Alibaba Cloud: Qwen3-VL-Embedding
qwen3-vl-embedding- 入力 / 出力
- $0.10 / —
- コンテキスト
- 32K
- モダリティ
- 埋め込みビジョン
Qwen3-VL-Embedding について
Qwen3-VL-Embeddingは、Alibabaのマルチモーダル埋め込みモデルです。テキスト、画像、動画をベクトルに変換し、一つのクエリでそれらすべてを検索可能にします。Alibabaは33の主要言語に対応し、出力サイズは256から2560次元まで選択可能であるとしており、複数の入力を一つのベクトルに統合するフュージョンモードも備えています。Alibabaの2つのマルチモーダル埋め込みモデルの中で、より柔軟性の高いモデルです。
得意なこと
- テキスト、画像、動画、および複数の画像を一つのモデルで埋め込み、クロスモーダル検索を可能にします。
- 256から2560次元まで出力サイズを選択できるため、精度とストレージ容量のトレードオフを調整できます。
- フュージョンモードは、画像とそのキャプションなど、リクエストに含まれるすべての入力を一つのベクトルに統合します。
- Alibabaの参照情報によると、33の主要言語をカバーしています。
他のモデルを検討すべきケース
- 2560次元の大きなベクトルはインデックスサイズを増大させるため、ストレージが重要な場合はより小さいサイズを選択してください。
- ベクトルのみを出力するため、結果のランキングや回答の生成には別のモデルが必要です。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
マルチモーダル埋め込みTokenLab エンドポイントPOST/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." } }'
パラメータ
マルチモーダル埋め込み
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
dimensions | 未提供 | 未提供 | 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 | 未提供 | 未提供 | 未提供 |
input_modality | 未提供 | 未提供 | 未提供 |
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.
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
Default
100万トークンあたり- Official 価格
- 入力 $0.10 / テキスト 入力 $0.10 / 画像 入力 $0.258
- Verified 価格
- —
- 割引
- —
| Official 価格100万トークンあたり | Verified 価格100万トークンあたり | 割引 | |
|---|---|---|---|
| Default | 入力 $0.10 / テキスト 入力 $0.10 / 画像 入力 $0.258 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでQwen3-VL-Embeddingを開き、プロンプトを編集・送信できます。
qwen3-vl-embeddingと/v1/multimodal/embeddingsでmultimodal-embeddingを実行。結果とコストを表示します。
ユースケース
向いている用途- ビジョン
テキストによる画像検索
フォトライブラリをベクトルとしてインデックス化し、複数の言語で書かれた説明文から画像を検索します。
製品カタログ
各製品写真とそのタイトルを一つのベクトルに統合することで、ユーザーが外観やキーワードから商品を見つけられるようにします。
動画検索
動画クリップを埋め込み、すべてのクリップを手作業でタグ付けする代わりに、プレーンテキストのクエリで映像を検索できるようにします。
プロンプト例
この製品写真とタイトルテキストを一つの統合されたベクトルとして埋め込みます。
画像検索のために「明るいリビングルームにある赤い革のソファ」というクエリを埋め込みます。
この20秒の動画クリップを埋め込み、テキスト検索で見つけられるようにします。
このモデルは条件付き料金です。月間トークン総量だけでは確実な見積もりができません。リクエスト仕様・キャッシュ・該当時間帯に応じた詳細料金をご利用ください。
FAQ
Qwen3-VL-Embeddingは何を埋め込めますか？
テキスト、画像、動画、および複数の画像です。Alibabaの参照情報には、入力ごとの独立した埋め込みと、すべての入力をまとめて一つのベクトルとして返すフュージョンモードの両方が記載されています。
どのような出力次元が利用可能ですか？
デフォルトは2560で、代替として2048、1536、1024、768、512、256が用意されています。サイズを小さくすると、検索精度は多少低下しますが、インデックスの容量を節約できます。小さいサイズでも十分な検索結果が得られることが多いため、まずは自身のクエリで小さいサイズを試してください。
どの言語に対応していますか？
Alibabaは中国語、英語、日本語、韓国語、フランス語、ドイツ語を含む33の主要言語を挙げており、多くの言語のクエリで同じ画像を検索できます。マイナーな言語については、導入前にサンプルで確認してください。
Tongyi Embedding Vision Plusとの違いは何ですか？
Qwen3-VL-Embeddingは、調整可能な次元数、フュージョンモード、より広範な言語対応を提供します。Tongyi Embedding Vision Plusは出力サイズが固定されており、中国語と英語のみに限定されています。
Qwen3-VL-Embedding の料金はいくらですか？
料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
Qwen3-VL-Embedding はどのエンドポイントを使うべきですか？
Qwen3-VL-Embedding のデフォルトは https://api.tokenlab.sh/v1/multimodal/embeddings です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
Qwen3-VL-Embedding はどの操作に対応していますか？
Qwen3-VL-Embedding は マルチモーダル埋め込み に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
Qwen3-VL-Embedding を比較する
ソース
2026/10/02 時点での評価
