openai
OpenAI: Text Embedding 3 Large
openai/text-embedding-3-large
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
openai/text-embedding-3-large es un modelo de embeddings de OpenAI listado en el catálogo de OpenRouter, que convierte texto de entrada en vectores de embeddings en lugar de generar texto. El catálogo lo describe, citando el posicionamiento del propio proveedor, como su modelo de embeddings más capaz para tareas en inglés y otros idiomas, y registra una longitud de contexto de 8192 tokens. Como la única evidencia aquí es una entrada de catálogo sin una ficha de modelo independiente ni resultados de benchmarks, todas las afirmaciones de capacidad provienen de la fuente y deben validarse con tus propias cargas de trabajo.[1]
Puntos fuertes
- Produce vectores de embeddings a partir de texto, que el catálogo describe como representaciones numéricas útiles para medir la relación entre fragmentos de texto.[1]
- La longitud de contexto de 8192 tokens reportada por el catálogo permite generar embeddings de pasajes largos en una sola solicitud.[1]
- Según la descripción del catálogo, el proveedor lo posiciona como su modelo de embeddings más capaz para tareas en inglés y otros idiomas, lo que sugiere cobertura multilingüe.[1]
Limitaciones
- La evidencia proviene solo del catálogo: no había una ficha de modelo independiente en este paquete de fuentes, por lo que todas las afirmaciones de capacidad vienen del proveedor vía OpenRouter y no están verificadas.[1]
- El catálogo no muestra resultados de benchmarks y los metadatos de razonamiento son nulos, así que la calidad real en recuperación o agrupación no está medida aquí y requiere validación con tu carga de trabajo.[1]
- La salida se limita a embeddings sin generación de texto; la fuente no indica términos de licencia, dimensiones del embedding ni requisitos de hardware.[1]
Dónde utilizarlo
- Puede ser adecuado para pipelines de búsqueda semántica y recuperación donde se necesite medir la relación entre textos mediante vectores, pendiente de validación en tu corpus.[1]
- Podría encajar en tareas de embeddings multilingües o en idiomas distintos del inglés, dada la capacidad entre idiomas reportada por el proveedor en el catálogo.[1]
- Potencialmente útil para agrupación o clasificación de documentos dentro del contexto reportado de 8192 tokens, sujeto a tu propia evaluación.[1]
Fuentes
- [1] OpenRouter catalog · OpenAI: Text Embedding 3 LargeFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
text-embedding-3-large is OpenAI's most capable embedding model for both english and non-english tasks. Embeddings are a numerical representation of text that can be used to measure the relatedness between two...
Especificaciones
- ID del modelo
- openai/text-embedding-3-large
- Creador
- openai
- Añadido a OpenRouter
- 30.10.2025
- Longitud de contexto
- 8,192
- Modalidad
- text->embeddings
- Modalidades de entrada
- text
- Modalidades de salida
- embeddings
- Precio por token
- USD por 1M de tokens: entrada $0.130 / salida $0
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | — |
| Programación | Sin medición | — |
| Agentes | Sin medición | — |
| Escritura | Sin medición | — |
| Razonamiento | Sin medición | — |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | salida: embeddings |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Azure | 8,192 | $0.130 | $0 | — | — | 100% |
| OpenAI | 8,192 | $0.130 | $0 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.