Alibaba Cloud: Qwen3-VL-Embedding

Qwen3 VL Embedding, görsel ve metinsel içeriği geri alma (retrieval) için vektörlere dönüştürür. Metin sorgusuyla görsel bulmak veya bir görsel varlığı ilgili yazılı bilgilerle ilişkilendirmek için kullanışlıdır.

Modelleri karşılaştır

qwen3-vl-embedding

MevcutAlibaba CloudVektörleştirmeSenkron

Girdi / Çıktı: $0.10 / —
Bağlam: 32K
Modlar: VektörleştirmeGörüntü İşleme

Qwen3-VL-Embedding hakkında

Qwen3-VL-Embedding, Alibaba'nın çok modlu yerleştirme (embedding) modelidir: metin, görsel ve videoları vektörlere dönüştürerek tek bir sorgu ile bunlardan herhangi birinin geri getirilmesini sağlar. Alibaba, 33 ana dili ve 256 ile 2560 boyut arasında seçilebilir çıktı boyutlarını, ayrıca birden fazla girdiyi tek bir vektörde birleştiren bir füzyon modunu listelemektedir. Alibaba'nın iki çok modlu yerleştirme modeli arasında daha esnek olanıdır.

Güçlü yönleri

Metin, görsel, video ve birden fazla görseli tek bir modelde yerleştirerek modlar arası aramayı mümkün kılar.
256'dan 2560 boyuta kadar seçilebilir çıktı boyutları, doğruluk ile depolama arasında denge kurmanıza olanak tanır.
Füzyon modu, bir görsel ve onun açıklaması gibi bir isteğe ait tüm girdileri tek bir vektörde birleştirir.
Alibaba'nın referansına göre 33 ana dili kapsar.

Alternatif aramanız gereken durumlar

2560 boyutlu büyük vektörler dizin boyutunu artırır, bu nedenle depolama önemliyse daha küçük bir boyut seçin.
Yalnızca vektör üretir; sonuçları sıralamak veya yanıt oluşturmak için başka bir model gerekir.

Başlarken

API anahtarı oluştur
Console'da bir anahtar oluşturun, platformdaki tüm modellerle kullanın.

İlk isteğinizi gönderin

Diliniz için olan örneği kopyalayın ve uç noktada çalıştırın.

Çok modlu gömmeTokenLab uç noktası

POST/v1/multimodal/embeddings

curl -X POST "https://api.tokenlab.sh/v1/multimodal/embeddings" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen3-vl-embedding",
  "input": {
    "text": "The quick brown fox jumps over the lazy dog."
  }
}'

Parametreler

Çok modlu gömme

Parametre	Değerler ve sınırlar	Varsayılan	Notlar
`dimensions`	Belirtilmemiş	Belirtilmemiş	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`	Belirtilmemiş	Belirtilmemiş	Belirtilmemiş
`input_modality`	Belirtilmemiş	Belirtilmemiş	Belirtilmemiş

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.

Fiyatlandırma

Verified fiyatı Verified için geçerlidir ve çoğu modelde daha düşüktür. Official fiyatı, model üreticisinin yayınladığı fiyattır ve daha güvenilir Official rotası için geçerlidir. Auto, isteği tamamlayan rotanın fiyatını uygular.

Default

1M token başına

Official fiyatı: Girdi $0.10 / Metin Girdi $0.10 / Görsel Girdi $0.258
Verified fiyatı: —
İndirim: —

	Official fiyatı1M token başına	Verified fiyatı1M token başına	İndirim
Default	Girdi $0.10 / Metin Girdi $0.10 / Görsel Girdi $0.258	—	—

Kullanım ve etkinlik

Başarı oranı, tamamlanan isteklerin payıdır. Gecikme, tam bir yanıtın ne kadar sürdüğüdür; P95, isteklerin %95’inin bu süre içinde tamamlandığı anlamına gelir.

Kullanım ve kullanılabilirlik

Son 24 saat

İstekler
Başarı oranı
P95 gecikmesi
Toplam token

Model performansı

Son güncelleme: 1 Kas 2026 08:48 UTC

Metrikler, gizlilik ve veri hacmi eşikleri karşılandığında görünür.

