Alibaba Cloud: Tongyi Embedding Vision Plus
tongyi-embedding-vision-plus- Entrada / Salida
- $0.09 / —
- Modalidades
- IncrustaciónVisión
Sobre Tongyi Embedding Vision Plus
Tongyi Embedding Vision Plus es un modelo de embedding multimodal de Alibaba que genera vectores para texto, imágenes y video. Produce un tamaño fijo único de 1152 dimensiones, es compatible con chino e inglés, y puede procesar una secuencia de hasta 8 imágenes. A diferencia de Qwen3-VL-Embedding, solo devuelve embeddings independientes, sin modo de fusión ni tamaño ajustable.
Puntos fuertes
- Integra texto, imágenes y video en un mismo espacio vectorial para búsquedas intermodales.
- Acepta una secuencia de hasta ocho imágenes en una sola entrada.
- La salida fija de 1152 dimensiones mantiene sencillo el diseño del índice.
- Se adapta a catálogos en chino e inglés, los dos idiomas que Alibaba indica para este modelo.
Cuándo buscar otra opción
- Los idiomas se limitan a chino e inglés, mientras que Qwen3-VL-Embedding cubre 33.
- Las dimensiones no se pueden cambiar y no se ofrecen embeddings fusionados.
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": "tongyi-embedding-vision-plus", "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 $0.09 / Texto Entrada $0.09 / Imagen Entrada $0.09
- Precio Verified
- —
- Descuento
- —
| Precio OfficialPor 1M Token | Precio VerifiedPor 1M Token | Descuento | |
|---|---|---|---|
| Default | Entrada $0.09 / Texto Entrada $0.09 / Imagen Entrada $0.09 | — | — |
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 Tongyi Embedding Vision Plus en Console con un prompt listo para editar o enviar.
Ayúdame a probar tongyi-embedding-vision-plus con multimodal-embedding en /v1/multimodal/embeddings. Muestra el resultado y el coste.
Casos de uso
Ideal para- Visión
Catálogos de medios mixtos
Indexe fotos de productos y descripciones conjuntamente para que las consultas de texto recuperen las imágenes correspondientes.
Coincidencia de secuencias de imágenes
Incruste una secuencia de hasta ocho imágenes, como una serie de fotos de un producto, y compárela con texto.
Emparejamiento de pies de foto
Vincule imágenes a pies de foto o artículos relacionados mediante la búsqueda del vector más cercano en un archivo de medios mixtos.
Ejemplos de prompts
Incruste esta serie de seis fotos de productos para que pueda buscarse mediante texto.
Incruste la consulta en chino '白色运动鞋' para recuperar imágenes de zapatos coincidentes.
Incruste este clip y su pie de foto por separado y compare sus vectores.
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 tamaño de vector devuelve Tongyi Embedding Vision Plus?
1152 dimensiones, fijo. Alibaba no enumera tamaños alternativos para este modelo, por lo que el diseño del índice puede asumir un ancho de vector único para todo. Verifique que su base de datos vectorial esté configurada para ese ancho.
¿Con qué idiomas funciona?
Chino e inglés, según la referencia de Alibaba. Las consultas en otros idiomas no están cubiertas, así que utilice Qwen3-VL-Embedding cuando necesite una mayor cobertura de idiomas para su búsqueda.
¿Puedo incrustar varias imágenes a la vez?
Sí, como una entrada de múltiples imágenes de hasta 8, aunque cada resultado es un embedding independiente en lugar de uno fusionado que combine las imágenes.
¿Cuándo debería elegir Qwen3-VL-Embedding en su lugar?
Cuando necesite dimensiones ajustables, embeddings fusionados o idiomas distintos al chino y al inglés, todo lo cual Qwen3-VL-Embedding proporciona y este modelo no. Elíjalo también cuando sus consultas estén en varios idiomas.
¿Cuánto cuesta Tongyi Embedding Vision Plus?
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 Tongyi Embedding Vision Plus?
Utiliza https://api.tokenlab.sh/v1/multimodal/embeddings para Tongyi Embedding Vision Plus. El ejemplo de solicitud a continuación muestra la estructura de código correspondiente.
¿Qué operaciones soporta Tongyi Embedding Vision Plus?
Tongyi Embedding Vision Plus admite Embedding multimodal. Selecciona una operación arriba para ver su endpoint y ejemplo de solicitud.
Comparar Tongyi Embedding Vision Plus
Fuentes
Revisado el 2 oct 2026
