Назад к моделям

Embedding 3

zhipuzhipu/embedding-3

Zhipu AI Embedding 3 — latest text embedding model. Default 2048-dim, supports custom dimensions (256, 512, 1024, 2048).

Zhipu AI Embedding-3 — третье поколение модели текстовых эмбеддингов от пекинской компании Zhipu AI (智谱 AI), создателей серии языковых моделей GLM. Выпущена на открытой платформе bigmodel.cn, Embedding-3 — значительный шаг вперёд по сравнению с Embedding-2 с фиксированной размерностью: вводит настраиваемые выходные размерности (256 / 512 / 1024 / 2048) и ограничение TheRouter в 3 072 токена на один ввод (в обзоре Zhipu также упоминается 8K). Модель разработана для двуязычного (китайско-английского) семантического понимания, особенно сильна на поисковых корпусах с преобладанием китайского языка.

Для операторов TheRouter Embedding-3 — рекомендуемая модель эмбеддингов для RAG, поиска и рекомендательных систем с китайским приоритетом. На 2026-11-04 цена входа в TheRouter составляет $0,081 за миллион токенов; актуальную ставку смотрите в таблице цен. Прямая цена Zhipu отличается. Выбор матрёшечных размерностей позволяет гибко балансировать между стоимостью хранения и задержкой векторного поиска — например, 256-мерные векторы для приближённого поиска большого масштаба и 2048-мерные для высокоточного извлечения. Модель доступна через OpenAI-совместимый эндпоинт /v1/embeddings на api.therouter.ai с идентификатором zhipu/embedding-3.

Когда выбирать
  • • Двуязычные (китайско-английские) RAG-конвейеры: семантический поиск по смешанным базам знаний с преобладанием китайских документов
  • • Крупные китайские корпуса: сравнивайте текущую цену входных токенов и качество поиска с другими доступными моделями
  • • Гибкое управление размерностью: выбор размерности (256–2048) позволяет балансировать размер индекса и качество поиска; проверяйте изменения на своём корпусе
  • • Рекомендательные системы и дедупликация контента на крупных китайских текстовых корпусах (новости, e-commerce, отзывы)
Когда не выбирать
  • • Англоязычный поиск: оценивайте модели на собственном корпусе; OpenAI text-embedding-3-large сейчас отсутствует в каталоге TheRouter
  • • Мультимодальные задачи (изображение + текст): Cohere Embed V4 поддерживает смешанный image/text ввод; Embedding-3 — только текст
  • • Кросс-языковые задачи за пределами китайского и английского: модели с более широким многоязычным покрытием MTEB (например, Cohere Embed V4, multilingual-e5-large) надёжнее
Размер контекста
3K
Максимальный вывод
--
Цена Входза 1M токенов
$0.081за 1 млн токенов

Модальности

Текст→embedding

Разбивка цен

ТипСтавка
Вход$0.081 за 1 млн токенов

Поддерживаемые параметры

inputdimensionsencoding_formatuser

Характеристики

Контекстное окно3 072 токена на ввод в TheRouter (в обзоре Zhipu указано 8K)docs.bigmodel.cn ↗проверено
Размерность выхода256, 512, 1024 или 2048 (по умолчанию: 2048)docs.bigmodel.cn ↗проверено
Ограничение размера пакетаДо 64 строк на запросdocs.bigmodel.cn ↗проверено
Прейскурантная цена (прямая покупка)¥0,5 за миллион токеновdocs.bigmodel.cn ↗проверено
Матрёшечное уменьшение размерностиПоддерживается — выбор 256/512/1024/2048 через параметр dimensionsdocs.bigmodel.cn ↗проверено
МодальностьТекст → эмбеддинг (только текстовый ввод; изображения и аудио не поддерживаются)docs.bigmodel.cn ↗проверено
ПредшественникZhipu Embedding-2 (фиксированные 1024 измерения, контекст 512 токенов)docs.bigmodel.cn ↗проверено

Примеры API

Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.

