text-embedding-3-large

text-embedding-3-largeは、2024年1月にリリースされたOpenAIのフラッグシップembeddingモデルで、最大3072次元をサポートし、OpenAIの「新しい最高性能embeddingモデル」を表しています。

性能向上

text-embedding-ada-002と比較して、text-embedding-3-largeは大幅な性能向上を実現：

• MIRACLベンチマーク: 平均スコアが31.4%から54.9%に上昇（74%改善）
• MTEBベンチマーク: 平均スコアが61.0%から64.6%に上昇

これにより、2024-2025年の最高性能な商用embeddingモデルの1つとなっています。

核心機能

Matryoshka表現学習

Matryoshka表現学習を使用することで、開発者は256から3072までの出力次元を指定できます。1024次元を使用すると、検索品質の95%以上を維持しながら67%のストレージを節約できます。

多言語サポート

主に英語用に最適化されていますが、text-embedding-3-largeは100以上の言語で優れたパフォーマンスを示し、多言語検索やクロスリンガル検索タスクに適しています。

エコシステム統合

OpenAIネイティブモデルとして、ChatGPT、GPT-4、およびOpenAI APIエコシステム全体とシームレスに統合されます。

使用シーン

• RAGシステム: GPT-4や他のLLMのための検索をサポート
• セマンティック検索: ユーザーの意図を理解するインテリジェント検索エンジンの構築
• 推薦エンジン: セマンティック類似性に基づく類似コンテンツの検索
• ドキュメントクラスタリング: トピック別の大規模ドキュメントコレクションの整理
• Q&Aシステム: ナレッジベースで質問と関連回答のマッチング

価格

• 標準価格: $0.13 / 100万tokens
• プロモーション価格: 一部レポートでは$0.065 / 100万tokens（現在のレートを確認してください）

コスト比較

• text-embedding-3-small: $0.02 / 100万tokens（87%安価、性能95%）
• Cohere Embed v3: $0.10 / 100万tokens
• オープンソース（BGE-M3、E5）: セルフホスト無料、インフラコストあり

長所と短所

長所:

• 最先端の検索性能（MIRACL 54.9%）
• Matryoshkaの柔軟性で67%のストレージコスト削減
• OpenAIエコシステムとのネイティブ統合
• 100以上の言語をサポート

短所:

• 大規模使用時のコストが高い（$0.13 / 100万tokens）
• 多言語性能が専用モデルに劣る
• クラウドのみのデプロイでベンダーロックイン
• ドメイン固有のニーズに対するファインチューニング不可

OpenAIインフラストラクチャ上でRAGとセマンティック検索を構築するチームにとって、text-embedding-3-largeは自然な選択です。コストに敏感または多言語中心のワークロードの場合は、BGE-M3などのオープンソース代替を評価してください。