Veriler, durum kontrolleri hariç tutularak toplu kullanıcı isteklerine dayanmaktadır.

Console'da aç

Qwen3-VL-Embedding modelini Console'da açın, istemi düzenlemek veya göndermek için hazır hale getirin.

qwen3-vl-embedding ile /v1/multimodal/embeddings üzerinden multimodal-embedding işlemini dene. Sonucu ve maliyeti göster.

Kullanım senaryoları

Uygun olduğu kullanımlar

Görüntü İşleme

Metin ile görsel arama
Bir fotoğraf kütüphanesini vektör olarak dizinleyin ve yazılı bir açıklamadan birkaç dilde resimler getirin.
Ürün katalogları
Her ürün fotoğrafını başlığıyla tek bir vektörde birleştirin, böylece müşteriler ürünleri görünümlerine veya kelimelere göre bulabilir.
Video getirme
Video kliplerini yerleştirin ve editörlerin her klibi elle etiketlemek yerine düz metin sorgusuyla görüntü bulmasını sağlayın.

Prompt örnekleri

Bu ürün fotoğrafını başlık metniyle birlikte tek bir birleşik vektör olarak yerleştirin.

Görsel getirme için 'aydınlık bir oturma odasında kırmızı deri koltuk' sorgusunu yerleştirin.

Bu 20 saniyelik video klibini, metin aramalarıyla bulunabilmesi için yerleştirin.

Bu model koşullu fiyatlandırmaya sahiptir. Yalnızca aylık token toplamları güvenilir bir tahmin üretmez; istek özellikleri, önbellek ve geçerli zaman penceresi için ayrıntılı fiyatlandırmayı kullanın.

FAQ

Qwen3-VL-Embedding neleri yerleştirebilir?

Metin, görseller, video ve birden fazla görsel. Alibaba'nın referansı, hem girdi başına bağımsız yerleştirmeleri hem de tüm girdiler için tek bir vektör döndüren bir füzyon modunu listeler.

Hangi çıktı boyutları mevcuttur?

Varsayılan olarak 2560; alternatif olarak 2048, 1536, 1024, 768, 512 ve 256. Daha küçük boyutlar, getirme hassasiyetinden bir miktar ödün vererek dizin alanından tasarruf sağlar. Daha küçük bir boyutu önce kendi sorgularınızda test edin, çünkü genellikle neredeyse aynı performansı gösterir.

Hangi dilleri destekliyor?

Alibaba; Çince, İngilizce, Japonca, Korece, Fransızca ve Almanca dahil olmak üzere 33 ana dili listeler, böylece birçok dildeki sorgular aynı görselleri bulabilir. Lansmandan önce niş dilleri örnekler üzerinde kontrol edin.

Tongyi Embedding Vision Plus'tan farkı nedir?

Qwen3-VL-Embedding; ayarlanabilir boyutlar, füzyon modu ve daha geniş dil kapsamı sunar. Tongyi Embedding Vision Plus tek bir sabit çıktı boyutuna sahiptir ve Çince ile İngilizce ile sınırlıdır.

Qwen3-VL-Embedding ne kadara mal olur?

Ücretler faturalandırma birimine, özelliklere ve kullanıma göre değişir. Modelin ayrıntılı fiyatlandırmasında eşleşen koşulları karşılaştırın; tek bir ücret toplam maliyeti belirlemez.

Qwen3-VL-Embedding hangi endpoint'i kullanmalı?

Qwen3-VL-Embedding için varsayılan olarak https://api.tokenlab.sh/v1/multimodal/embeddings kullanın. Sağlayıcıya özgü yerel format destekleniyorsa API workbench bu endpoint'i de gösterir.

Qwen3-VL-Embedding hangi operasyonları destekler?

Qwen3-VL-Embedding Çok modlu gömme destekler. Yukarıdaki API workbench'te bir operasyon seçerek ilgili endpoint ve kod örneğini görebilirsiniz.