text-embedding-3-large의 개요
text-embedding-3-large는 OpenAI의 가장 성능 좋은 임베딩 모델로, 2024년 1월 출시되었고 2026년 10월 현재도 가장 최신입니다. 임베딩 모델은 텍스트를 벡터로 바꿔, 소프트웨어가 검색, 클러스터링, 분류, 검색 증강 생성(RAG)을 위해 관련 문단을 찾을 수 있게 합니다.
영어와 다른 언어를 처리하고, 입력당 최대 8,192토큰을 받으며, 기본 3,072차원을 출력합니다. dimensions 파라미터로 차원을 줄여 저장 공간을 아낄 수 있습니다. 텍스트 전용입니다.
OpenAI Embeddings API에서 100만 토큰당 $0.13이고, Batch API는 절반 가격입니다. 더 작은 text-embedding-3-small은 100만 토큰당 $0.02입니다.
text-embedding-3-large의 가격은 얼마입니까?
| 플랜 | 가격 | 포함 내용 |
|---|---|---|
| text-embedding-3-large | $0.13 per 1M tokens | Batch는 절반 가격 |
| text-embedding-3-small | $0.02 per 1M tokens |
1M 토큰당 $0.13, Batch는 절반 가격, text-embedding-3-small은 1M 토큰당 $0.02입니다.
text-embedding-3-large, 쓸 만한 가치가 있습니까?
text-embedding-3-large는 골랐다고 아무도 비난받지 않는 임베딩 모델이자, 다시 테스트할 가치가 가장 큰 모델입니다. OpenAI는 2024년 1월 이후 새 임베딩 모델을 내놓지 않았고, 자체 출시 수치는 원래 MTEB 기준 64.6입니다. 새 점수가 이와 불공정하게 비교되는 일도 잦습니다. Qwen3-Embedding-8B의 75.22는 다른 벤치마크인 MTEB English v2 기준이며, Cognee의 2026년 조사는 두 점수를 함께 순위 매기지 말라고 경고합니다. 더 깔끔한 비교는 Voyage의 것으로, RTEB 검색 벤치마크 29개 데이터셋 평균에서 voyage-4-large가 14.05% 더 낫다고 했지만, 이는 업체 테스트입니다.
가격에서는 지지 않습니다. 100만 토큰당 $0.13, Batch API로는 그 절반이며, OpenAI는 1달러에 800토큰짜리 페이지 약 9,615장을 추정하므로, 1,000만 페이지 아카이브 임베딩은 약 $1,040, 배치로는 $520입니다. 토큰보다 저장 비용이 더 큽니다. float32 3,072차원은 벡터당 12 KB이므로 dimensions 파라미터가 중요하며, OpenAI는 256차원으로 줄여도 1,536차원의 ada-002를 앞선다고 말합니다.
기업 구매자에게 매력은 OpenAI의 데이터 처리 방식입니다. API 입력은 고객이 옵트인하지 않으면 학습에 쓰이지 않고, 임베딩 엔드포인트는 애플리케이션 상태를 저장하지 않으며, 추가 조건 없이 Zero Data Retention 대상이 됩니다. 그렇지 않으면 악용 모니터링 로그가 30일간 보관됩니다. 처리는 미국, 유럽, 그리고 이 모델에 한해 UAE에 둘 수 있지만, 미국 외 모든 지 역은 서명한 보존 관련 수정 계약이 필요합니다.
한계는 구조적입니다. 입력이 8,192토큰에서 멈추므로 긴 문서는 청크로 나눠야 하고, Cohere Embed 5와 Gemini Embedding 2가 이미지도 받는 반면 이 모델은 텍스트 전용입니다. 나중에 다른 모델로 옮기려면 코퍼스 전체를 다시 임베딩해야 하므로, 이 모델을 고르는 진짜 비용은 토큰 가격보다 팀이 떠안는 전환 비용입니다.
제 역할을 하는 곳
이미 OpenAI를 쓰는 직원 50명 SaaS 회사의 RAG 엔지니어
지원 봇을 위해 헬프 센터와 티켓 이력 임베딩하기
API 키 하나로 새 업체 검토 없이 됩니다. 500토큰 청크 2M개를 임베딩하는 데 $130, Batch로 $65입니다. 벡터 저장소의 한도가 1,024차원이면 그 값을 요청하고 약간의 정확도 손실을 감수하십시오.
유럽 보험사의 컴플라이언스 책임자
임베딩 트래픽을 보존 없이 EU 내에서 처리하기
eu. 지역 엔드포인트를 쓰십시오. Zero Data Retention 또는 수정된 악용 모니터링과 서명한 보존 수정 계약이 필요합니다. 임베딩은 애플리케이션 상태를 저장하지 않으므로, ZDR을 적용하면 30일 악용 로그도 없어집니다.
1,000만 문서 인덱스의 이전을 검토하는 검색 엔지니어
새 임베딩 모델로 바꿀지 결정하기
약 8B 토큰을 다시 임베딩하는 데 약 $1,040, 배치당 최대 50,000개 입력의 Batch로 $520이므로 토큰 비용은 작습니다. 진짜 비용은 재인덱싱과 평가입니다. 14.05% 격차는 Voyage의 측정이므로 자신의 쿼리로 voyage-4-large를 테스트하십시오.
