Embedding 3
Zhipu AI Embedding 3 — latest text embedding model. Default 2048-dim, supports custom dimensions (256, 512, 1024, 2048).
智谱 AI Embedding-3 是北京智谱 AI（GLM 系列语言模型背后的研究机构）推出的第三代文本向量化模型，在 bigmodel.cn 开放平台上发布。相较于 Embedding-2 的固定维度，Embedding-3 引入了可调输出维度（256 / 512 / 1024 / 2048）；TheRouter 按单条输入最多 3,072 token 展示（智谱概览也提到 8K），是一次重要升级。该模型专为中英双语语义理解设计，在以中文为主的检索语料库中表现尤为突出。
对 TheRouter 路由层用户，Embedding-3 是中文优先 RAG、搜索和推荐流水线的推荐嵌入模型。截至 2026-11-04，TheRouter 列出的输入价格为每百万 token 0.081 美元；当前费率请查看价格表。智谱直连价格另计。其 matryoshka 风格的维度选择允许用户在存储成本与向量检索延迟之间灵活权衡——例如在大规模近似搜索中使用 256 维向量，在高保真检索中使用 2048 维。该模型通过 api.therouter.ai 的 OpenAI 兼容 /v1/embeddings 端点访问，使用 zhipu/embedding-3 模型标识符。
- • 中英双语 RAG 流水线：对中文文档为主的混合语言知识库进行语义检索
- • 大规模中文语料：对比当前输入 token 价格和其他可用嵌入模型的检索效果
- • 维度灵活部署：选择输出维度（256–2048）以平衡索引大小和检索质量，并在自己的语料上测试
- • 大型中文文本语料库（新闻、电商、用户评论）的推荐系统与内容去重
- • 纯英文检索：在自己的语料上评估候选模型；OpenAI text-embedding-3-large 目前不在 TheRouter 目录中
- • 多模态（图像+文本）嵌入任务：Cohere Embed V4 支持图像/文本混合输入；Embedding-3 仅支持文本
- • 超出中英之外的跨语言语义任务：具备更广泛多语言 MTEB 覆盖的模型（如 Cohere Embed V4、multilingual-e5-large）更为可靠
模态能力
价格明细
| 类型 | 费率 |
|---|---|
| 输入 | $0.081 每百万 Tokens |
支持参数
模型规格
| 上下文窗口 | TheRouter 单条输入 3,072 tokens（智谱概览写为 8K）docs.bigmodel.cn ↗ | 已核实 |
| 输出维度 | 256、512、1024 或 2048（默认：2048）docs.bigmodel.cn ↗ | 已核实 |
| 批次大小限制 | 每次请求最多 64 条字符串docs.bigmodel.cn ↗ | 已核实 |
| 官方价格（智谱直购） | ¥0.5 / 百万 tokensdocs.bigmodel.cn ↗ | 已核实 |
| Matryoshka 维度压缩 | 支持 — 通过 dimensions 参数选择 256/512/1024/2048docs.bigmodel.cn ↗ | 已核实 |
| 模态 | 文本 → 嵌入（仅支持文本输入，不支持图像或音频）docs.bigmodel.cn ↗ | 已核实 |
| 前代型号 | 智谱 Embedding-2（固定 1024 维，512 token 上下文）docs.bigmodel.cn ↗ | 已核实 |
API 使用示例
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
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"]}'API 使用指南
嵌入向量（OpenAI 兼容）
通过 api.therouter.ai 的标准 OpenAI /v1/embeddings 端点访问 Embedding-3。通过 dimensions 参数（256、512、1024 或 2048）选择输出维度。每次请求最多可批量处理 64 条字符串以获得最大吞吐量。
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
}'zhipu 其他模型
同类模型
跨供应商的相似能力档位当前目录未收录；以下说明为历史资料。
OpenAI 快速嵌入模型 — 英文 MTEB 表现更强；8K 上下文；默认 1536 维
查看当前模型目录常见问题
应该选择哪种维度？
2048（默认）提供最高的语义保真度，适合精度要求严格的检索场景（如法律或医疗知识库）。1024 适合大多数生产 RAG 栈的实用平衡。512 适合存储成本敏感的大规模近似近邻（ANN）搜索。256 适合以延迟为首要约束的实时相似度评分场景。四种维度的 token 成本相同。
能否在 LangChain、LlamaIndex 或 Spring AI 中使用 Embedding-3？
可以。由于 TheRouter 通过标准 OpenAI 嵌入 API（api.therouter.ai）暴露 Embedding-3，任何支持 OpenAI 嵌入客户端的框架均可开箱即用。对于 LangChain 和 LlamaIndex，将 base URL 设置为 https://api.therouter.ai/v1，模型设置为 zhipu/embedding-3。对于 Spring AI，设置 spring.ai.openai.embedding.options.model=zhipu/embedding-3 并根据需要设置 dimensions=1024。
Embedding-3 与 OpenAI text-embedding-3-small 相比如何？
截至 2026-11-04，text-embedding-3-small 不在当前 TheRouter 目录中。Embedding-3 列出的输入价格为每百万 token 0.081 美元，单条输入上限为 3,072 token；当前价格和可用替代模型请查看实时目录，并在自己的数据集上比较检索效果。
事实档案 — 本页每条断言可在此回溯来源
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 上下文窗口 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| 输出维度 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| 批次大小限制 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| 官方价格（智谱直购） | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| Matryoshka 维度压缩 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| 模态 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |
| 前代型号 | docs.bigmodel.cn ↗ | 2026-06-09 | 已核实 |