Alibaba Cloud: Qwen3-VL-Embedding

يقوم Qwen3 VL Embedding بتعيين المحتوى المرئي والنصي إلى متجهات (vectors) للاسترجاع. وهو مفيد للعثور على صور باستخدام استعلام نصي أو ربط أصل مرئي بمعلومات مكتوبة ذات صلة.

مقارنة النماذج

qwen3-vl-embedding

متاحAlibaba Cloudتضمينمتزامن

الإدخال / الإخراج: $0.10 / —
السياق: 32K
الأنماط: تضمينالرؤية

عن Qwen3-VL-Embedding

Qwen3-VL-Embedding هو نموذج التضمين متعدد الوسائط من Alibaba: يقوم بتحويل النصوص والصور ومقاطع الفيديو إلى متجهات بحيث يمكن لاستعلام واحد استرجاع أي منها. تدرج Alibaba 33 لغة رئيسية وأحجام مخرجات قابلة للاختيار من 256 إلى 2560 بُعداً، بالإضافة إلى وضع الدمج الذي يجمع مدخلات متعددة في متجه واحد. وهو النموذج الأكثر مرونة من بين نموذجي التضمين متعدد الوسائط لدى Alibaba.

نقاط القوة

يضمّن النصوص والصور ومقاطع الفيديو وصوراً متعددة في نموذج واحد، مما يتيح البحث متعدد الوسائط.
تتيح أحجام المخرجات القابلة للاختيار من 256 وحتى 2560 بُعداً موازنة الدقة مقابل مساحة التخزين.
يجمع وضع الدمج جميع مدخلات الطلب في متجه واحد، مثل صورة مع تعليقها.
يغطي 33 لغة رئيسية وفقاً لمرجع Alibaba.

متى تستخدم نموذجاً آخر

تزيد المتجهات الكبيرة ذات الـ 2560 بُعداً من حجم الفهرس، لذا اختر حجماً أصغر إذا كانت مساحة التخزين مهمة.
ينتج متجهات فقط؛ أما ترتيب النتائج أو توليد الإجابات فيتطلب نموذجاً آخر.

البدء

إنشاء مفتاح API
أنشئ مفتاح في Console واستخدمه مع جميع النماذج على المنصة.
02
إرسال طلبك الأول
انسخ المثال الخاص بلغة البرمجة التي تستخدمها وقم بتشغيله مقابل نقطة النهاية (endpoint).
تضمين متعدد الوسائطنقطة اتصال TokenLab
POST/v1/multimodal/embeddings
curl -X POST "https://api.tokenlab.sh/v1/multimodal/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-vl-embedding", "input": { "text": "The quick brown fox jumps over the lazy dog." } }'

المعايير

تضمين متعدد الوسائط

المعلمة	القيم والحدود	القيمة الافتراضية	ملاحظات
`dimensions`	غير متوفر	غير متوفر	This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified.
`input`	غير متوفر	غير متوفر	غير متوفر
`input_modality`	غير متوفر	غير متوفر	غير متوفر

TokenLab currently keeps image input behind ENABLE_MULTIMODAL_IMAGE_INPUT; public contract should not promise image/video input until live probes and docs are opened end to end.

التسعير

ينطبق سعر Verified على مسار Verified، وهو الأقل تكلفة في معظم النماذج. سعر Official هو السعر المعلن من صانع النموذج وينطبق على مسار Official الأكثر موثوقية. يحاسب خيار Auto بناءً على المسار الذي يكمل الطلب.

Default

لكل 1M Token

سعر Official: المدخلات $0.10 / نص المدخلات $0.10 / صورة المدخلات $0.258
سعر Verified: —
خصم: —

	سعر Officialلكل 1M Token	سعر Verifiedلكل 1M Token	خصم
Default	المدخلات $0.10 / نص المدخلات $0.10 / صورة المدخلات $0.258	—	—

الاستخدام والنشاط

معدل النجاح هو نسبة الطلبات المكتملة. زمن الاستجابة هو مدة الاستجابة الكاملة؛ ويعني P95 أن 95% من الطلبات اكتملت ضمن ذلك الوقت.

