Alibaba Cloud: Qwen3.7 Text Embedding
qwen3.7-text-embedding- 入力 / 出力
- $0.0735 / $0.00
- コンテキスト
- 128K
- モダリティ
- 埋め込み
Qwen3.7 Text Embedding について
Qwen3.7 Text Embeddingは、多言語テキストを検索やクラスタリングのためのベクトルに変換するAlibabaのフラッグシップテキスト埋め込みモデルです。Alibabaは、非常に長い単一入力、256から2560次元の出力サイズ、タスク指示、およびスパースベクトルについて文書化しています。これはフルサイズのオプションであり、Qwen3.7 Text Embedding Flashはより軽量なモデルです。
得意なこと
- 非常に長い単一入力を受け付けるため、チャンク分割ではなくドキュメント全体を埋め込むのに適しています。
- 256から2560次元の出力サイズにより、インデックスサイズと詳細度のバランスを調整できます。
- 指示（instruct）パラメータを使用することで、ドキュメント検索などの検索タスクを記述できます。
- Alibabaによると、ハイブリッド検索のために密ベクトル（dense vectors）に加えてスパースベクトル（sparse vectors）の出力をサポートしています。
他のモデルを検討すべきケース
- 次元数が高いほどインデックスのストレージコストが増加するため、非常に大規模なコレクションにはFlashバージョンが適しています。
- テキストのみを埋め込みます。画像や動画にはQwen3-VL-Embedding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。
埋め込みTokenLab エンドポイントPOST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3.7-text-embedding", "input": "The quick brown fox jumps over the lazy dog." }'
パラメータ
埋め込み
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
dimensions | 256, 512, 768, 1024, 1536, 2048, 2560 | 未提供 | 未提供 |
encoding_format | float | 未提供 | 未提供 |
input | 入力数: ≥ 1, ≤ 20 | 未提供 | Each input row is limited to 128000 tokens. |
user | 未提供 | 未提供 | 未提供 |
TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.
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。
料金
100万トークンあたり- Verified 価格
- —
- Official 価格
- 入力$0.0735100万トークンあたり出力$0.00100万トークンあたり
| 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 | |
|---|---|---|---|
| 入力 | $0.0735 | — | — |
| 出力 | $0.00 | — | — |
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Qwen3.7 Text Embeddingを開き、プロンプトを編集・送信できます。
qwen3.7-text-embeddingと/v1/embeddingsでtext-embeddingを実行。結果とコストを表示します。
ユースケース
長文ドキュメントの検索
長いレポートやマニュアルを単一のアイテムとして埋め込み、細かくチャンク分割することなく検索できます。
ハイブリッド検索
密ベクトルとスパースベクトルを組み合わせることで、意味と正確なキーワードの両方を捉えることができます。
多言語ナレッジベース
多言語で書かれた社内Wikiを、どの言語のクエリからでも検索できます。
プロンプト例
この60ページのポリシー文書を1つのアイテムとして埋め込み、後で検索できるようにしてください。
ヘルプセンターの検索タスクを記述した指示を添えて、「APIキーをローテーションする方法」というクエリを埋め込んでください。
これらの多言語サポート記事を、クラスタリングのために1024次元で埋め込んでください。
料金計算
FAQ
Qwen3.7 Text Embeddingはどのような次元数を提供していますか？
2560、2048、1536、1024（デフォルト）、768、512、256です。精度を極限まで追求するよりも、インデックスのストレージ容量や検索速度が重要な場合は、より低い値を選択してください。
1つのアイテムにはどれくらいのテキストが入りますか？
Alibabaは非常に長い単一入力を文書化しており、text-embedding-v4よりもアイテムあたりの許容量がはるかに大きいため、多くの場合ドキュメント全体をチャンク分割なしで収めることができます。また、1リクエストで最大20アイテムまで送信可能です。
指示（instruct）パラメータとは何ですか？
タスクを記述する短い指示で、例えばドキュメントに対する検索クエリなどが該当します。Alibabaは、これを使用することで1〜5パーセントの精度向上が見られると報告しています。
Qwen3.7とtext-embedding-v4のどちらを選ぶべきですか？
Qwen3.7は、より長い入力とより大きなベクトルサイズに対応しています。text-embedding-v4は64次元まで選択可能です。ドキュメントの長さとストレージ予算に基づいて選択し、それぞれのモデルでご自身のドキュメントの再現性をテストしてください。
Qwen3.7 Text Embedding の料金はいくらですか？
TokenLab では Qwen3.7 Text Embedding は 入力 $0.0735 / 出力 $0.00 100万トークンあたり です。詳細は上の料金表を参照してください。
Qwen3.7 Text Embedding はどのエンドポイントを使うべきですか？
Qwen3.7 Text Embedding のデフォルトは https://api.tokenlab.sh/v1/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。
Qwen3.7 Text Embedding はどの操作に対応していますか？
Qwen3.7 Text Embedding は 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。
Qwen3.7 Text Embedding を比較する
ソース
2026/10/02 時点での評価
