Alibaba Cloud: Qwen3.7 Text Embedding Flash

Qwen3.7 Text Embedding Flash menawarkan representasi vektor yang lebih ringan untuk pencarian multibahasa. Rentang dimensinya yang lebih kecil berguna untuk koleksi besar di mana throughput penyematan dan ukuran indeks menjadi kendala praktis.

Bandingkan model

qwen3.7-text-embedding-flash

TersediaAlibaba CloudEmbeddingSinkronkan

Masukan / Keluaran: $0.0184 / $0.00
Konteks: 128K
Modalitas: Embedding

Tentang Qwen3.7 Text Embedding Flash

Qwen3.7 Text Embedding Flash adalah versi ringan dari model penyematan teks Qwen3.7 Alibaba, yang dibuat untuk koleksi besar di mana throughput dan ukuran indeks menjadi prioritas. Alibaba menyatakan bahwa model ini mendukung instruksi tugas dan memungkinkan Anda memilih dimensi vektor dari 256 hingga 1024, rentang yang lebih sempit daripada model lengkapnya yang berkisar antara 256 hingga 2560. Model ini menargetkan pencarian multibahasa dengan jejak yang lebih kecil.

Kelebihan

Ukuran vektor maksimum yang lebih kecil menjaga indeks tetap ringkas untuk koleksi dengan jutaan item.
Mendukung instruksi tugas, sehingga kueri dapat mendeskripsikan tujuan pengambilan.
Alibaba memposisikannya untuk beban kerja yang sensitif terhadap throughput seperti penyematan massal.
Mencakup penggunaan teks multibahasa yang sama dengan model Qwen3.7 lengkap.

Kapan harus beralih

Alibaba menggambarkannya sebagai model yang lebih ringan; Qwen3.7 Text Embedding lengkap adalah model dengan performa tertinggi.
Dimensinya mencapai maksimal 1024, dan output vektor jarang (sparse) tercantum untuk model lengkap.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

EmbeddingEndpoint 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": "qwen3.7-text-embedding-flash",
  "input": "The quick brown fox jumps over the lazy dog."
}'

Parameter

Embedding

Parameter	Nilai dan batas	Nilai bawaan	Catatan
`dimensions`	256, 512, 768, 1024	Tidak disediakan	Tidak disediakan
`encoding_format`	float	Tidak disediakan	Tidak disediakan
`input`	Jumlah masukan: ≥ 1, ≤ 20	Tidak disediakan	Each input row is limited to 128000 tokens.
`user`	Tidak disediakan	Tidak disediakan	Tidak disediakan

TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Penetapan Harga

per 1M token

Harga Verified: —
Harga Official: Masukan$0.0184per 1M tokenKeluaran$0.00per 1M token

	Harga Officialper 1M token	Harga Verifiedper 1M token	Diskon
Masukan	$0.0184	—	—
Keluaran	$0.00	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 13 Nov 2026, 05.01 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Qwen3.7 Text Embedding Flash di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba qwen3.7-text-embedding-flash dengan text-embedding di /v1/embeddings. Tampilkan hasil dan biayanya.

Skenario penggunaan

Pengindeksan massal
Sematkan arsip dokumen yang sangat besar dengan cepat dan simpan vektor yang ringkas.
Pencarian produk
Dukung pencarian multibahasa di katalog besar dengan volume kueri yang tinggi.
Deduplikasi
Kelompokkan teks yang hampir identik di seluruh korpus besar menggunakan vektor sederhana, sehingga duplikat ditemukan dengan biaya murah.

Contoh prompt

Sematkan 500.000 deskripsi produk ini pada 512 dimensi untuk pencarian katalog.

Sematkan kueri 'jaket hiking tahan air' dengan instruksi untuk pengambilan e-commerce.

Sematkan kumpulan tajuk berita ini pada 256 dimensi untuk deteksi duplikat.

Kalkulator biaya

Token input bulanan1M token

Token output bulanan0.5M token

Perkiraan biaya bulanan$0.018382

FAQ

Apa perbedaannya dengan model Qwen3.7 lengkap?

Flash adalah versi yang lebih ringan, berorientasi pada biaya dan throughput, dengan dimensi dari 256 hingga 1024. Model lengkap mencapai 2560 dimensi dan merupakan model penyematan dengan performa terbaik dari Alibaba.

Dimensi apa yang bisa saya pilih?

Alibaba menyatakan bahwa ukuran apa pun dari 256 hingga 1024 tersedia. Vektor yang lebih kecil mengurangi penyimpanan dan mempercepat pencarian kemiripan, sementara yang lebih besar menyimpan lebih banyak detail.

Apakah model ini mendukung instruksi?

Ya. Alibaba mencantumkan dukungan instruksi tugas, sehingga Anda dapat menyatakan tujuan pengambilan, seperti pencarian produk atau pencarian pusat bantuan. Tulis instruksi dalam bahasa yang lugas.

Apakah Flash cukup untuk pencarian produksi?

Seringkali ya untuk koleksi besar, tetapi verifikasi dengan kueri Anda sendiri. Ukur recall pada dimensi yang Anda pilih dan bandingkan dengan model lengkap sebelum memutuskan.

Berapa biaya Qwen3.7 Text Embedding Flash?

Di TokenLab, Qwen3.7 Text Embedding Flash dikenakan Masukan $0.0184 / Keluaran $0.00 per 1M token. Tabel harga di atas menampilkan rincian lengkap.

Endpoint mana yang harus digunakan Qwen3.7 Text Embedding Flash?

Pakai https://api.tokenlab.sh/v1/embeddings sebagai default untuk Qwen3.7 Text Embedding Flash. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Qwen3.7 Text Embedding Flash?

Qwen3.7 Text Embedding Flash mendukung Embedding. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.