text-embedding-3-largeの欠点は？

2024年1月以降、OpenAIの新しい埋め込みモデルはありません; Voyageはvoyage-4-largeに対して検索性能が14.05%劣ると報告しています; 入力の上限は8,192トークンで、テキスト専用です; 無料枠は毎分40Kトークンに制限されています.

チームや本番環境でtext-embedding-3-largeを使うと費用はいくらか？

100万トークンあたり$0.13、Batchでは$0.065です。1ページ800トークンで10Mページのアーカイブは約$1,040、Batchなら$520です。float32の3,072次元のベクトルストレージはチャンクあたり約12 KBで、通常はこちらのほうが大きな費用になります。

text-embedding-3-largeは企業データを扱っても安全か？

APIのデータはオプトインしない限り学習に使われません。不正利用監視のログは、embeddingsが対応するZero Data Retentionが承認されない限り30日間保管されます。リージョナル処理は米国、欧州、UAEです。OpenAIのセキュリティページとトラストポータルでは、APIがSOC 2 Type 2レポートと、ISO/IEC 27001:2022および27701:2019の認証の対象とされています。

text-embedding-3-largeの代わりになるものは？

当サイトでレビューした中で最も近い代替はvoyage-4-large, Gemini Embedding 2 、 Cohere Embed 5です。

text-embedding-3-large レビュー：料金と評価 (2026)

text-embedding-3-largeとは？

text-embedding-3-largeはOpenAIで最も高性能な埋め込みモデルです。2024年1月に公開され、2026年10月時点でも同社の最新モデルです。埋め込みモデルはテキストをベクトルに変換し、検索、クラスタリング、分類、検索拡張生成（RAG）のためにソフトウェアが関連する文章を見つけられるようにします。

英語とその他の言語を扱い、入力あたり最大8,192トークンを受け付けます。出力は標準で3,072次元で、dimensionsパラメータで短くしてストレージを節約できます。テキスト専用です。

OpenAIのEmbeddings APIでは100万トークンあたり$0.13で、Batch APIでは半額です。小型のtext-embedding-3-smallは100万トークンあたり$0.02です。

text-embedding-3-largeの料金は？

プラン	価格	内容
text-embedding-3-large	$0.13 per 1M tokens	Batchは半額
text-embedding-3-small	$0.02 per 1M tokens

100万（1M）トークンあたり$0.13です。Batchは半額です。text-embedding-3-smallは100万トークンあたり$0.02です。

text-embedding-3-largeは使う価値があるか？

text-embedding-3-largeは、選んでも誰にも責められない埋め込みモデルであり、最も再テストする価値のあるモデルでもあります。OpenAIは2024年1月以降、新しい埋め込みモデルを出しておらず、公開時の自社の数値は初代MTEBで64.6です。新しいスコアがこれと不公平に比較されることがよくあります。Qwen3-Embedding-8Bの75.22は別のベンチマークであるMTEB English v2の数値で、Cogneeの2026年の調査は両者を並べて順位付けしないよう注意しています。よりきれいな比較はVoyageのもので、RTEB検索ベンチマークの29データセットの平均でvoyage-4-largeが14.05%上回ったとしています。ただし、これはベンダーによるテストです。

負けているのは価格ではありません。100万トークンあたり$0.13、Batch APIならその半額で、OpenAIの試算では1ドルあたり800トークンのページを約9,615ページ処理できます。1,000万ページのアーカイブを埋め込むと約$1,040、Batchなら$520です。トークンよりストレージのほうが高くつきます。float32の3,072次元は1ベクトルあたり12 KBで、だからこそdimensionsパラメータが重要です。OpenAIによると、256次元に削っても1,536次元のada-002を上回ります。

企業の購入者にとっての魅力はOpenAIのデータの扱いです。APIの入力は顧客がオプトインしない限り学習に使われません。embeddingsエンドポイントはアプリケーションの状態を保持せず、追加条件なしでZero Data Retentionの対象になります。それ以外の場合、不正利用監視のログは30日間保管されます。処理は米国、欧州、またこのモデルに限りUAEにとどめることができますが、米国以外のすべてのリージョンでは署名済みの保持に関する修正契約が必要です。

限界は構造的なものです。入力は8,192トークンまでなので長い文書は分割が必要で、テキスト専用です。Cohere Embed 5とGemini Embedding 2は画像も受け付けます。後で乗り換えるにはコーパス全体の再埋め込みが必要です。そのため、このモデルを選ぶ本当のコストはトークン価格よりも、チームが背負い込む乗り換えの費用です。

真価を発揮する場面

すでにOpenAIを使っている50人規模のSaaS企業のRAGエンジニア
サポートボット用にヘルプセンターとチケット履歴を埋め込む
APIキー1つで、新たなベンダー審査も不要です。500トークンのチャンク2Mの埋め込みは$130、Batchなら$65です。ベクトルストアの上限が1,024次元なら1,024次元を指定し、わずかな精度の低下を受け入れます。
欧州の保険会社のコンプライアンス責任者
埋め込みのトラフィックを保持なしでEU内の処理にとどめる
eu.のリージョナルエンドポイントを使います。これにはZero Data Retentionか修正版の不正利用監視と、署名済みの保持に関する修正契約が必要です。embeddingsはアプリケーションの状態を保持しないため、ZDRで30日間の不正利用ログもなくなります。
10Mドキュメントのインデックスの移行を検討している検索エンジニア
新しい埋め込みモデルに切り替えるかどうか判断する
約8Bトークンの再埋め込みは約$1,040、1バッチ最大50,000入力のBatchなら$520なので、トークンの費用は小さく、本当のコストは再インデックスと評価です。14.05%の差はVoyageの計測なので、自分のクエリでvoyage-4-largeをテストしてください。

