Alibaba: Text Embedding v4

Text Embedding v4 konvertiert mehrsprachige Passagen in Vektoren mit einstellbaren Dimensionen. Es ist nützlich für Suche und Clustering, wenn eine Anwendung das Gleichgewicht zwischen semantischer Repräsentation und Index-Fußabdruck feinabstimmen möchte.

Modelle vergleichen

text-embedding-v4

VerfügbarAlibabaEinbettungSynchron

Eingabe / Ausgabe: $0.07 / —
Kontext: 8K
Modalitäten: Einbettung

Über Text Embedding v4

Text Embedding v4 ist das etablierte mehrsprachige Text-Embedding-Modell von Alibaba mit über 100 Sprachen und Ausgabegrößen von 64 bis 2048 Dimensionen. Es verarbeitet 10 Elemente pro Batch und kann über die DashScope-API dünnbesetzte (sparse) Vektoren zurückgeben. Es liegt bei der Eingabelänge unter Qwen3.7 Text Embedding, bietet aber kleinere Vektoren.

Stärken

Bietet kleine Ausgabegrößen bis hinunter zu 64 und 128 Dimensionen für knappe Index-Budgets.
Dünnbesetzte Vektoren über die DashScope-API ermöglichen eine hybride Keyword-plus-semantische Suche.
Deckt Chinesisch, Englisch, Spanisch, Französisch und über 100 weitere Sprachen ab.
Unterstützt den instruct-Parameter zur Beschreibung der Retrieval-Aufgabe.

Alternativen

Die Eingaben pro Element sind kurz, daher müssen lange Dokumente vor dem Einbetten in Chunks unterteilt werden.
Batches enthalten 10 Elemente, weniger als die 20, die von Qwen3.7 Text Embedding erlaubt sind.

Erste Schritte

API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.

Senden Sie Ihre erste Anfrage

Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.

TexteinbettungTokenLab-Endpunkt

POST/v1/embeddings

curl -X POST "https://api.tokenlab.sh/v1/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "text-embedding-v4",
  "input": "The quick brown fox jumps over the lazy dog."
}'

Preise

Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.

Default

Pro 1M Token

Official-Preis: Eingabe $0.07 / Text Eingabe $0.07
Verified-Preis: —
Rabatt: —

	Official-PreisPro 1M Token	Verified-PreisPro 1M Token	Rabatt
Default	Eingabe $0.07 / Text Eingabe $0.07	—	—

Nutzung & Aktivität

Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.

Nutzung & Verfügbarkeit

Letzte 24 Stunden

Anfragen
Erfolgsrate
P95-Latenz
Token gesamt

Modellleistung

Zuletzt aktualisiert 10. Okt. 2026, 22:05 UTC

Metriken erscheinen, sobald die Schwellenwerte für Datenschutz und Datenvolumen erreicht sind.

Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.

In Console öffnen

Öffne Text Embedding v4 in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.

Teste text-embedding-v4 mit text-embedding an /v1/embeddings. Zeige Ergebnis und Kosten.

Anwendungsfälle

Semantische Seitensuche
Betten Sie Seiten in Chunks ein und ordnen Sie Benutzerfragen den passendsten Textabschnitten zu.
Clustering von Feedback
Gruppieren Sie Tausende von Bewertungen oder Support-Tickets nach Themen mithilfe kompakter Vektoren und eines Clustering-Schritts.
Hybrides Retrieval
Kombinieren Sie dichte und dünnbesetzte Ausgaben, damit exakte Begriffe wie Teilenummern weiterhin übereinstimmen.

Prompt-Beispiele

Betten Sie diese 2.000 Support-Tickets mit 256 Dimensionen ein und gruppieren Sie sie nach Themen.

Betten Sie diesen FAQ-Chunk mit dünnbesetzter Ausgabe für die hybride Suche ein.

Betten Sie die spanische Abfrage 'cómo cancelo mi suscripción' ein, um passende Hilfeartikel zu finden.

Dieses Modell hat konditionale Preise. Monatliche Token-Summen allein liefern keine verlässliche Schätzung; nutzen Sie die detaillierten Preise für Anfragespezifikation, Cache und Zeitfenster.

FAQ

Welche Dimensionen unterstützt text-embedding-v4?

2048, 1536, 1024 (Standard), 768, 512, 256, 128 und 64. Kleinere Größen reduzieren den Speicherbedarf und beschleunigen die Suche, gehen jedoch zu Lasten der Präzision. Beginnen Sie mit dem Standardwert und reduzieren Sie diesen schrittweise während des Tests der Trefferquote (Recall).

Wie lang kann eine Eingabe sein?

Alibaba dokumentiert ein Limit pro Element, das deutlich unter dem von Qwen3.7 liegt, sowie 10 Elemente pro Batch. Teilen Sie längere Dokumente vor dem Einbetten in Abschnitte auf. Überprüfen Sie die Seite von Alibaba auf das aktuell exakte Limit.

Gibt es dünnbesetzte Vektoren zurück?

Ja, über die DashScope-API, die dünnbesetzte Vektoren zusammen mit dichten Vektoren zurückgibt, sodass Sie eine hybride Keyword-plus-semantische Suche über denselben Index ausführen können. Die dünnbesetzte Ausgabe ist nur über diese API verfügbar.

Sollte ich zu Qwen3.7 wechseln?

Nur wenn Sie deutlich längere Eingaben oder größere Vektoren benötigen. Wenn kompakte Vektoren mit 64 oder 128 Dimensionen für Sie geeignet sind, bleibt v4 die Option, die diese bietet.

Was kostet Text Embedding v4?

Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.

Welchen Endpunkt soll Text Embedding v4 verwenden?

Verwenden Sie https://api.tokenlab.sh/v1/embeddings für Text Embedding v4. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.

Welche Operationen unterstützt Text Embedding v4?

Text Embedding v4 unterstützt Texteinbettung. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.