Alibaba Cloud: Tongyi Embedding Vision Plus
tongyi-embedding-vision-plus- 入力 / 出力
- $0.09 / —
- モダリティ
- 埋め込みビジョン
Tongyi Embedding Vision Plus について
Tongyi Embedding Vision Plusは、テキスト、画像、動画のベクトルを生成するAlibabaのマルチモーダル埋め込みモデルです。1152次元の固定サイズで出力し、中国語と英語をサポートしており、最大8枚の画像シーケンスを入力可能です。Qwen3-VL-Embeddingとは異なり、独立した埋め込みのみを返し、融合モードやサイズの調整機能はありません。
得意なこと
- テキスト、画像、動画を同一のベクトル空間に埋め込み、クロスモーダル検索を可能にします。
- 1回の入力で最大8枚までの画像シーケンスを受け付けます。
- 1152次元の固定出力により、インデックス設計を簡素化します。
- Alibabaが対応言語として挙げている中国語と英語のカタログに適しています。
他のモデルを検討すべきケース
- 対応言語は中国語と英語に限定されています（Qwen3-VL-Embeddingは33言語に対応）。
- 次元数は変更できず、融合埋め込み（fused embeddings）も提供されません。
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": "tongyi-embedding-vision-plus", "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 $0.09 / テキスト 入力 $0.09 / 画像 入力 $0.09
- 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 $0.09 / テキスト 入力 $0.09 / 画像 入力 $0.09 | — | — |
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Tongyi Embedding Vision Plusを開き、プロンプトを編集・送信できます。
tongyi-embedding-vision-plus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
混合メディアカタログ
製品写真と説明文をまとめてインデックス化し、テキストクエリで一致する画像を検索できるようにします。
画像シーケンスマッチング
製品写真シリーズなどの最大8枚の画像シーケンスを埋め込み、テキストと比較します。
キャプションのペアリング
混合メディアアーカイブ全体で最近傍ベクトル検索を行い、画像とキャプションや関連記事を紐付けます。
プロンプト例
この6枚の製品写真シリーズを埋め込み、テキストで検索できるようにします。
中国語のクエリ「白色运动鞋（白いスニーカー）」を埋め込み、一致する靴の画像を検索します。
このクリップとそのキャプションを個別に埋め込み、それぞれのベクトルを比較します。
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
Tongyi Embedding Vision Plusはどの程度のベクトルサイズを返しますか？
1152次元で固定されています。Alibabaはこのモデルに対して代替サイズを提示していないため、インデックス設計ではすべてのデータに対して単一のベクトル幅を想定できます。ベクトルデータベースがその幅に合わせて設定されていることを確認してください。
どの言語に対応していますか？
Alibabaの参照情報によると、中国語と英語に対応しています。他の言語のクエリは対象外であるため、検索においてより広範な言語対応が必要な場合はQwen3-VL-Embeddingを使用してください。
複数の画像を一度に埋め込むことはできますか？
はい、最大8枚までのマルチ画像入力として可能です。ただし、各結果は独立した埋め込みであり、画像を統合した融合埋め込みではありません。
どのような場合にQwen3-VL-Embeddingを選択すべきですか？
次元の調整、融合埋め込み、または中国語と英語以外の言語が必要な場合です。これらはすべてQwen3-VL-Embeddingで提供されており、本モデルでは提供されていません。また、クエリが複数の言語にわたる場合にも選択してください。
Tongyi Embedding Vision Plus 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。
Tongyi Embedding Vision Plus はどのエンドポイントを使うべきですか？
Tongyi Embedding Vision Plus 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。
Tongyi Embedding Vision Plus はどの操作に対応していますか？
Tongyi Embedding Vision Plus 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。
Tongyi Embedding Vision Plus を比較する
ソース
2026/10/02 時点での評価