الاستخدام والتوفر

آخر 24 ساعة

الطلبات
معدل النجاح
زمن الاستجابة P95
إجمالي الرموز

أداء النموذج

آخر تحديث 01‏/11‏/2026، 8:48 ص UTC

تظهر المقاييس بمجرد استيفاء حدود الخصوصية وحجم البيانات.

تستند البيانات إلى طلبات المستخدمين المجمعة، باستثناء عمليات التحقق من الحالة.

فتح في Console

افتح Qwen3-VL-Embedding في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة qwen3-vl-embedding عبر multimodal-embedding في /v1/multimodal/embeddings. اعرض النتيجة والتكلفة.

حالات الاستخدام

الأنسب لـ

الرؤية

البحث عن الصور عبر النص
فهرسة مكتبة صور كمتجهات واسترجاع الصور من وصف مكتوب بعدة لغات.
كتالوجات المنتجات
دمج صورة كل منتج مع عنوانه في متجه واحد ليتمكن المتسوقون من العثور على العناصر من خلال المظهر أو الكلمات.
استرجاع الفيديو
تضمين مقاطع الفيديو والسماح للمحررين بالعثور على اللقطات باستعلام نصي بسيط، بدلاً من وسم كل مقطع يدوياً.

أمثلة Prompt

تضمين صورة هذا المنتج مع نص عنوانه كمتجه مدمج واحد.

تضمين الاستعلام 'أريكة جلدية حمراء في غرفة معيشة مشرقة' لاسترجاع الصور.

تضمين مقطع الفيديو هذا الذي تبلغ مدته 20 ثانية ليتم العثور عليه من خلال عمليات البحث النصي.

هذا النموذج بتسعير مشروط. مجاميع الرموز الشهرية وحدها لا تنتج تقديرًا موثوقًا؛ استخدم التسعير التفصيلي لمواصفات الطلب وذاكرة التخزين المؤقت والنافذة الزمنية المعمول بها.

FAQ

ما الذي يمكن لـ Qwen3-VL-Embedding تضمينه؟

النصوص والصور ومقاطع الفيديو وصور متعددة. يدرج مرجع Alibaba كلاً من التضمينات المستقلة لكل مدخل ووضع الدمج الذي يعيد متجهاً واحداً لجميع المدخلات معاً.

ما هي أبعاد المخرجات المتاحة؟

2560 كإعداد افتراضي، مع توفر 2048 و1536 و1024 و768 و512 و256 كبدائل. توفر الأحجام الأصغر مساحة الفهرس مع بعض التكلفة في دقة الاسترجاع. اختبر حجماً أصغر على استعلاماتك أولاً، حيث إنه غالباً ما يسترجع النتائج بدقة مماثلة تقريباً.

ما هي اللغات التي يدعمها؟

تدرج Alibaba 33 لغة رئيسية، بما في ذلك الصينية والإنجليزية واليابانية والكورية والفرنسية والألمانية، بحيث يمكن للاستعلامات بلغات عديدة العثور على نفس الصور. تحقق من اللغات النادرة باستخدام عينات قبل الإطلاق.

كيف يختلف عن Tongyi Embedding Vision Plus؟

يوفر Qwen3-VL-Embedding أبعاداً قابلة للتعديل، ووضع دمج، وتغطية لغوية أوسع. بينما يحتوي Tongyi Embedding Vision Plus على حجم مخرجات ثابت ومحدود باللغتين الصينية والإنجليزية.

كم تكلفة Qwen3-VL-Embedding؟

تعتمد الأسعار على وحدة الفوترة والمواصفات والاستخدام. قارن بين الشروط المتطابقة في التسعير التفصيلي للنموذج؛ السعر الواحد لا يحدد التكلفة الإجمالية.

ما نقطة النهاية التي يجب أن يستخدمها Qwen3-VL-Embedding؟

استخدم https://api.tokenlab.sh/v1/multimodal/embeddings كافتراضي لـ Qwen3-VL-Embedding. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها Qwen3-VL-Embedding؟

Qwen3-VL-Embedding يدعم تضمين متعدد الوسائط. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.