Alibaba Cloud: Qwen3.7 Text Embedding
qwen3.7-text-embedding- 입력 / 출력
- $0.0735 / $0.00
- 컨텍스트
- 128K
- 모달리티
- 임베딩
Qwen3.7 Text Embedding 소개
Qwen3.7 Text Embedding은 다국어 텍스트를 검색 및 클러스터링을 위한 벡터로 변환하는 알리바바의 플래그십 텍스트 임베딩 모델입니다. 알리바바는 매우 긴 단일 입력, 256에서 2560 차원의 출력 크기, 작업 지침 및 희소 벡터(sparse vector)를 지원한다고 문서화하고 있습니다. 이는 풀 사이즈 옵션이며, Qwen3.7 Text Embedding Flash는 더 가벼운 버전입니다.
강점
- 매우 긴 단일 입력을 허용하므로 청킹(chunking) 대신 전체 문서 임베딩에 적합합니다.
- 256에서 2560 차원의 출력 크기를 통해 인덱스 크기와 세부 정보 사이의 균형을 조정할 수 있습니다.
- 지침(instruct) 매개변수를 통해 문서 검색과 같은 검색 작업을 설명할 수 있습니다.
- 알리바바에 따르면 하이브리드 검색을 위해 밀집 벡터(dense vector) 외에도 희소 벡터 출력을 지원합니다.
다른 모델이 필요한 경우
- 차원이 높을수록 인덱스 저장 비용이 증가하므로, 매우 큰 데이터셋에는 Flash 버전이 더 적합합니다.
- 텍스트만 임베딩하며, 이미지와 비디오는 Qwen3-VL-Embedding이 필요합니다.
시작하기
API 키 만들기
Console에서 키를 만들고 플랫폼의 모든 모델에 사용하세요.
첫 번째 요청 보내기
사용 중인 언어의 예시를 복사하여 엔드포인트에 실행하세요.
임베딩TokenLab 엔드포인트POST/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." }'
매개변수
임베딩
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
dimensions | 256, 512, 768, 1024, 1536, 2048, 2560 | 제공되지 않음 | 제공되지 않음 |
encoding_format | float | 제공되지 않음 | 제공되지 않음 |
input | 입력 수: ≥ 1, ≤ 20 | 제공되지 않음 | Each input row is limited to 128000 tokens. |
user | 제공되지 않음 | 제공되지 않음 | 제공되지 않음 |
TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.
가격 책정
Verified 가격은 Verified에 적용되며 대부분의 모델에서 더 저렴합니다. Official 가격은 모델 제조사가 공개한 가격으로, 더 안정적인 Official 경로에 적용됩니다. Auto는 요청을 완료한 경로의 가격으로 청구합니다.
가격 책정
1M Token 당- Verified 가격
- —
- Official 가격
- 입력$0.07351M Token 당출력$0.001M Token 당
| Official 가격1M Token 당 | Verified 가격1M Token 당 | 할인 | |
|---|---|---|---|
| 입력 | $0.0735 | — | — |
| 출력 | $0.00 | — | — |
사용량 및 활동
성공률은 완료된 요청의 비율입니다. 지연 시간은 전체 응답에 걸리는 시간이며, P95는 요청의 95%가 해당 시간 내에 완료되었음을 의미합니다.
사용량 및 가용성
지난 24시간- 요청
- 성공률
- P95 지연 시간
- 총 토큰
데이터는 상태 확인을 제외한 집계된 사용자 요청을 기반으로 합니다.
Console에서 열기
Console에서 Qwen3.7 Text Embedding을 열고 프롬프트를 수정하거나 전송하세요.
/v1/embeddings에서 text-embedding을(를) 사용하여 qwen3.7-text-embedding을(를) 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
긴 문서 검색
긴 보고서나 매뉴얼을 단일 항목으로 임베딩하여 과도한 청킹 없이 검색하세요.
하이브리드 검색
밀집 벡터와 희소 벡터를 결합하여 의미와 정확한 키워드를 모두 포착하세요.
다국어 지식 베이스
여러 언어로 작성된 회사 위키를 어떤 언어의 쿼리로든 검색하세요.
프롬프트 예제
이 60페이지 분량의 정책 문서를 나중에 검색할 수 있도록 하나의 항목으로 임베딩하세요.
도움말 센터 검색 작업을 설명하는 지침과 함께 'API 키를 회전하는 방법'이라는 쿼리를 임베딩하세요.
클러스터링을 위해 이 다국어 지원 문서를 1024 차원으로 임베딩하세요.
비용 계산기
FAQ
Qwen3.7 Text Embedding은 어떤 차원을 제공하나요?
2560, 2048, 1536, 1024(기본값), 768, 512, 256을 제공합니다. 인덱스 저장 공간이나 검색 속도가 정확도보다 중요할 때 낮은 값을 선택하세요.
한 항목에 얼마나 많은 텍스트가 들어갈 수 있나요?
알리바바는 매우 긴 단일 입력을 문서화하고 있으며, 이는 text-embedding-v4가 허용하는 것보다 항목당 훨씬 깁니다. 따라서 전체 문서를 청킹 없이 포함하는 경우가 많습니다. 별도로, 한 번의 요청에 최대 20개의 항목을 포함할 수 있습니다.
지침(instruct) 매개변수란 무엇인가요?
문서 검색 쿼리와 같이 작업을 설명하는 짧은 지침입니다. 알리바바는 이를 사용할 경우 1~5%의 성능 향상이 있다고 보고합니다.
Qwen3.7과 text-embedding-v4 중 무엇을 선택해야 하나요?
Qwen3.7은 훨씬 긴 입력과 더 큰 벡터를 허용합니다. text-embedding-v4는 64까지 더 작은 차원 선택지를 제공합니다. 문서 길이와 저장 예산에 따라 선택한 후, 각 모델로 본인의 문서에 대한 재현율을 테스트해 보세요.
Qwen3.7 Text Embedding 의 가격은 얼마인가요?
TokenLab 에서 Qwen3.7 Text Embedding 은 입력 $0.0735 / 출력 $0.00 1M Token 당 입니다. 자세한 내역은 위 가격 표를 확인하세요.
Qwen3.7 Text Embedding 은 어떤 엔드포인트를 써야 하나요?
Qwen3.7 Text Embedding에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Qwen3.7 Text Embedding 은 어떤 오퍼레이션을 지원하나요?
Qwen3.7 Text Embedding은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Qwen3.7 Text Embedding 비교하기
출처
2026. 10. 2. 검토 완료
