Alibaba Cloud: Tongyi Embedding Vision Plus

Tongyi Embedding Vision Plus crée des représentations vectorielles pour du matériel visuel et textuel. Il est utile pour les catalogues multimédias, où un système de recherche doit connecter des images avec des légendes ou du contenu connexe.

Comparer les modèles

tongyi-embedding-vision-plus

DisponibleAlibaba CloudVectorisationSynchrone

Entrée / Sortie: $0.09 / —
Modalités: VectorisationVision

À propos de Tongyi Embedding Vision Plus

Tongyi Embedding Vision Plus est un modèle d'embedding multimodal d'Alibaba qui génère des vecteurs pour le texte, les images et la vidéo. Il produit une taille fixe unique de 1152 dimensions, prend en charge le chinois et l'anglais, et peut traiter une séquence allant jusqu'à 8 images. Contrairement à Qwen3-VL-Embedding, il renvoie uniquement des embeddings indépendants, sans mode de fusion ni taille ajustable.

Points forts

Intègre du texte, des images et des vidéos dans un même espace vectoriel pour une recherche intermodale.
Accepte une séquence allant jusqu'à huit images dans une seule entrée.
La sortie fixe de 1152 dimensions simplifie la conception de l'index.
Convient aux catalogues en chinois et en anglais, les deux langues listées par Alibaba pour ce modèle.

Quand préférer un autre modèle

Les langues sont limitées au chinois et à l'anglais, alors que Qwen3-VL-Embedding en couvre 33.
Les dimensions ne peuvent pas être modifiées et les embeddings fusionnés ne sont pas proposés.

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 TokenLab

POST/v1/multimodal/embeddings

curl -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."
  }
}'

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 $0.09 / Texte Entrée $0.09 / Image Entrée $0.09
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Default	Entrée $0.09 / Texte Entrée $0.09 / Image Entrée $0.09	—	—

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

Performance du modèle

Dernière mise à jour 1 nov. 2026, 08:48 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Tongyi Embedding Vision Plus dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester tongyi-embedding-vision-plus avec multimodal-embedding sur /v1/multimodal/embeddings. Affiche le résultat et le coût.

Cas d'usage

Idéal pour

Vision

Catalogues multimédias mixtes
Indexez ensemble les photos de produits et leurs descriptions afin que les requêtes textuelles permettent de retrouver les images correspondantes.
Correspondance de séquences d'images
Intégrez une séquence allant jusqu'à huit images, comme une série de photos de produits, et comparez-la avec du texte.
Association de légendes
Reliez des images à des légendes ou à des articles connexes par une recherche de vecteurs les plus proches dans une archive multimédia mixte.

Exemples de prompts

Intégrez cette série de six photos de produits afin qu'elle puisse être recherchée par texte.

Intégrez la requête chinoise « 白色运动鞋 » pour récupérer les images de chaussures correspondantes.

Intégrez ce clip et sa légende séparément, puis comparez leurs vecteurs.

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

Quelle taille de vecteur Tongyi Embedding Vision Plus renvoie-t-il ?

1152 dimensions, fixe. Alibaba ne liste pas de tailles alternatives pour ce modèle ; la conception de l'index peut donc supposer une largeur de vecteur unique pour tout. Vérifiez que votre base de données vectorielle est configurée pour cette largeur.

Avec quelles langues fonctionne-t-il ?

Le chinois et l'anglais, selon la documentation d'Alibaba. Les requêtes dans d'autres langues ne sont pas prises en charge ; utilisez donc Qwen3-VL-Embedding si vous avez besoin d'une couverture linguistique plus large pour votre recherche.

Puis-je intégrer plusieurs images à la fois ?

Oui, en tant qu'entrée multi-images allant jusqu'à 8 images, bien que chaque résultat soit un embedding indépendant plutôt qu'un embedding fusionné qui combinerait les images.

Quand devrais-je choisir Qwen3-VL-Embedding à la place ?

Lorsque vous avez besoin de dimensions ajustables, d'embeddings fusionnés ou de langues autres que le chinois et l'anglais, fonctionnalités fournies par Qwen3-VL-Embedding mais pas par ce modèle. Choisissez-le également si vos requêtes sont formulées dans plusieurs langues.

Combien coûte Tongyi Embedding Vision Plus ?

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 Tongyi Embedding Vision Plus doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/multimodal/embeddings pour Tongyi Embedding Vision Plus. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Tongyi Embedding Vision Plus prend-il en charge ?

Tongyi Embedding Vision Plus prend en charge Embedding multimodal. Sélectionnez une opération pour voir l'endpoint et un exemple.