Alibaba Cloud: Qwen3-VL-Embedding
qwen3-vl-embedding- 輸入 / 輸出
- $0.10 / —
- 上下文
- 32K
- 模態
- 嵌入視覺辨識
關於 Qwen3-VL-Embedding
Qwen3-VL-Embedding 是阿里巴巴的多模態嵌入模型：它將文字、圖像和影片映射為向量，以便透過單一查詢檢索其中任何內容。阿里巴巴列出了 33 種主要語言，並提供從 256 到 2560 維度可選的輸出大小，以及將多個輸入合併為一個向量的融合模式。它是阿里巴巴兩款多模態嵌入模型中較靈活的一款。
適用場景
- 在單一模型中嵌入文字、圖像、影片及多張圖像，實現跨模態搜尋。
- 提供從 256 到 2560 維度可選的輸出大小，讓您在準確度與儲存空間之間進行權衡。
- 融合模式將請求中的所有輸入合併為單一向量，例如圖像及其標題。
- 根據阿里巴巴的參考資料，涵蓋 33 種主要語言。
其他選擇建議
- 大型的 2560 維向量會增加索引大小，因此若儲存空間很重要，請選擇較小的尺寸。
- 它僅產生向量；若要對結果進行排序或生成答案，則需要另一個模型。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
多模態嵌入TokenLab 端點POST/v1/multimodal/embeddingscurl -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." } }'
參數設定
多模態嵌入
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
dimensions | 未提供 | 未提供 | 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 | 未提供 | 未提供 | 未提供 |
input_modality | 未提供 | 未提供 | 未提供 |
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.
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
Default
每 1M Token- Official 價格
- 輸入 $0.10 / 純文字 輸入 $0.10 / 圖片 輸入 $0.258
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| Default | 輸入 $0.10 / 純文字 輸入 $0.10 / 圖片 輸入 $0.258 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen3-VL-Embedding，並準備好編輯或發送提示詞。
協助我使用 qwen3-vl-embedding 透過 /v1/multimodal/embeddings 執行 multimodal-embedding，並顯示結果與成本。
應用情境
適合場景- 視覺辨識
以文字搜尋圖像
將照片庫索引為向量，並透過多種語言的書面描述來檢索圖片。
產品目錄
將每張產品照片與其標題融合為一個向量，讓購物者能透過外觀或文字找到商品。
影片檢索
嵌入影片剪輯，讓編輯人員能透過純文字查詢找到素材，無需手動標記每個剪輯。
提示詞範例
將此產品照片與其標題文字一起嵌入為單一融合向量。
嵌入查詢「明亮客廳裡的紅色皮沙發」以進行圖像檢索。
嵌入此 20 秒的影片剪輯，以便透過文字搜尋找到它。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Qwen3-VL-Embedding 可以嵌入什麼內容？
文字、圖像、影片和多張圖像。阿里巴巴的參考資料列出了每個輸入的獨立嵌入，以及將所有輸入合併並返回一個向量的融合模式。
有哪些可用的輸出維度？
預設為 2560，另有 2048、1536、1024、768、512 和 256 可供選擇。較小的尺寸可節省索引空間，但會犧牲部分檢索精度。請先在您自己的查詢上測試較小的尺寸，因為它通常也能達到相近的檢索效果。
它支援哪些語言？
阿里巴巴列出了 33 種主要語言，包括中文、英文、日文、韓文、法文和德文，因此多種語言的查詢都能找到相同的圖像。在發布前，請先針對小眾語言進行樣本測試。
它與 Tongyi Embedding Vision Plus 有何不同？
Qwen3-VL-Embedding 提供可調整的維度、融合模式和更廣泛的語言覆蓋範圍。Tongyi Embedding Vision Plus 僅有一種固定輸出大小，且僅限於中文和英文。
Qwen3-VL-Embedding 的費用是多少？
價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Qwen3-VL-Embedding 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/multimodal/embeddings 進行 Qwen3-VL-Embedding 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen3-VL-Embedding 支援哪些操作？
Qwen3-VL-Embedding 支援 多模態嵌入。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen3-VL-Embedding
來源
更新於 2026年10月2日
