatbot magazin online standard, varianta small este suficientă — economisești 80% din costuri pentru stocare și apeluri.
- 3Reduce dimensiunile la 1536 pentru a economisi stocare în Pinecone/Qdrant cu pierdere mică de precizie.
Întrebări frecvente
FAQ text-embedding-3-large
Cum aleg între large și small?
Suportă limba română?
Pot reduce dimensiunile?
Cât costă să indexez 1 milion de documente?
Continuă explorarea
Modele înrudite
Vectori accesibili (1536 dimensiuni) — alegerea implicită pentru căutare semantică în propriile documente.
Vezi detaliiCea mai folosită alegere a familiei GPT-5.4 — pentru chatboți și automatizări.
Vezi detaliiCea mai bună alegere echilibrată din familia Claude — calitate excelentă, preț rezonabil.
Vezi detaliiActivează Router by MP și plătește doar ce consumi cu text-embedding-3-large?
Cheie API în 30 secunde. Facturare locală MDL prin e-Factura. Fără card internațional, fără cont OpenAI/Anthropic/Google separat. Aceeași cheie funcționează cu orice tool OpenAI-compatible.