Alibaba Cloud: Qwen3.7 Text Embedding Flash
qwen3.7-text-embedding-flash- Entrada / Saída
- $0.0184 / $0.00
- Contexto
- 128K
- Modalidades
- Incorporação
Sobre o Qwen3.7 Text Embedding Flash
O Qwen3.7 Text Embedding Flash é a versão leve do modelo de incorporação de texto Qwen3.7 da Alibaba, criado para grandes coleções onde o throughput e o tamanho do índice são importantes. A Alibaba afirma que ele suporta instruções de tarefa e permite escolher dimensões de vetor de 256 a 1024, uma faixa mais estreita do que a do modelo completo, que vai de 256 a 2560. Ele é voltado para busca multilíngue com menor ocupação de recursos.
Pontos fortes
- Um tamanho máximo de vetor menor mantém os índices compactos para coleções com muitos milhões de itens.
- Suporta instruções de tarefa, para que as consultas possam descrever o objetivo da recuperação.
- A Alibaba o posiciona para cargas de trabalho sensíveis ao throughput, como incorporação em massa.
- Cobre o mesmo uso de texto multilíngue que o modelo Qwen3.7 completo.
Quando usar outro modelo
- A Alibaba o descreve como o modelo mais leve; o Qwen3.7 Text Embedding completo é o de maior desempenho.
- Suas dimensões chegam a 1024, e a saída de vetor esparso é listada para o modelo completo.
Primeiros passos
Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.
Envie sua primeira requisição
Copie o exemplo para sua linguagem e execute-o no endpoint.
IncorporaçãoEndpoint do TokenLabPOST/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." }'
Parâmetros
Incorporação
| Parâmetro | Valores e limites | Padrão | Notas |
|---|---|---|---|
dimensions | 256, 512, 768, 1024 | Não fornecido | Não fornecido |
encoding_format | float | Não fornecido | Não fornecido |
input | Entradas: ≥ 1, ≤ 20 | Não fornecido | Each input row is limited to 128000 tokens. |
user | Não fornecido | Não fornecido | Não fornecido |
TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.
Preço
O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.
Preço
Por 1M Token- Preço Verified
- —
- Preço Official
- Entrada$0.0184Por 1M TokenSaída$0.00Por 1M Token
| Preço OfficialPor 1M Token | Preço VerifiedPor 1M Token | Desconto | |
|---|---|---|---|
| Entrada | $0.0184 | — | — |
| Saída | $0.00 | — | — |
Uso e atividade
A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.
Uso e disponibilidade
Últimas 24 horas- Requisições
- Taxa de sucesso
- Latência P95
- Total de tokens
Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.
Abrir no Console
Abra Qwen3.7 Text Embedding Flash no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar qwen3.7-text-embedding-flash com text-embedding em /v1/embeddings. Exiba o resultado e custo.
Casos de uso
Indexação em massa
Incorpore um arquivo muito grande de documentos rapidamente e armazene vetores compactos.
Busca de produtos
Potencialize a busca multilíngue em um grande catálogo onde o volume de consultas é alto.
Deduplicação
Agrupe textos quase idênticos em um grande corpus usando vetores modestos, para que duplicatas sejam encontradas de forma econômica.
Exemplos de prompt
Incorpore estas 500.000 descrições de produtos em 512 dimensões para busca em catálogo.
Incorpore a consulta 'jaqueta de caminhada impermeável' com uma instrução para recuperação de e-commerce.
Incorpore este conjunto de manchetes de notícias em 256 dimensões para detecção de duplicatas.
Calculadora de custo
FAQ
Qual é a diferença em relação ao modelo Qwen3.7 completo?
O Flash é a versão mais leve, orientada a custo e throughput, com dimensões de 256 a 1024. O modelo completo atinge 2560 dimensões e é o modelo de incorporação de melhor desempenho da Alibaba.
Quais dimensões posso escolher?
A Alibaba diz que qualquer tamanho de 256 a 1024 está disponível. Vetores menores reduzem o armazenamento e aceleram a busca por similaridade, enquanto os maiores mantêm mais detalhes.
Ele suporta instruções?
Sim. A Alibaba lista suporte a instruções de tarefa, para que você possa declarar para que serve a recuperação, como uma busca de produto ou uma consulta a uma central de ajuda. Escreva a instrução em linguagem simples.
O Flash é suficiente para busca em produção?
Frequentemente sim para grandes coleções, mas verifique com suas próprias consultas. Meça o recall na dimensão escolhida e compare com o modelo completo antes de se comprometer.
Quanto custa o Qwen3.7 Text Embedding Flash?
No TokenLab, Qwen3.7 Text Embedding Flash custa Entrada $0.0184 / Saída $0.00 Por 1M Token. A tabela de preços acima mostra o detalhamento completo.
Qual endpoint o Qwen3.7 Text Embedding Flash deve usar?
Use https://api.tokenlab.sh/v1/embeddings para Qwen3.7 Text Embedding Flash. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Qwen3.7 Text Embedding Flash suporta?
Qwen3.7 Text Embedding Flash suporta Incorporação. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Qwen3.7 Text Embedding Flash
Fontes
Revisado em 2 de out. de 2026
