Alibaba Cloud: Qwen3.7 Text Embedding Flash
qwen3.7-text-embedding-flash- Entrada / Salida
- $0.0184 / $0.00
- Contexto
- 128K
- Modalidades
- Incrustación
Sobre Qwen3.7 Text Embedding Flash
Qwen3.7 Text Embedding Flash es la versión ligera del modelo de incrustación de texto Qwen3.7 de Alibaba, diseñada para grandes colecciones donde el rendimiento y el tamaño del índice son importantes. Alibaba afirma que admite instrucciones de tarea y permite elegir dimensiones vectoriales de 256 a 1024, un rango más estrecho que el del modelo completo de 256 a 2560. Está orientado a la búsqueda multilingüe con una huella menor.
Puntos fuertes
- Un tamaño máximo de vector más pequeño mantiene los índices compactos para colecciones con muchos millones de elementos.
- Admite instrucciones de tarea, por lo que las consultas pueden describir el objetivo de recuperación.
- Alibaba lo posiciona para cargas de trabajo sensibles al rendimiento, como la incrustación masiva.
- Cubre el mismo uso de texto multilingüe que el modelo completo Qwen3.7.
Cuándo buscar otra opción
- Alibaba lo describe como el modelo más ligero; el Qwen3.7 Text Embedding completo es el de mayor rendimiento.
- Sus dimensiones llegan hasta 1024, y la salida de vector disperso aparece listada para el modelo completo.
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.
IncrustaciónEndpoint de TokenLabPOST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.7-text-embedding-flash", "input": "The quick brown fox jumps over the lazy dog." }'
Parámetros
Incrustación
| Parámetro | Valores y límites | Predeterminado | Notas |
|---|---|---|---|
dimensions | 256, 512, 768, 1024 | No especificado | No especificado |
encoding_format | float | No especificado | No especificado |
input | Entradas: ≥ 1, ≤ 20 | No especificado | Each input row is limited to 128000 tokens. |
user | No especificado | No especificado | No especificado |
TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.
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.
Precios
Por 1M Token- Precio Verified
- —
- Precio Official
- Entrada$0.0184Por 1M TokenSalida$0.00Por 1M Token
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Entrada | $0.0184 | — | — |
| Salida | $0.00 | — | — |
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 Qwen3.7 Text Embedding Flash en Console con un prompt listo para editar o enviar.
Ayúdame a probar qwen3.7-text-embedding-flash con text-embedding en /v1/embeddings. Muestra el resultado y el coste.
Casos de uso
Indexación masiva
Incruste un archivo muy grande de documentos rápidamente y almacene vectores compactos.
Búsqueda de productos
Potencie la búsqueda multilingüe en un catálogo grande donde el volumen de consultas es alto.
Deduplicación
Agrupe texto casi idéntico en un corpus grande utilizando vectores modestos, para que los duplicados se encuentren de forma económica.
Ejemplos de prompts
Incruste estas 500,000 descripciones de productos a 512 dimensiones para la búsqueda en el catálogo.
Incruste la consulta 'chaqueta de senderismo impermeable' con una instrucción para recuperación de comercio electrónico.
Incruste este conjunto de titulares de noticias a 256 dimensiones para la detección de duplicados.
Calculadora de costos
FAQ
¿Cuál es la diferencia con el modelo Qwen3.7 completo?
Flash es la versión más ligera, orientada al costo y al rendimiento, con dimensiones de 256 a 1024. El modelo completo alcanza las 2560 dimensiones y es el modelo de incrustación de mayor rendimiento de Alibaba.
¿Qué dimensiones puedo elegir?
Alibaba dice que cualquier tamaño de 256 a 1024 está disponible. Los vectores más pequeños reducen el almacenamiento y aceleran la búsqueda de similitud, mientras que los más grandes conservan más detalles.
¿Admite instrucciones?
Sí. Alibaba enumera el soporte para instrucciones de tarea, por lo que puede indicar para qué es la recuperación, como una búsqueda de producto o una consulta de centro de ayuda. Escriba la instrucción en lenguaje sencillo.
¿Es Flash suficiente para la búsqueda en producción?
A menudo sí para colecciones grandes, pero verifique con sus propias consultas. Mida la recuperación (recall) en la dimensión elegida y compárela con el modelo completo antes de comprometerse.
¿Cuánto cuesta Qwen3.7 Text Embedding Flash?
En TokenLab, Qwen3.7 Text Embedding Flash cuesta Entrada $0.0184 / Salida $0.00 Por 1M Token. La tabla de precios arriba muestra el desglose completo.
¿Qué endpoint debe usar Qwen3.7 Text Embedding Flash?
Utiliza https://api.tokenlab.sh/v1/embeddings para Qwen3.7 Text Embedding Flash. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Qwen3.7 Text Embedding Flash?
Qwen3.7 Text Embedding Flash admite Incrustación. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Qwen3.7 Text Embedding Flash
Fuentes
Revisado el 2 oct 2026