cURL
curl https://api.therouter.ai/v1/embeddings   -H "Content-Type: application/json"   -H "Authorization: Bearer $THE_ROUTER_API_KEY"   -d '{"model":"zhipu/embedding-3","input":["A sample document"]}'

Гид по API

Эмбеддинги (совместимость с OpenAI)

Доступ к Embedding-3 через стандартный OpenAI-совместимый эндпоинт /v1/embeddings на api.therouter.ai. Передайте параметр dimensions (256, 512, 1024 или 2048) для выбора размерности выхода. Батч до 64 строк на запрос для максимальной пропускной способности.

cURL
curl https://api.therouter.ai/v1/embeddings \
  -H "Authorization: Bearer $THEROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "zhipu/embedding-3",
    "input": ["智谱 AI 是中国领先的 AI 研究机构", "Zhipu AI is a leading Chinese AI research lab"],
    "dimensions": 1024
  }'

Ещё от zhipu

zhipu/embedding-2
zhipu/glm-4-flash

Нет в текущем каталоге; описание сохранено как историческое.

Открыть актуальный каталог
zhipu/glm-4-air

Нет в текущем каталоге; описание сохранено как историческое.

Открыть актуальный каталог

Похожие модели

Аналоги в других провайдерах
openai/text-embedding-3-small

Нет в текущем каталоге; описание сохранено как историческое.

Быстрая модель OpenAI — лучше на англоязычном MTEB; контекст 8K; 1536-мерный дефолт

Открыть актуальный каталог
openai/text-embedding-3-large

Нет в текущем каталоге; описание сохранено как историческое.

Топовая модель OpenAI — 3072 измерения, лучший результат на английском MTEB

Открыть актуальный каталог
cohere/embed-v4
Мультимодальная мультиязычная модель Cohere — поддерживает image+text, бинарная квантизация

Частые вопросы

Какую размерность выбрать?

2048 (по умолчанию) обеспечивает наивысшую семантическую точность — рекомендуется для критичных к точности задач (юридические, медицинские базы знаний). 1024 — практичный баланс для большинства продакшн RAG-систем. 512 подходит для крупномасштабного приближённого поиска (ANN), где стоимость хранения индекса важна. 256 — для оценки схожести в реальном времени, где задержка является основным ограничением. Стоимость в токенах одинакова для всех четырёх размерностей.

Можно ли использовать Embedding-3 с LangChain, LlamaIndex или Spring AI?

Да. Поскольку TheRouter предоставляет Embedding-3 через стандартный OpenAI embeddings API на api.therouter.ai, любой фреймворк с поддержкой OpenAI embeddings клиента работает сразу. Для LangChain и LlamaIndex укажите base URL https://api.therouter.ai/v1 и модель zhipu/embedding-3. Для Spring AI установите spring.ai.openai.embedding.options.model=zhipu/embedding-3 и spring.ai.openai.embedding.options.dimensions=1024 (или нужный размер).

Как Embedding-3 сравнивается с OpenAI text-embedding-3-small?

На 2026-11-04 text-embedding-3-small отсутствует в текущем каталоге TheRouter. Для Embedding-3 указаны $0,081 за миллион входных токенов и 3 072 токена на ввод; актуальные цены и доступные альтернативы смотрите в каталоге. Сравнивайте качество поиска на собственных данных.

Реестр фактов — каждая утверждаемая величина имеет источник
источникURLполучено
Контекстное окноdocs.bigmodel.cn ↗2026-06-09проверено
Размерность выходаdocs.bigmodel.cn ↗2026-06-09проверено
Ограничение размера пакетаdocs.bigmodel.cn ↗2026-06-09проверено
Прейскурантная цена (прямая покупка)docs.bigmodel.cn ↗2026-06-09проверено
Матрёшечное уменьшение размерностиdocs.bigmodel.cn ↗2026-06-09проверено
Модальностьdocs.bigmodel.cn ↗2026-06-09проверено
Предшественникdocs.bigmodel.cn ↗2026-06-09проверено
Помощь и контакты