도입 전 확인할 점
- 설정
- model text-embedding-3-large와 선택 항목 dimensions 값으로 POST /v1/embeddings를 호출합니다. 어떤 OpenAI SDK든 키를 만든 뒤 몇 분 안에 벡터를 반환합니다.
- 연동
- Embeddings와 Batch 엔드포인트만 지원됩니다. 대부분의 벡터 데이터베이스와 RAG 프레임워크가 기본 옵션으로 제공합니다.
- 데이터와 개인정보
- 옵트인하지 않으면 API 데이터는 학습에 쓰이지 않습니다. Zero Data Retention이 승인되지 않으면 악용 모니터링 로그가 30일간 보관되며, 임베딩은 ZDR을 지원합니다. 미국, 유럽, UAE에서 지역 처리가 가능하고, OpenAI 보안 페이지와 트러스트 포털은 SOC 2 Type 2 보고서와 ISO/IEC 27001:2022, 27701:2019 인증으로 API를 다룹니다.
- 대규모 사용 시 비용
- 1M 토큰당 $0.13, Batch로 $0.065입니다. 페이지당 800토큰인 1,000만 페이지 아카이브는 약 $1,040, 배치로 $520입니다. float32 3,072차원 벡터 저장은 청크당 약 12 KB로, 보통 더 큰 비용입니다.
- 제한
- 입력당 8,192토큰입니다. Batch는 배치당 임베딩 입력 50,000개와 24시간 처리 기간을 허용합니다. 속도 제한은 Free의 100 RPM, 40K TPM부터 Grow의 10,000 RPM, 10M TPM까지이며, 지원 종료 일정은 발표되지 않았습니다.
좋은 점
- 거의 모든 RAG 프레임워크와 벡터 데이터베이스가 지원
- 1M 토큰당 $0.13, Batch로는 그 절반
- Zero Data Retention 대상이며 기본적으로 API 데이터로 학습하지 않음
- dimensions 파라미터로 3,072차원 벡터를 줄일 수 있음
아쉬운 점
- 2024년 1월 이후 OpenAI의 새 임베딩 모델 없음
- Voyage는 voyage-4-large 대비 14.05% 검색 성능 열세를 보고
- 입력 8,192토큰 한도에 텍스트 전용
- 무료 등급은 분당 40K 토큰으로 제한
추천 대상
이미 OpenAI를 쓰면서 최고 검색 품질보다 단일 업체, 엄격한 데이터 조건, 폭넓은 도구 지원을 중시하는 팀.
text-embedding-3-large 대안
text-embedding-3-large: 자주 묻는 질문
- text-embedding-3-large, 쓸 만한 가치가 있습니까?
- 안전하고 저렴하며 모든 벡터 데이터베이스가 지원하지만, text-embedding-3-large는 이제 새 검색 모델들에 뒤처져 있어 새로 구축하기 전에 다시 테스트할 만합니다. 평점은 5점 만점에 3.7점입니다.
- text-embedding-3-large의 가격은 얼마입니까?
- 1M 토큰당 $0.13, Batch는 절반 가격, text-embedding-3-small은 1M 토큰당 $0.02입니다.
- text-embedding-3-large의 단점은 무엇입니까?
- 2024년 1월 이후 OpenAI의 새 임베딩 모델 없음; Voyage는 voyage-4-large 대비 14.05% 검색 성능 열세를 보고; 입력 8,192토큰 한도에 텍스트 전용; 무료 등급은 분당 40K 토큰으로 제한.
- text-embedding-3-large에 적합한 사람은 누구입니까?
- 이미 OpenAI를 쓰면서 최고 검색 품질보다 단일 업체, 엄격한 데이터 조건, 폭넓은 도구 지원을 중시하는 팀.
- 팀이나 프로덕션 환경에서 text-embedding-3-large의 비용은 얼마입니까?
- 1M 토큰당 $0.13, Batch로 $0.065입니다. 페이지당 800토큰인 1,000만 페이지 아카이브는 약 $1,040, 배치로 $520입니다. float32 3,072차원 벡터 저장은 청크당 약 12 KB로, 보통 더 큰 비용입니다.
- text-embedding-3-large에 회사 데이터를 맡겨도 안전합니까?
- 옵트인하지 않으면 API 데이터는 학습에 쓰이지 않습니다. Zero Data Retention이 승인되지 않으면 악용 모니터링 로그가 30일간 보관되며, 임베딩은 ZDR을 지원합니다. 미국, 유럽, UAE에서 지역 처리가 가능하고, OpenAI 보안 페이지와 트러스트 포털은 SOC 2 Type 2 보고서와 ISO/IEC 27001:2022, 27701:2019 인증으로 API를 다룹니다.
- text-embedding-3-large의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 voyage-4-large, Gemini Embedding 2 및 Cohere Embed 5입니다.
답변 확인일: 2026년 10월 26일.