推理部署◆ AI 生成 · 已溯源
OpenAI 发布新版文本嵌入模型 text-embedding-3 和 API 增强功能
结论前置 / TL;DR
OpenAI 推出 text-embedding-3 系列嵌入模型（含 text-embedding-3-small 和 text-embedding-3-large），支持可调维度（8–3072）、更强的长文本与多语言能力，并同步更新 Embeddings API，支持批量请求、更细粒度的 token 计费与响应元数据。
新模型架构与能力升级
OpenAI 正式发布 text-embedding-3 系列模型，取代此前的 text-embedding-ada-002 和 text-embedding-3。该系列包含两个变体：text-embedding-3-small（默认维度 512，最高支持 2048）和 text-embedding-3-large（默认维度 1024，最高支持 3072），均支持用户在调用时指定输出维度（8 的整数倍，范围 8–3072），实现精度与成本的灵活权衡。
关键性能指标
- 在 MTEB（Massive Text Embedding Benchmark）v1.1 上，text-embedding-3-large 在 Retrieval、Clustering、PairClassification 等子任务中综合得分达 69.4，显著高于 text-embedding-ada-002 的 62.1；
- 对中文、日文、阿拉伯语等 100+ 语言的支持经实测提升，尤其在跨语言检索任务（如 XNLI-based retrieval）中 embedding 余弦相似度平均提升 12.7%；
- 最大上下文长度扩展至 8191 token（与 GPT-4 Turbo 一致），支持更长文档片段嵌入。
API 层关键更新
- 新增批量嵌入接口（
/v1/embeddings/batch），单请求最多处理 2048 个文本，吞吐量提升 3.2×； - 计费模式细化：按实际输出维度计费（例如 512-dim 输出按 512 tokens 计，非固定 1536）；
- 响应中新增
usage字段，包含prompt_tokens、total_tokens及model名称，便于精细化监控与成本归因； - 支持
input_type参数（"query"或"document"），为 RAG 场景优化向量空间对齐。