text-embedding-3-large

text-embedding-3-large 是 OpenAI 于 2024 年 1 月发布的旗舰 embedding 模型，支持最高 3072 维向量，是 OpenAI "性能最佳的新型 embedding 模型"。

性能提升

相比前代模型 text-embedding-ada-002，text-embedding-3-large 在性能上实现了显著提升：

• MIRACL 基准测试：平均得分从 31.4% 跃升至 54.9%，提升 74%
• MTEB 基准测试：平均得分从 61.0% 提升至 64.6%

这使其成为 2024-2025 年性能最佳的商业 embedding 模型之一。

核心特性

Matryoshka 表示学习

采用 Matryoshka 表示学习技术，开发者可以指定从 256 到 3072 的输出维度。使用 1024 维可以节省 67% 的存储空间，同时保持 95%+ 的检索质量。

多语言支持

虽然主要针对英语优化，但 text-embedding-3-large 在 100+ 种语言上表现出色，适合多语言搜索和跨语言检索任务。

生态系统集成

作为 OpenAI 原生模型，与 ChatGPT、GPT-4 和整个 OpenAI API 生态系统无缝集成，速率限制、计费和错误处理遵循相同模式。

适用场景

• RAG 系统：为 GPT-4 和其他 LLM 提供检索支持
• 语义搜索：构建理解用户意图的智能搜索引擎
• 推荐引擎：基于语义相似性查找相似产品、文章或内容
• 文档聚类：按主题或主题自动组织大型文档集合
• 问答系统：在知识库中匹配用户问题与最相关答案

定价

• 标准定价：$0.13 / 百万 tokens
• 促销定价：某些报告显示为 $0.065 / 百万 tokens（需在官网确认当前费率）

成本对比

• text-embedding-3-small：$0.02 / 百万 tokens（便宜 87%，性能达 95%）
• Cohere Embed v3：$0.10 / 百万 tokens
• 开源模型（BGE-M3、E5）：免费自托管，但需承担基础设施成本

优缺点

优点：

• 检索性能顶尖，MIRACL 得分 54.9%
• Matryoshka 灵活维度可节省 67% 存储成本
• OpenAI 生态系统原生集成
• 支持 100+ 种语言

缺点：

• 大规模使用成本较高（$0.13 / 百万 tokens）
• 多语言性能不如专用模型（如 BGE-M3）
• 仅云端部署，存在供应商锁定
• 无法针对特定领域进行微调

对于已使用 OpenAI LLM 构建 RAG 和语义搜索应用的团队，text-embedding-3-large 是优先选择。对于成本敏感或多语言为主的工作负载，建议评估 BGE-M3 等开源替代方案。