Alibaba Cloud: Qwen3.7 Text Embedding
qwen3.7-text-embedding- 輸入 / 輸出
- $0.0735 / $0.00
- 上下文
- 128K
- 模態
- 嵌入
關於 Qwen3.7 Text Embedding
Qwen3.7 Text Embedding 是阿里巴巴的旗艦文字嵌入模型，將多語言文字轉換為向量以進行檢索和聚類。阿里巴巴記錄了其支援超長單一輸入、256 到 2560 維度的輸出大小、任務指令以及稀疏向量。這是完整規格版本，而 Qwen3.7 Text Embedding Flash 則是較輕量的版本。
適用場景
- 接受超長單一輸入，適合整份文件嵌入而非分段處理。
- 256 到 2560 維度的輸出大小讓您可以根據索引大小與細節需求進行調整。
- 指令參數（instruct parameter）讓您可以描述檢索任務，例如搜尋文件。
- 根據阿里巴巴的說明，支援除稠密向量外的稀疏向量輸出，以進行混合搜尋。
其他選擇建議
- 較高的維度會佔用更多索引儲存空間，因此 Flash 版本更適合超大型集合。
- 它僅嵌入文字；圖像和影片需要使用 Qwen3-VL-Embedding。
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。
嵌入TokenLab 端點POST/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", "input": "The quick brown fox jumps over the lazy dog." }'
參數設定
嵌入
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
dimensions | 256, 512, 768, 1024, 1536, 2048, 2560 | 未提供 | 未提供 |
encoding_format | float | 未提供 | 未提供 |
input | 輸入數量：≥ 1, ≤ 20 | 未提供 | Each input row is limited to 128000 tokens. |
user | 未提供 | 未提供 | 未提供 |
TokenLab exposes this model through the OpenAI-compatible /v1/embeddings route.
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。
定價
每 1M Token- Verified 價格
- —
- Official 價格
- 輸入$0.0735每 1M Token輸出$0.00每 1M Token
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| 輸入 | $0.0735 | — | — |
| 輸出 | $0.00 | — | — |
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 Qwen3.7 Text Embedding，並準備好編輯或發送提示詞。
協助我使用 qwen3.7-text-embedding 透過 /v1/embeddings 執行 text-embedding，並顯示結果與成本。
應用情境
長文件檢索
將冗長的報告或手冊作為單一項目嵌入，無需進行激進的分段即可進行搜尋。
混合搜尋
結合稠密與稀疏向量，同時捕捉語意與精確關鍵字。
多語言知識庫
使用任何語言的查詢來搜尋以多種語言編寫的公司維基。
提示詞範例
將這份 60 頁的政策文件作為單一項目嵌入，以便日後檢索。
嵌入查詢「如何輪換 API 金鑰」，並附上描述說明中心搜尋任務的指令。
將這些多語言支援文章以 1024 維度嵌入，用於聚類分析。
費用計算機
FAQ
Qwen3.7 Text Embedding 提供哪些維度？
2560、2048、1536、1024（預設）、768、512 和 256。當索引儲存空間或搜尋速度比極致準確度更重要時，請選擇較低的值。
單一項目可以容納多少文字？
阿里巴巴記錄了其支援超長單一輸入，每個項目的長度遠超過 text-embedding-v4 的限制，因此整份文件通常無需分段即可放入。此外，單次請求最多可攜帶 20 個項目。
什麼是指令參數（instruct parameter）？
這是一個描述任務的簡短指令，例如針對文件的搜尋查詢。阿里巴巴報告稱使用該參數可提升 1% 到 5% 的效果。
我應該選擇 Qwen3.7 還是 text-embedding-v4？
Qwen3.7 接受更長的輸入和更大的向量。text-embedding-v4 提供低至 64 的較小維度選擇。請根據文件長度和儲存預算進行選擇，然後使用您自己的文件測試兩者的召回率。
Qwen3.7 Text Embedding 的費用是多少？
在 TokenLab 上，Qwen3.7 Text Embedding 價格為 輸入 $0.0735 / 輸出 $0.00 每 1M Token。完整明細見上方價格表。
Qwen3.7 Text Embedding 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/embeddings 進行 Qwen3.7 Text Embedding 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen3.7 Text Embedding 支援哪些操作？
Qwen3.7 Text Embedding 支援 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 Qwen3.7 Text Embedding
來源
更新於 2026年10月2日
