Alibaba Cloud: Qwen3.7 Text Embedding Flash

Qwen3.7 Text Embedding Flash, çok dilli arama için daha hafif bir vektör temsili sunar. Daha küçük boyut aralığı, yerleştirme veriminin ve dizin boyutunun pratik kısıtlamalar olduğu büyük koleksiyonlar için kullanışlıdır.

Modelleri karşılaştır

qwen3.7-text-embedding-flash

MevcutAlibaba CloudVektörleştirmeSenkron

Girdi / Çıktı: $0.0184 / $0.00
Bağlam: 128K
Modlar: Vektörleştirme

Qwen3.7 Text Embedding Flash hakkında

Qwen3.7 Text Embedding Flash, Alibaba'nın Qwen3.7 metin gömme modelinin, verimlilik ve dizin boyutunun önemli olduğu büyük koleksiyonlar için oluşturulmuş hafif sürümüdür. Alibaba, modelin görev talimatlarını desteklediğini ve tam modelin 256 ila 2560 olan aralığından daha dar bir aralık olan 256 ila 1024 arasında vektör boyutları seçmenize olanak tanıdığını belirtmektedir. Daha düşük bir ayak iziyle çok dilli aramayı hedefler.

Güçlü yönleri

Daha küçük maksimum vektör boyutu, milyonlarca öğeye sahip koleksiyonlar için dizinleri kompakt tutar.
Görev talimatlarını destekler, böylece sorgular getirme hedefini tanımlayabilir.
Alibaba, modeli toplu gömme gibi verimliliğe duyarlı iş yükleri için konumlandırmaktadır.
Tam Qwen3.7 modeliyle aynı çok dilli metin kullanımını kapsar.

Alternatif aramanız gereken durumlar

Alibaba bunu daha hafif model olarak tanımlar; tam Qwen3.7 Text Embedding ise en yüksek performansa sahip modelidir.
Boyutları en fazla 1024'e ulaşır ve seyrek vektör çıktısı tam model için listelenmiştir.

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.

VektörleştirmeTokenLab uç noktası

POST/v1/embeddings

curl -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."
}'

Parametreler

Vektörleştirme

Parametre	Değerler ve sınırlar	Varsayılan	Notlar
`dimensions`	256, 512, 768, 1024	Belirtilmemiş	Belirtilmemiş
`encoding_format`	float	Belirtilmemiş	Belirtilmemiş
`input`	Girdi sayısı: ≥ 1, ≤ 20	Belirtilmemiş	Each input row is limited to 128000 tokens.
`user`	Belirtilmemiş	Belirtilmemiş	Belirtilmemiş

TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.

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.

Fiyatlandırma

1M token başına

Verified fiyatı: —
Official fiyatı: Girdi$0.01841M token başınaÇıktı$0.001M token başına

	Official fiyatı1M token başına	Verified fiyatı1M token başına	İndirim
Girdi	$0.0184	—	—
Çıktı	$0.00	—	—

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: 13 Kas 2026 05:01 UTC

Metrikler, gizlilik ve veri hacmi eşikleri karşılandığında görünür.

Veriler, durum kontrolleri hariç tutularak toplu kullanıcı isteklerine dayanmaktadır.

Console'da aç

Qwen3.7 Text Embedding Flash modelini Console'da açın, istemi düzenlemek veya göndermek için hazır hale getirin.

qwen3.7-text-embedding-flash ile /v1/embeddings üzerinden text-embedding işlemini dene. Sonucu ve maliyeti göster.

Kullanım senaryoları

Toplu indeksleme
Çok büyük bir belge arşivini hızla gömün ve kompakt vektörler halinde depolayın.
Ürün arama
Sorgu hacminin yüksek olduğu büyük bir katalogda çok dilli aramayı güçlendirin.
Tekilleştirme
Büyük bir külliyatta birbirine yakın metinleri mütevazı vektörler kullanarak kümeleyin, böylece kopyalar ucuza bulunur.

Prompt örnekleri

Katalog araması için bu 500.000 ürün açıklamasını 512 boyutta gömün.

E-ticaret getirme talimatıyla 'su geçirmez yürüyüş ceketi' sorgusunu gömün.

Kopya tespiti için bu haber başlıkları setini 256 boyutta gömün.

Maliyet hesaplayıcı

Aylık giriş token sayısı1M token

Aylık çıkış token sayısı0.5M token

Tahmini aylık maliyet$0.018382

FAQ

Tam Qwen3.7 modelinden farkı nedir?

Flash, 256 ila 1024 boyut aralığına sahip, maliyet ve verimlilik odaklı daha hafif sürümdür. Tam model 2560 boyuta ulaşır ve Alibaba'nın en yüksek performanslı gömme modelidir.

Hangi boyutları seçebilirim?

Alibaba, 256'dan 1024'e kadar her boyutun mevcut olduğunu belirtiyor. Daha küçük vektörler depolamayı azaltır ve benzerlik aramasını hızlandırırken, daha büyük olanlar daha fazla ayrıntı korur.

Talimatları destekliyor mu?

Evet. Alibaba görev talimatı desteğini listeler, böylece ürün arama veya yardım merkezi sorgusu gibi getirme işleminin ne için olduğunu belirtebilirsiniz. Talimatı sade bir dille yazın.

Flash üretim araması için yeterli mi?

Büyük koleksiyonlar için genellikle evet, ancak kendi sorgularınızda doğrulayın. Seçtiğiniz boyutta geri çağırma (recall) oranını ölçün ve kullanmaya başlamadan önce tam modelle karşılaştırın.

Qwen3.7 Text Embedding Flash ne kadara mal olur?

TokenLab üzerinde Qwen3.7 Text Embedding Flash Girdi $0.0184 / Çıktı $0.00 1M token başına'dır. Tam dökümü yukarıdaki fiyat tablosunda bulabilirsiniz.

Qwen3.7 Text Embedding Flash hangi endpoint'i kullanmalı?

Qwen3.7 Text Embedding Flash için varsayılan olarak https://api.tokenlab.sh/v1/embeddings kullanın. Sağlayıcıya özgü yerel format destekleniyorsa API workbench bu endpoint'i de gösterir.

Qwen3.7 Text Embedding Flash hangi operasyonları destekler?

Qwen3.7 Text Embedding Flash Vektörleştirme destekler. Yukarıdaki API workbench'te bir operasyon seçerek ilgili endpoint ve kod örneğini görebilirsiniz.