Alibaba Cloud: Qwen3.7 Text Embedding

يقوم Qwen3.7 Text Embedding بتحويل النص متعدد اللغات إلى متجهات دلالية، مع عدة خيارات للأبعاد. وهو مفيد للاسترجاع عبر المستندات الطويلة عندما يحتاج التطبيق إلى موازنة تفاصيل المتجه مقابل تخزين الفهرس.

مقارنة النماذج

qwen3.7-text-embedding

متاحAlibaba Cloudتضمينمتزامن

الإدخال / الإخراج: $0.0735 / $0.00
السياق: 128K
الأنماط: تضمين

عن Qwen3.7 Text Embedding

Qwen3.7 Text Embedding هو نموذج تضمين النصوص الرائد من Alibaba، والذي يحول النصوص متعددة اللغات إلى متجهات (vectors) لاستخدامها في الاسترجاع والتجميع. توثق Alibaba إمكانية معالجة مدخلات فردية طويلة جدًا، وأحجام مخرجات تتراوح من 256 إلى 2560 بُعدًا، وتعليمات المهام، والمتجهات المتفرقة (sparse vectors). هذا هو الخيار كامل الحجم، بينما Qwen3.7 Text Embedding Flash هو الخيار الأخف.

نقاط القوة

يقبل مدخلات فردية طويلة جدًا، مما يجعله مناسبًا لتضمين المستندات بالكامل بدلاً من تقسيمها إلى أجزاء.
تتيح لك أحجام المخرجات من 256 إلى 2560 بُعدًا موازنة حجم الفهرس مقابل مستوى التفاصيل.
يسمح لك معامل التعليمات (instruct parameter) بوصف مهمة الاسترجاع، مثل البحث في الوثائق.
يدعم مخرجات المتجهات المتفرقة بجانب المتجهات الكثيفة للبحث الهجين، وفقًا لـ Alibaba.

متى تستخدم نموذجاً آخر

تتطلب الأبعاد الأعلى مساحة تخزين أكبر للفهرس، لذا فإن إصدار Flash يناسب المجموعات الكبيرة جدًا بشكل أفضل.
يقوم بتضمين النصوص فقط؛ الصور ومقاطع الفيديو تتطلب Qwen3-VL-Embedding.

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).
تضميننقطة اتصال TokenLab
POST/v1/embeddings
curl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.7-text-embedding", "input": "The quick brown fox jumps over the lazy dog." }'

المعايير

تضمين

المعلمة	القيم والحدود	القيمة الافتراضية	ملاحظات
`dimensions`	256, 512, 768, 1024, 1536, 2048, 2560	غير متوفر	غير متوفر
`encoding_format`	float	غير متوفر	غير متوفر
`input`	عدد المدخلات: ≥ 1, ≤ 20	غير متوفر	Each input row is limited to 128000 tokens.
`user`	غير متوفر	غير متوفر	غير متوفر

TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.

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.

التسعير

لكل 1M Token

سعر Verified: —
سعر Official: المدخلات$0.0735لكل 1M Tokenالمخرجات$0.00لكل 1M Token

	سعر Officialلكل 1M Token	سعر Verifiedلكل 1M Token	خصم
المدخلات	$0.0735	—	—
المخرجات	$0.00	—	—

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 13‏/11‏/2026، 5:01 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 Qwen3.7 Text Embedding في Console وجهز الرسالة للتعديل أو الإرسال.

ساعدني في تجربة qwen3.7-text-embedding عبر text-embedding في /v1/embeddings. اعرض النتيجة والتكلفة.

حالات الاستخدام

استرجاع المستندات الطويلة
قم بتضمين التقارير أو الكتيبات الطويلة كعناصر مفردة وابحث فيها دون الحاجة إلى تقسيمها بشكل مكثف.
البحث الهجين
اجمع بين المتجهات الكثيفة والمتفرقة لالتقاط المعنى والكلمات المفتاحية الدقيقة معًا.
قواعد المعرفة متعددة اللغات
ابحث في ويكي الشركة المكتوب بلغات متعددة باستخدام استعلامات بأي منها.

أمثلة Prompt

قم بتضمين وثيقة السياسة هذه المكونة من 60 صفحة كعنصر واحد لاسترجاعها لاحقًا.

قم بتضمين الاستعلام 'كيف أقوم بتدوير مفاتيح API' مع تعليمات تصف مهمة بحث في مركز المساعدة.

قم بتضمين مقالات الدعم متعددة اللغات هذه بأبعاد 1024 لأغراض التجميع.

حاسبة التكلفة

رموز الإدخال الشهرية1 مليون توكن

رموز الإخراج الشهرية0.5 مليون توكن

التكلفة الشهرية المتوقعة$0.073529

FAQ

ما هي الأبعاد التي يوفرها Qwen3.7 Text Embedding؟

2560، 2048، 1536، 1024 (الافتراضي)، 768، 512، و 256. اختر قيمًا أقل عندما تكون مساحة تخزين الفهرس أو سرعة البحث أكثر أهمية من الدقة القصوى.

ما حجم النص الذي يتسع له عنصر واحد؟

توثق Alibaba مدخلات فردية طويلة جدًا، أطول بكثير لكل عنصر مما يقبله text-embedding-v4، لذا غالبًا ما تتسع المستندات بالكامل دون الحاجة إلى تقسيم. وبشكل منفصل، يمكن للطلب الواحد أن يحمل ما يصل إلى 20 عنصرًا.

ما هو معامل التعليمات (instruct parameter)؟

تعليمات قصيرة تصف المهمة، على سبيل المثال استعلام بحث في الوثائق. تبلغ Alibaba عن زيادة في الأداء بنسبة 1 إلى 5 بالمائة عند استخدامه.

هل يجب أن أختار Qwen3.7 أم text-embedding-v4؟

يقبل Qwen3.7 مدخلات أطول بكثير ومتجهات أكبر. بينما يحتوي text-embedding-v4 على خيارات أبعاد أصغر تصل إلى 64. اختر بناءً على طول المستند وميزانية التخزين، ثم اختبر دقة الاسترجاع على مستنداتك الخاصة باستخدام كل منهما.

كم تكلفة Qwen3.7 Text Embedding؟

على TokenLab تكلف Qwen3.7 Text Embedding المدخلات $0.0735 / المخرجات $0.00 لكل 1M Token. التفاصيل الكاملة في جدول التسعير أعلاه.

ما نقطة النهاية التي يجب أن يستخدمها Qwen3.7 Text Embedding؟

استخدم https://api.tokenlab.sh/v1/embeddings كافتراضي لـ Qwen3.7 Text Embedding. إذا كانت الصيغة الأصلية للمزود مدعومة فإن API workbench يعرضها أيضاً.

ما العمليات التي يدعمها Qwen3.7 Text Embedding؟

Qwen3.7 Text Embedding يدعم تضمين. اختر عملية في API workbench أعلاه لرؤية نقطة النهاية وعينة الكود المطابقة.