Alibaba Cloud: Qwen3-VL-Embedding
qwen3-vl-embedding- Entrée / Sortie
- $0.10 / —
- Contexte
- 32K
- Modalités
- VectorisationVision
À propos de Qwen3-VL-Embedding
Qwen3-VL-Embedding est le modèle de plongement multimodal d'Alibaba : il convertit le texte, les images et la vidéo en vecteurs afin qu'une seule requête puisse récupérer n'importe lequel de ces éléments. Alibaba répertorie 33 langues principales et des tailles de sortie sélectionnables de 256 à 2560 dimensions, ainsi qu'un mode de fusion qui combine plusieurs entrées en un seul vecteur. Il s'agit du plus flexible des deux modèles de plongement multimodal d'Alibaba.
Points forts
- Intègre du texte, des images, de la vidéo et plusieurs images dans un seul modèle, permettant une recherche intermodale.
- Des tailles de sortie sélectionnables de 256 jusqu'à 2560 dimensions vous permettent d'arbitrer entre précision et stockage.
- Le mode de fusion combine toutes les entrées d'une requête en un seul vecteur, comme une image et sa légende.
- Couvre 33 langues principales selon la documentation d'Alibaba.
Quand préférer un autre modèle
- Les grands vecteurs de 2560 dimensions augmentent la taille de l'index ; choisissez donc une taille plus petite si le stockage est une contrainte.
- Il produit uniquement des vecteurs ; le classement des résultats ou la génération de réponses nécessite un autre modèle.
Pour commencer
Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.
Envoyez votre première requête
Copiez l'exemple pour votre langage et lancez-le.
Embedding multimodalEndpoint 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." } }'
Paramètres
Embedding multimodal
| Paramètre | Valeurs et limites | Valeur par défaut | Remarques |
|---|---|---|---|
dimensions | Non fourni | Non fourni | 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 | Non fourni | Non fourni | Non fourni |
input_modality | Non fourni | Non fourni | Non fourni |
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.
Tarification
Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.
Default
Par 1M Token- Prix Official
- Entrée $0.10 / Texte Entrée $0.10 / Image Entrée $0.258
- Prix Verified
- —
- Remise
- —
| Prix OfficialPar 1M Token | Prix VerifiedPar 1M Token | Remise | |
|---|---|---|---|
| Default | Entrée $0.10 / Texte Entrée $0.10 / Image Entrée $0.258 | — | — |
Utilisation et activité
Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.
Utilisation et disponibilité
Dernières 24 heures- Requêtes
- Taux de succès
- Latence P95
- Total des jetons
Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.
Ouvrir dans Console
Ouvrez Qwen3-VL-Embedding dans Console avec un prompt prêt à modifier ou envoyer.
Aide-moi à tester qwen3-vl-embedding avec multimodal-embedding sur /v1/multimodal/embeddings. Affiche le résultat et le coût.
Cas d'usage
Idéal pour- Vision
Recherche d'images par texte
Indexez une photothèque sous forme de vecteurs et récupérez des images à partir d'une description écrite en plusieurs langues.
Catalogues de produits
Fusionnez chaque photo de produit avec son titre en un seul vecteur afin que les clients puissent trouver des articles par leur apparence ou par des mots.
Récupération vidéo
Intégrez des clips vidéo et permettez aux éditeurs de trouver des séquences avec une requête en texte brut, au lieu d'étiqueter chaque clip manuellement.
Exemples de prompts
Intégrez cette photo de produit avec son texte de titre sous forme d'un vecteur fusionné unique.
Intégrez la requête « canapé en cuir rouge dans un salon lumineux » pour la récupération d'images.
Intégrez ce clip vidéo de 20 secondes afin qu'il puisse être trouvé via des recherches textuelles.
Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.
FAQ
Que peut intégrer Qwen3-VL-Embedding ?
Du texte, des images, de la vidéo et plusieurs images. La documentation d'Alibaba répertorie à la fois des plongements indépendants par entrée et un mode fusionné qui renvoie un vecteur unique pour l'ensemble des entrées.
Quelles dimensions de sortie sont disponibles ?
2560 par défaut, avec 2048, 1536, 1024, 768, 512 et 256 comme alternatives. Les tailles plus petites économisent de l'espace d'index au prix d'une certaine perte de précision de récupération. Testez d'abord une taille plus petite sur vos propres requêtes, car elle offre souvent des résultats presque aussi performants.
Quelles langues prend-il en charge ?
Alibaba répertorie 33 langues principales, dont le chinois, l'anglais, le japonais, le coréen, le français et l'allemand, permettant ainsi à des requêtes dans de nombreuses langues de trouver les mêmes images. Vérifiez les langues rares sur des échantillons avant le lancement.
En quoi diffère-t-il de Tongyi Embedding Vision Plus ?
Qwen3-VL-Embedding offre des dimensions ajustables, un mode fusionné et une couverture linguistique plus large. Tongyi Embedding Vision Plus possède une taille de sortie fixe et est limité au chinois et à l'anglais.
Combien coûte Qwen3-VL-Embedding ?
Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.
Quel endpoint Qwen3-VL-Embedding doit-il utiliser ?
Utilisez https://api.tokenlab.sh/v1/multimodal/embeddings pour Qwen3-VL-Embedding. L'exemple de requête ci-dessous montre la structure de code correspondante.
Quelles opérations Qwen3-VL-Embedding prend-il en charge ?
Qwen3-VL-Embedding prend en charge Embedding multimodal. Sélectionnez une opération pour voir l'endpoint et un exemple.
Comparer Qwen3-VL-Embedding
Sources
Mis à jour le 2 oct. 2026
