OpenAI в 5 раз удешевила эмбеддинги для RAG: $0,02 вместо $0,10 за млн токенов
Эмбеддинги превращают текст в набор чисел, по которому RAG и поиск находят похожие документы. OpenAI выпустила модель text-embedding-3-small: миллион токенов стоит $0,02 вместо $0,10 у прежней ada-002, то есть в пять раз дешевле. В тесте многоязычного поиска MIRACL она находит нужный документ в 44% случаев вместо 31,4%. Если RAG сидит на ada-002, переезд окупится быстро, но архив придётся пересчитать заново.
AI-обработка оригинала X: @OpenAI; редакция Hamidun News
Если вы строите поиск по документам, чат с базой знаний или RAG-систему, эмбеддинги — самая незаметная и при этом самая массовая статья расходов. Каждый кусок текста сначала превращается в набор чисел, а потом система сравнивает эти наборы и находит самое близкое по смыслу. 25 января 2024 года OpenAI объявила об обновлении платформы для разработчиков и выпустила новую модель text-embedding-3-small. Миллион токенов (примерно 750 тысяч английских слов) обработки у неё стоит $0,02, а у прежней text-embedding-ada-002 — $0,10. Это в пять раз дешевле, и качество при этом не упало, а выросло.
В том же анонсе обновился GPT-4 Turbo и подешевел GPT-3.5 Turbo, но именно эмбеддинги сильнее всего меняют экономику поиска, о них и поговорим.
Что именно вышло
Теперь у OpenAI две новые модели: text-embedding-3-small и text-embedding-3-large. Прежняя ada-002 появилась в декабре 2022 года и больше года оставалась выбором по умолчанию.
Младшая small стоит $0,02 за миллион токенов. Для наглядности: если в базе 100 тысяч документов по 1000 токенов, то есть 100 миллионов токенов, разовая индексация обойдётся в $2 вместо $10.
Качество выросло. На англоязычном бенчмарке MTEB small набирает 62,3% против 61,0% у ada-002. Заметнее разница в многоязычном поиске MIRACL: 44,0% против 31,4%. Проще говоря, на запросах не на английском система стала находить нужный документ заметно чаще.
Старшая large выдаёт векторы из 3072 чисел. Она набирает 64,6% на MTEB и 54,9% на MIRACL. Стоит $0,13 за миллион токенов — чуть дороже ada-002, зато это самый точный вариант линейки.
Как работает сжатие векторов
Самая практичная новинка — параметр dimensions. Чем длиннее вектор, тем больше памяти он занимает в векторной базе и тем медленнее поиск. Раньше длину выбрать было нельзя: ada-002 всегда отдавала 1536 чисел.
Теперь вектор можно укоротить прямо при запросе к API. По данным OpenAI, large, урезанная до 256 чисел, на MTEB всё равно обгоняет полноразмерную ada-002 с её 1536 числами. Представьте картотеку: вместо шкафа с подробными карточками вы держите короткие, а нужную находите не хуже прежнего. Для базы на миллионы документов это меньший счёт за хранение и более быстрый поиск.
Что делать на практике
Первое: если у вас продакшн на ada-002 и много запросов, small — очевидный кандидат на замену. Счёт за эмбеддинги упадёт примерно в пять раз.
Второе: переезд не сводится к смене названия модели в коде. Векторы разных моделей несовместимы, поэтому искать новыми векторами по старому индексу нельзя. Придётся заново посчитать эмбеддинги для всех документов. Это разовая операция, и при цене small она обойдётся недорого, но её стоит запланировать и сначала прогнать на копии базы.
Третье: если для вас важен поиск по русским или другим неанглийским текстам, смотрите на MIRACL, а не только на MTEB. Цифры OpenAI получены на публичных тестах, на ваших данных результат может отличаться. Поэтому перед миграцией возьмите собственный набор типичных запросов и сравните, как часто старая и новая модели находят правильный документ.
Четвёртое: если нужен максимум качества, а цена вторична, берите large и сразу экспериментируйте с dimensions. Подберите длину вектора, при которой качество на ваших данных ещё держится, а база остаётся компактной.
Есть и ограничения. Выигрыш small на MTEB — 1,3 пункта, это немного, поэтому главные причины для миграции — цена и многоязычность. Как модели ведут себя на узкоспециальных текстах вроде медицинских или юридических, из анонса не видно. Обновление GPT-4 Turbo и снижение цен на GPT-3.5 Turbo тоже стоит учесть при планировании бюджета, но решение по поиску лучше принимать отдельно и на основе собственных замеров.
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
- 21 нояб. 2026 г.Капитан пловцов отдала ChatGPT три задачи по расписанию и сократила рутину в разы
- 21 нояб. 2026 г.OpenAI GPT-6 Cyber нашла около 35 дыр в iPhone, Mac и другой технике Apple
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: что именно вышло?
Теперь у OpenAI две новые модели: text-embedding-3-small и text-embedding-3-large. Прежняя ada-002 появилась в декабре 2022 года и больше года оставалась выбором по умолчанию. Младшая small стоит $0,02 за миллион токенов. Для наглядности: если в базе 100 тысяч документов по 1000 токенов, то есть 100 миллионов токенов, разовая индексация обойдётся в $2 вместо $10. Качество выросло. На англоязычном бенчмарке MTEB small набирает 62,3% против 61,0% у ada-002.
Что известно по теме: как работает сжатие векторов?
Самая практичная новинка — параметр dimensions. Чем длиннее вектор, тем больше памяти он занимает в векторной базе и тем медленнее поиск. Раньше длину выбрать было нельзя: ada-002 всегда отдавала 1536 чисел. Теперь вектор можно укоротить прямо при запросе к API. По данным OpenAI, large, урезанная до 256 чисел, на MTEB всё равно обгоняет полноразмерную ada-002 с её 1536 числами. Представьте картотеку: вместо шкафа с подробными карточками вы держите короткие, а нужную находите не хуже прежнего.
Что известно по теме: что делать на практике?
Первое: если у вас продакшн на ada-002 и много запросов, small — очевидный кандидат на замену. Счёт за эмбеддинги упадёт примерно в пять раз. Второе: переезд не сводится к смене названия модели в коде. Векторы разных моделей несовместимы, поэтому искать новыми векторами по старому индексу нельзя. Придётся заново посчитать эмбеддинги для всех документов. Это разовая операция, и при цене small она обойдётся недорого, но её стоит запланировать и сначала прогнать на копии базы.
Протестируйте новые LLM и мультимодальные модели в одном окне
Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.