Text Embedding 3 Large API — цена в рублях

Что такое Text Embedding 3 Large

Text Embedding 3 Large — точные векторы OpenAI на 3072 измерения для поиска по сложным документам от компании OpenAI. Модель поддерживает контекстное окно 8K токенов, принимает на вход текст и относится к категории «векторные эмбеддинги». Через kosareva.cloud модель доступна по единому OpenAI-совместимому API: тот же код, что и для OpenAI, — достаточно поменять base_url и ключ.

Напрямую у OpenAI российская компания оплатить доступ не может: провайдер не принимает карты российских банков и не заключает договор с российским юрлицом. kosareva.cloud закрывает ровно этот разрыв — счёт выставляется в рублях армянским юрлицом, деньги уходят провайдеру, а вы получаете ключ и закрывающие документы. Запросы идут с российских IP, поэтому ни VPN, ни зарубежный хостинг для работы с Text Embedding 3 Large не нужны.

Один ключ открывает не только Text Embedding 3 Large: в каталоге больше сотни моделей — текстовых, картиночных, звуковых и видео. Это важнее, чем кажется: модели устаревают за месяцы, и переключение на следующую версию сводится к замене одной строки, а не к новому договору и новой интеграции.

Сильные и слабые стороны Text Embedding 3 Large

Кому подходит. Поиск там, где ошибка дорогая: договоры, нормативные документы, техническая документация, база знаний с тысячами похожих статей.

С чем сравнивать. Text Embedding 3 Small — 2,16 ₽, для большинства баз знаний её хватает. Gemini Embedding 2 — 21,6 ₽ при той же длине вектора.

Место Text Embedding 3 Large в каталоге

Из 6 моделей категории «векторные эмбеддинги» в каталоге Text Embedding 3 Large занимает 3-е место по цене — считая от самой дешёвой. Ближайший вариант дешевле — Text Embedding Ada 002 за 10,8 ₽ за 1 млн токенов, это на 30% меньше. Следующая ступень вверх — Yandex Embeddings Doc за 14,14 ₽ за 1 млн токенов, дороже на 1%.

Цена Text Embedding 3 Large в рублях

Цена в таблице = цена в вашем счёте: в рублях, по договору, с закрывающими документами. Списание — только за фактическое использование.

Как подключить Text Embedding 3 Large

Используйте стандартный OpenAI SDK, укажите base_url kosareva.cloud и модель text-embedding-3-large. Менять в существующем коде нужно ровно две строки — адрес и ключ.

Python, OpenAI SDK

from openai import OpenAI

client = OpenAI(
    api_key="ВАШ_КЛЮЧ_KOSAREVA",
    base_url="https://api.kosareva.cloud/v1",
)

response = client.embeddings.create(
    model="text-embedding-3-large",
    input=[
        "Оплата в рублях по договору, с закрывающими документами.",
        "Ключ работает без VPN, запросы идут с российских IP.",
    ],
)
for item in response.data:
    print(len(item.embedding))  # длина вектора

Python, без SDK — requests

import requests

response = requests.post(
    "https://api.kosareva.cloud/v1/embeddings",
    headers={"Authorization": "Bearer ВАШ_КЛЮЧ_KOSAREVA"},
    json={"model": "text-embedding-3-large", "input": ["Фрагмент документа", "Ещё фрагмент"]},
    timeout=120,
)
vectors = [row["embedding"] for row in response.json()["data"]]
print(len(vectors), len(vectors[0]))

cURL

curl https://api.kosareva.cloud/v1/embeddings \
  -H "Authorization: Bearer ВАШ_КЛЮЧ_KOSAREVA" \
  -H "Content-Type: application/json" \
  -d '{"model":"text-embedding-3-large","input":"Фрагмент документа"}'

Тот же ключ работает и с Anthropic SDK, и с любым клиентом, который умеет OpenAI-совместимый эндпоинт: LangChain, LlamaIndex, Cursor, Continue, n8n. Отдельного ключа под каждую модель заводить не нужно — один ключ открывает весь каталог.

Эндпоинты и параметры Text Embedding 3 Large

Шлюз повторяет схему OpenAI, поэтому имена параметров и формат ответа те же, к которым вы привыкли. Базовый адрес один на все модели каталога.

Векторы удобнее считать пачками: input принимает список строк, и один запрос на сотню фрагментов быстрее и дешевле по накладным расходам, чем сотня запросов по одному. Разбивайте документ на куски по 200–500 слов — фрагмент длиннее теряет смысловую точность, короче теряет контекст.

Характеристики

Для чего подходит Text Embedding 3 Large

• Чат-боты, ассистенты, вопросы-ответы, поддержка

Что учесть при работе с Text Embedding 3 Large

Сначала проверьте поиск на 3 Small на своих данных: 20–30 реальных запросов, для которых вы заранее знаете правильный документ. Переходите на 3 Large, если правильных документов в первой пятёрке становится заметно больше. Параметр dimensions должен совпадать при индексации и поиске.

Первое — длина фрагмента ограничена: 8K токенов. Длинный документ режьте на части до отправки.

Второе — векторы разных моделей несовместимы: сравнивать между собой можно только векторы одной модели. Сменить модель потом означает заново векторизовать всю базу.

Третье — баланс общий на все модели каталога. Не нужно заранее решать, сколько денег «положить на Text Embedding 3 Large»: те же средства уйдут на любую другую модель, если завтра вы переключитесь. Расход по каждой модели виден в личном кабинете отдельной строкой, вместе с числом запросов и токенов.

Text Embedding 3 Large с оплатой в рублях и без VPN

Text Embedding 3 Large от OpenAI — точные векторы OpenAI на 3072 измерения для поиска по сложным документам. Доступ через kosareva.cloud без VPN и зарубежных карт, оплата в рублях, OpenAI-совместимый API.

• Оплата в рублях по карте или счёту — для юрлиц договор, акт и инвойс.
• Без VPN и зарубежных карт: запросы идут с российских IP.
• Единый OpenAI-совместимый API к Text Embedding 3 Large и ещё 100+ моделям по одному ключу.
• Оплата только за фактическое использование, без абонентской платы.

Другие модели OpenAI

Частые вопросы о Text Embedding 3 Large