Alibaba Cloud: Qwen3-VL-Embedding
qwen3-vl-embedding- Entrada / Salida
- $0.10 / —
- Contexto
- 32K
- Modalidades
- IncrustaciónVisión
Sobre Qwen3-VL-Embedding
Qwen3-VL-Embedding es el modelo de incrustación multimodal de Alibaba: asigna texto, imágenes y vídeo a vectores para que una sola consulta pueda recuperar cualquiera de ellos. Alibaba enumera 33 idiomas principales y tamaños de salida seleccionables de 256 a 2560 dimensiones, además de un modo de fusión que combina varias entradas en un solo vector. Es el más flexible de los dos modelos de incrustación multimodal de Alibaba.
Puntos fuertes
- Incrusta texto, imágenes, vídeo y varias imágenes en un solo modelo, lo que permite la búsqueda intermodal.
- Los tamaños de salida seleccionables de 256 hasta 2560 dimensiones le permiten equilibrar la precisión frente al almacenamiento.
- El modo de fusión combina todas las entradas de una solicitud en un solo vector, como una imagen más su pie de foto.
- Cubre 33 idiomas principales según la referencia de Alibaba.
Cuándo buscar otra opción
- Los vectores grandes de 2560 dimensiones aumentan el tamaño del índice, así que elija un tamaño menor si el almacenamiento es importante.
- Solo produce vectores; clasificar resultados o generar respuestas requiere otro modelo.
Primeros pasos
Crear clave API
Genera una clave en Console y úsala con cualquier modelo de la plataforma.
Envía tu primera solicitud
Copia el ejemplo para tu lenguaje y ejecútalo contra el endpoint.
Embedding multimodalEndpoint de TokenLabPOST/v1/multimodal/embeddingscurl -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." } }'
Parámetros
Embedding multimodal
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
dimensions | No especificado | No especificado | 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 | No especificado | No especificado | No especificado |
input_modality | No especificado | No especificado | No especificado |
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.
Precios
El precio Verified se aplica a Verified, que cuesta menos en la mayoría de los modelos. El precio Official es el precio publicado por el fabricante del modelo y se aplica a la ruta Official, más fiable. Auto factura la ruta que completa la solicitud.
Default
Por 1M Token- Precio Official
- Entrada $0.10 / Texto Entrada $0.10 / Imagen Entrada $0.258
- Precio Verified
- —
- Descuento
- —
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Default | Entrada $0.10 / Texto Entrada $0.10 / Imagen Entrada $0.258 | — | — |
Uso y actividad
La tasa de éxito es la proporción de solicitudes completadas. La latencia es cuánto tarda una respuesta completa; P95 significa que el 95 % de las solicitudes terminaron dentro de ese tiempo.
Uso y disponibilidad
Últimas 24 horas- Solicitudes
- Tasa de éxito
- Latencia P95
- Total de tokens
Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.
Abrir en Console
Abre Qwen3-VL-Embedding en Console con un prompt listo para editar o enviar.
Ayúdame a probar qwen3-vl-embedding con multimodal-embedding en /v1/multimodal/embeddings. Muestra el resultado y el coste.
Casos de uso
Ideal para- Visión
Búsqueda de imágenes por texto
Indexe una biblioteca de fotos como vectores y recupere imágenes a partir de una descripción escrita en varios idiomas.
Catálogos de productos
Fusione cada foto de producto con su título en un solo vector para que los compradores encuentren artículos por su aspecto o por palabras.
Recuperación de vídeo
Incruste clips de vídeo y permita que los editores encuentren metraje con una consulta de texto plano, en lugar de etiquetar cada clip a mano.
Ejemplos de prompts
Incruste esta foto de producto junto con su texto de título como un único vector fusionado.
Incruste la consulta 'sofá de cuero rojo en una sala de estar luminosa' para la recuperación de imágenes.
Incruste este clip de vídeo de 20 segundos para que pueda encontrarse mediante búsquedas de texto.
Este modelo tiene precio condicional. Los totales mensuales de tokens por sí solos no producen una estimación fiable; use el precio detallado según la especificación de la solicitud, la caché y la ventana aplicable.
FAQ
¿Qué puede incrustar Qwen3-VL-Embedding?
Texto, imágenes, vídeo y múltiples imágenes. La referencia de Alibaba enumera tanto incrustaciones independientes por entrada como un modo fusionado que devuelve un vector para todas las entradas juntas.
¿Qué dimensiones de salida están disponibles?
2560 por defecto, con 2048, 1536, 1024, 768, 512 y 256 como alternativas. Los tamaños más pequeños ahorran espacio de índice a costa de cierta precisión en la recuperación. Pruebe primero un tamaño menor con sus propias consultas, ya que a menudo recupera casi igual de bien.
¿Qué idiomas admite?
Alibaba enumera 33 idiomas principales, incluidos chino, inglés, japonés, coreano, francés y alemán, por lo que las consultas en muchos idiomas pueden encontrar las mismas imágenes. Compruebe los idiomas menos comunes con muestras antes del lanzamiento.
¿En qué se diferencia de Tongyi Embedding Vision Plus?
Qwen3-VL-Embedding ofrece dimensiones ajustables, un modo fusionado y una cobertura de idiomas más amplia. Tongyi Embedding Vision Plus tiene un tamaño de salida fijo y se limita al chino y al inglés.
¿Cuánto cuesta Qwen3-VL-Embedding?
Las tarifas dependen de la unidad de facturación, la especificación y el uso. Compare condiciones iguales en el precio detallado del modelo; una sola tarifa no determina el coste total.
¿Qué endpoint debe usar Qwen3-VL-Embedding?
Utiliza https://api.tokenlab.sh/v1/multimodal/embeddings para Qwen3-VL-Embedding. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Qwen3-VL-Embedding?
Qwen3-VL-Embedding admite Embedding multimodal. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Qwen3-VL-Embedding
Fuentes
Revisado el 2 oct 2026
