text-embedding-3-large

Oversikt. text-embedding-3-large er flaggskipmodellen fra OpenAI for tekstembedding, lansert i januar 2024. Den konverterer tekst til tette vektorer for søk, klyngeanalyse og gjenfinning, og støtter konfigurerbare utdatadimensjoner opptil 3 072 via Matryoshka Representation Learning, med et kontekstvindu på 8 191 token. Utviklere velger den når de trenger ett enkelt, godt støttet endepunkt for embedding til å bygge behandlingskjeder med gjenfinningsforsterket generering eller semantisk søk.

Viktigste styrker. Modellens fleksible dimensjoner gjør at man kan avveie vektorstørrelse mot lagrings- og søkekostnader uten å bytte modell, siden én enkelt embedding kan kortes ned til færre dimensjoner og likevel beholde representasjonskvaliteten. Kontekstvinduet på 8 191 token dekker komfortabelt de fleste dokumentfragmenter, avsnitt og flersetningstekster i ett kall. Som en modell med lukkede vekter og kun API-tilgang drar den nytte av løpende vedlikehold fra OpenAI, uten at man trenger å drifte den selv.

Når du bør bruke den. Bruk denne modellen når du trenger generelle tekstembeddings for semantisk søk, gjenfinningsforsterket generering, klyngeanalyse, deduplisering eller anbefalingssystemer, og ønsker ett enkelt endepunkt for tekstinndata fremfor et chat-grensesnitt. Den passer godt når inndatafragmentene holder seg under grensen på 8 191 token, og når du vil ha muligheten til å lagre vektorer med lavere dimensjonalitet for rimeligere indeksering uten å måtte generere embeddings på nytt fra bunnen av.

Begrensninger. Dette er en ikke-generativ modell med tekst inn og vektorer ut: den har ingen chat-grensesnitt, verktøykall, strømming eller støtte for systeminstrukser, og kan derfor ikke brukes til genererings- eller resonneringsoppgaver. OpenAI har ikke offentliggjort modellens parameterantall, arkitektur eller når treningsdataene slutter, noe som begrenser innsikten for de som trenger denne informasjonen til evaluering.

Suverenitetsnotat. text-embedding-3-large er laget av OpenAI, en amerikansk modellskaper, og data som sendes til dette endepunktet er derfor underlagt eksponering etter den amerikanske CLOUD Act, ikke suverene garantier begrenset til EU.