導入前に確認すること

導入: model text-embedding-3-largeと任意のdimensionsの値を指定してPOST /v1/embeddingsを呼び出します。どのOpenAI SDKでも、キーを作成して数分でベクトルが返ってきます。
連携: 対応しているのはEmbeddingsとBatchのエンドポイントだけです。ほとんどのベクトルデータベースとRAGフレームワークに組み込みの選択肢としてあります。
データとプライバシー: APIのデータはオプトインしない限り学習に使われません。不正利用監視のログは、embeddingsが対応するZero Data Retentionが承認されない限り30日間保管されます。リージョナル処理は米国、欧州、UAEです。OpenAIのセキュリティページとトラストポータルでは、APIがSOC 2 Type 2レポートと、ISO/IEC 27001:2022および27701:2019の認証の対象とされています。
大規模利用時のコスト: 100万トークンあたり$0.13、Batchでは$0.065です。1ページ800トークンで10Mページのアーカイブは約$1,040、Batchなら$520です。float32の3,072次元のベクトルストレージはチャンクあたり約12 KBで、通常はこちらのほうが大きな費用になります。
制限: 入力あたり8,192トークンです。Batchは1バッチあたり50,000件の埋め込み入力を受け付け、処理期間は24時間です。レート制限はFreeの100 RPMと40K TPMから、Growの10,000 RPMと10M TPMまでです。廃止日は発表されていません。

良い点

ほぼすべてのRAGフレームワークとベクトルデータベースが対応しています
100万トークンあたり$0.13、Batchならその半額です
Zero Data Retentionの対象で、APIのデータは標準で学習に使われません
dimensionsパラメータでベクトルを3,072次元から縮小できます

気になる点

2024年1月以降、OpenAIの新しい埋め込みモデルはありません
Voyageはvoyage-4-largeに対して検索性能が14.05%劣ると報告しています
入力の上限は8,192トークンで、テキスト専用です
無料枠は毎分40Kトークンに制限されています

text-embedding-3-largeの代替

voyage-4-large

Voyage AI (MongoDB)Embeddings & reranking

4.5/5

Voyage AI's top text embedding model, built on mixture-of-experts, sharing one vector space with cheaper Voyage 4 models.

Gemini Embedding 2

GoogleEmbeddings & reranking

4.3/5

Google's first multimodal embedding model: text, images, video, audio and PDFs in one shared vector space.

Cohere Embed 5

CohereEmbeddings & reranking

4.2/5

Cohere's multimodal embedding models for text, images and PDFs, with a 128K-token input and Pro and Fast tiers that share one vector space.

text-embedding-3-large：よくある質問

text-embedding-3-largeは使う価値があるか？: 安全で安価、すべてのベクトルデータベースが対応しています。ただしtext-embedding-3-largeは新しい検索モデルに差をつけられており、新規構築の前には再テストする価値があります。評価は5点満点中3.7点です。
text-embedding-3-largeの料金は？: 100万（1M）トークンあたり$0.13です。Batchは半額です。text-embedding-3-smallは100万トークンあたり$0.02です。
text-embedding-3-largeの欠点は？: 2024年1月以降、OpenAIの新しい埋め込みモデルはありません; Voyageはvoyage-4-largeに対して検索性能が14.05%劣ると報告しています; 入力の上限は8,192トークンで、テキスト専用です; 無料枠は毎分40Kトークンに制限されています.
text-embedding-3-largeは誰に向いているか？: すでにOpenAIを使っていて、検索品質のトップよりも、ベンダーの一本化、厳格なデータ条件、幅広いツール対応を重視するチームです。
チームや本番環境でtext-embedding-3-largeを使うと費用はいくらか？: 100万トークンあたり$0.13、Batchでは$0.065です。1ページ800トークンで10Mページのアーカイブは約$1,040、Batchなら$520です。float32の3,072次元のベクトルストレージはチャンクあたり約12 KBで、通常はこちらのほうが大きな費用になります。
text-embedding-3-largeは企業データを扱っても安全か？: APIのデータはオプトインしない限り学習に使われません。不正利用監視のログは、embeddingsが対応するZero Data Retentionが承認されない限り30日間保管されます。リージョナル処理は米国、欧州、UAEです。OpenAIのセキュリティページとトラストポータルでは、APIがSOC 2 Type 2レポートと、ISO/IEC 27001:2022および27701:2019の認証の対象とされています。
text-embedding-3-largeの代わりになるものは？: 当サイトでレビューした中で最も近い代替はvoyage-4-large, Gemini Embedding 2 、 Cohere Embed 5です。

回答確認日：2026年10月26日