Alibaba Cloud: Qwen3.7 Text Embedding Flash
qwen3.7-text-embedding-flash- 입력 / 출력
- $0.0184 / $0.00
- 컨텍스트
- 128K
- 모달리티
- 임베딩
Qwen3.7 Text Embedding Flash 소개
Qwen3.7 Text Embedding Flash는 알리바바 Qwen3.7 텍스트 임베딩 모델의 경량 버전으로, 처리량과 인덱스 크기가 중요한 대규모 컬렉션을 위해 구축되었습니다. 알리바바에 따르면 이 모델은 작업 지침을 지원하며, 전체 모델의 256~2560보다 좁은 범위인 256에서 1024 사이의 벡터 차원을 선택할 수 있습니다. 더 낮은 점유 공간으로 다국어 검색을 타겟팅합니다.
강점
- 더 작은 최대 벡터 크기를 통해 수백만 개의 항목이 있는 컬렉션의 인덱스를 간결하게 유지합니다.
- 작업 지침을 지원하므로 쿼리에서 검색 목표를 설명할 수 있습니다.
- 알리바바는 이를 대량 임베딩과 같이 처리량에 민감한 워크로드용으로 포지셔닝합니다.
- 전체 Qwen3.7 모델과 동일한 다국어 텍스트 사용 범위를 지원합니다.
다른 모델이 필요한 경우
- 알리바바는 이를 더 가벼운 모델로 설명하며, 전체 Qwen3.7 Text Embedding 모델이 가장 높은 성능을 제공합니다.
- 차원은 최대 1024까지 지원하며, 전체 모델의 경우 희소 벡터 출력이 나열되어 있습니다.
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-flash", "input": "The quick brown fox jumps over the lazy dog." }'
매개변수
임베딩
| 매개변수 | 값 및 제한 | 기본값 | 참고 |
|---|---|---|---|
dimensions | 256, 512, 768, 1024 | 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$0.01841M Token 당출력$0.001M Token 당
| Official 가격1M Token 당 | Verified 가격1M Token 당 | 할인 | |
|---|---|---|---|
| 입력 | $0.0184 | — | — |
| 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 Embedding Flash을 열고 프롬프트를 수정하거나 전송하세요.
/v1/embeddings에서 text-embedding을(를) 사용하여 qwen3.7-text-embedding-flash을(를) 테스트합니다. 결과와 비용을 확인하세요.
사용 사례
대량 인덱싱
매우 큰 문서 아카이브를 빠르게 임베딩하고 간결한 벡터로 저장하십시오.
상품 검색
쿼리 볼륨이 높은 대규모 카탈로그에서 다국어 검색 기능을 강화하십시오.
중복 제거
적절한 크기의 벡터를 사용하여 대규모 말뭉치에서 거의 동일한 텍스트를 클러스터링함으로써 중복 항목을 저렴하게 찾아내십시오.
프롬프트 예제
카탈로그 검색을 위해 이 500,000개의 상품 설명을 512차원으로 임베딩하십시오.
전자상거래 검색을 위한 지침과 함께 '방수 하이킹 재킷'이라는 쿼리를 임베딩하십시오.
중복 탐지를 위해 이 뉴스 헤드라인 세트를 256차원으로 임베딩하십시오.
비용 계산기
FAQ
전체 Qwen3.7 모델과의 차이점은 무엇인가요?
Flash는 비용과 처리량 중심의 더 가벼운 버전으로, 256에서 1024까지의 차원을 지원합니다. 전체 모델은 2560차원까지 도달하며 알리바바의 최고 성능 임베딩 모델입니다.
어떤 차원을 선택할 수 있나요?
알리바바에 따르면 256에서 1024 사이의 모든 크기를 사용할 수 있습니다. 벡터가 작을수록 저장 공간이 절약되고 유사도 검색 속도가 빨라지며, 클수록 더 많은 세부 정보를 유지합니다.
지침을 지원하나요?
네. 알리바바는 작업 지침 지원을 명시하고 있으므로 상품 검색이나 고객 센터 조회 등 검색 목적을 명시할 수 있습니다. 지침은 평이한 언어로 작성하십시오.
Flash가 프로덕션 검색에 충분한가요?
대규모 컬렉션의 경우 충분한 경우가 많지만, 직접 쿼리로 검증하십시오. 선택한 차원에서 재현율(recall)을 측정하고 전체 모델과 비교한 후 결정하십시오.
Qwen3.7 Text Embedding Flash 의 가격은 얼마인가요?
TokenLab 에서 Qwen3.7 Text Embedding Flash 은 입력 $0.0184 / 출력 $0.00 1M Token 당 입니다. 자세한 내역은 위 가격 표를 확인하세요.
Qwen3.7 Text Embedding Flash 은 어떤 엔드포인트를 써야 하나요?
Qwen3.7 Text Embedding Flash에 대해 https://api.tokenlab.sh/v1/embeddings를 사용하세요. 아래 요청 예시는 일치하는 코드 형태를 보여줍니다.
Qwen3.7 Text Embedding Flash 은 어떤 오퍼레이션을 지원하나요?
Qwen3.7 Text Embedding Flash은(는) 임베딩을(를) 지원합니다. 엔드포인트와 요청 예시를 보려면 위에서 작업을 선택하세요.
Qwen3.7 Text Embedding Flash 비교하기
출처
2026. 10. 2. 검토 완료
