Alibaba: Text Embedding v4

Text Embedding v4 convierte pasajes multilingües en vectores con dimensiones ajustables. Es útil para la búsqueda y agrupación cuando una aplicación desea ajustar el equilibrio entre la representación semántica y la huella del índice.

Comparar modelos

text-embedding-v4

DisponibleAlibabaIncrustaciónSíncrono

Entrada / Salida: $0.07 / —
Contexto: 8K
Modalidades: Incrustación

Sobre Text Embedding v4

Text Embedding v4 es el modelo de embedding de texto multilingüe establecido de Alibaba, con más de 100 idiomas y tamaños de salida de 64 a 2048 dimensiones. Admite 10 elementos por lote y puede devolver vectores dispersos a través de la API de DashScope. Se sitúa por debajo de Qwen3.7 Text Embedding en longitud de entrada, pero ofrece vectores más pequeños.

Puntos fuertes

Ofrece tamaños de salida pequeños de hasta 64 y 128 dimensiones para presupuestos de índice ajustados.
Los vectores dispersos a través de la API de DashScope permiten una búsqueda híbrida de palabras clave y semántica.
Abarca chino, inglés, español, francés y más de 100 idiomas adicionales.
Admite el parámetro 'instruct' para describir la tarea de recuperación.

Cuándo buscar otra opción

Las entradas por elemento son cortas, por lo que los documentos largos deben fragmentarse antes de procesarlos.
Los lotes contienen 10 elementos, menos que los 20 permitidos por Qwen3.7 Text Embedding.

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 de textoEndpoint de 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": "text-embedding-v4",
  "input": "The quick brown fox jumps over the lazy dog."
}'

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 $0.07 / Texto Entrada $0.07
Precio Verified: —
Descuento: —

	Precio OfficialPor 1M Token	Precio VerifiedPor 1M Token	Descuento
Default	Entrada $0.07 / Texto Entrada $0.07	—	—

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

Desempeño del modelo

Última actualización 10 oct 2026, 18:13 UTC

Las métricas aparecerán una vez que se alcancen los umbrales de privacidad y volumen de datos.

Los datos se basan en solicitudes de usuario agregadas, excluyendo las comprobaciones de estado.

Abrir en Console

Abre Text Embedding v4 en Console con un prompt listo para editar o enviar.

Ayúdame a probar text-embedding-v4 con text-embedding en /v1/embeddings. Muestra el resultado y el coste.

Casos de uso

Búsqueda semántica en sitios web
Procesar páginas en fragmentos y hacer coincidir las preguntas de los usuarios con los pasajes más cercanos.
Agrupación de comentarios
Agrupar miles de reseñas o tickets de soporte por tema utilizando vectores compactos y un paso de agrupación (clustering).
Recuperación híbrida
Combinar salidas densas y dispersas para que los términos exactos, como los números de pieza, sigan coincidiendo.

Ejemplos de prompts

Procesar estos 2000 tickets de soporte a 256 dimensiones y agruparlos por tema.

Procesar este fragmento de preguntas frecuentes con salida dispersa para búsqueda híbrida.

Procesar la consulta en español 'cómo cancelo mi suscripción' para encontrar artículos de ayuda coincidentes.

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 dimensiones admite text-embedding-v4?

2048, 1536, 1024 (predeterminado), 768, 512, 256, 128 y 64. Los tamaños más pequeños reducen el almacenamiento y aceleran la búsqueda, a costa de algo de precisión. Comience con el predeterminado y reduzca mientras prueba la recuperación.

¿Qué tan larga puede ser una entrada?

Alibaba documenta un límite por elemento muy por debajo de Qwen3.7 y 10 elementos por lote. Divida los documentos más largos en pasajes antes de procesarlos. Consulte la página de Alibaba para conocer el límite exacto actual.

¿Devuelve vectores dispersos?

Sí, a través de la API de DashScope, que devuelve vectores dispersos junto con los densos para que pueda ejecutar una búsqueda híbrida de palabras clave y semántica sobre el mismo índice. La salida dispersa solo está disponible en esa API.

¿Debería cambiar a Qwen3.7?

Solo si necesita entradas mucho más largas o vectores más grandes. Si le convienen los vectores compactos de 64 o 128 dimensiones, v4 sigue siendo la opción que los ofrece.

¿Cuánto cuesta Text Embedding v4?

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 Text Embedding v4?

Utiliza https://api.tokenlab.sh/v1/embeddings para Text Embedding v4. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.

¿Qué operaciones soporta Text Embedding v4?

Text Embedding v4 admite Embedding de texto. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.