Alibaba Cloud: Tongyi Embedding Vision Plus
tongyi-embedding-vision-plus- Entrada / Saída
- $0.09 / —
- Modalidades
- IncorporaçãoVisão
Sobre o Tongyi Embedding Vision Plus
Tongyi Embedding Vision Plus é um modelo de embedding multimodal da Alibaba que produz vetores para texto, imagens e vídeo. Ele gera um tamanho fixo único de 1152 dimensões, suporta chinês e inglês, e pode processar uma sequência de até 8 imagens. Ao contrário do Qwen3-VL-Embedding, ele retorna apenas embeddings independentes, sem modo de fusão ou tamanho ajustável.
Pontos fortes
- Incorpora texto, imagens e vídeo em um único espaço vetorial para busca intermodal.
- Aceita uma sequência de até oito imagens em uma única entrada.
- A saída fixa de 1152 dimensões mantém o design do índice simples.
- Atende a catálogos em chinês e inglês, os dois idiomas listados pela Alibaba para este modelo.
Quando usar outro modelo
- Os idiomas são limitados a chinês e inglês, enquanto o Qwen3-VL-Embedding cobre 33.
- As dimensões não podem ser alteradas e embeddings fundidos não são oferecidos.
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.
Embedding multimodalEndpoint do TokenLabPOST/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." } }'
Parâmetros
Embedding multimodal
| Parâmetro | Valores e limites | Padrão | Notas |
|---|---|---|---|
dimensions | Não fornecido | Não fornecido | 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 | Não fornecido | Não fornecido | Não fornecido |
input_modality | Não fornecido | Não fornecido | Não fornecido |
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.
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.
Default
Por 1M Token- Preço Official
- Entrada $0.09 / Texto Entrada $0.09 / Imagem Entrada $0.09
- Preço Verified
- —
- Desconto
- —
| Preço OfficialPor 1M Token | Preço VerifiedPor 1M Token | Desconto | |
|---|---|---|---|
| Default | Entrada $0.09 / Texto Entrada $0.09 / Imagem Entrada $0.09 | — | — |
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 Tongyi Embedding Vision Plus no Console com um prompt pronto para editar ou enviar.
Ajude-me a testar tongyi-embedding-vision-plus com multimodal-embedding em /v1/multimodal/embeddings. Exiba o resultado e custo.
Casos de uso
Indicado para- Visão
Catálogos de mídia mista
Indexe fotos de produtos e descrições em conjunto para que consultas de texto recuperem as imagens correspondentes.
Correspondência de sequência de imagens
Incorpore uma sequência de até oito imagens, como uma série de fotos de produtos, e compare-a com texto.
Pareamento de legendas
Vincule imagens a legendas ou artigos relacionados por meio de busca de vetor mais próximo em um arquivo de mídia mista.
Exemplos de prompt
Incorpore esta série de seis fotos de produtos para que possa ser pesquisada com texto.
Incorpore a consulta em chinês '白色运动鞋' para recuperar imagens de calçados correspondentes.
Incorpore este clipe e sua legenda separadamente e compare seus vetores.
Este modelo tem preço condicional. Totais mensais de tokens sozinhos não produzem uma estimativa confiável; use o preço detalhado para a especificação da requisição, cache e janela aplicável.
FAQ
Qual tamanho de vetor o Tongyi Embedding Vision Plus retorna?
1152 dimensões, fixas. A Alibaba não lista tamanhos alternativos para este modelo, portanto, o design do índice pode assumir uma largura de vetor única para tudo. Verifique se o seu banco de dados vetorial está configurado para essa largura.
Com quais idiomas ele funciona?
Chinês e inglês, de acordo com a referência da Alibaba. Consultas em outros idiomas não são cobertas, portanto, use o Qwen3-VL-Embedding quando precisar de uma cobertura de idiomas mais ampla para sua pesquisa.
Posso incorporar várias imagens de uma vez?
Sim, como uma entrada de múltiplas imagens de até 8 imagens, embora cada resultado seja um embedding independente, em vez de um fundido que mescla as imagens.
Quando devo escolher o Qwen3-VL-Embedding em vez deste?
Quando você precisar de dimensões ajustáveis, embeddings fundidos ou idiomas além de chinês e inglês, todos os quais o Qwen3-VL-Embedding oferece e este modelo não. Escolha-o também quando suas consultas estiverem em vários idiomas.
Quanto custa o Tongyi Embedding Vision Plus?
As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.
Qual endpoint o Tongyi Embedding Vision Plus deve usar?
Use https://api.tokenlab.sh/v1/multimodal/embeddings para Tongyi Embedding Vision Plus. O exemplo de requisição abaixo mostra o formato de código correspondente.
Quais operações o Tongyi Embedding Vision Plus suporta?
Tongyi Embedding Vision Plus suporta Embedding multimodal. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.
Comparar Tongyi Embedding Vision Plus
Fontes
Revisado em 2 de out. de 2026
