Alibaba Cloud: Tongyi Embedding Vision Plus
tongyi-embedding-vision-plus- 輸入 / 輸出
- $0.09 / —
- 模態
- 嵌入視覺辨識
關於 Tongyi Embedding Vision Plus
Tongyi Embedding Vision Plus 是阿里巴巴的多模態嵌入模型，可為文字、圖像和影片生成向量。它輸出固定為 1152 維的向量，支援中文和英文，且單次輸入最多可包含 8 張圖像。與 Qwen3-VL-Embedding 不同，它僅返回獨立的嵌入，不提供融合模式或可調整的維度。
適用場景
- 將文字、圖像和影片嵌入到同一個向量空間中，以進行跨模態檢索。
- 單次輸入最多可接受 8 張圖像序列。
- 固定 1152 維的輸出使索引設計保持簡單。
- 適用於阿里巴巴所列出的中文和英文目錄。
其他選擇建議
- 語言僅限於中文和英文，而 Qwen3-VL-Embedding 則涵蓋 33 種語言。
- 維度無法更改，且不提供融合嵌入。
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": "tongyi-embedding-vision-plus", "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 $0.09 / 純文字 輸入 $0.09 / 圖片 輸入 $0.09
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| Default | 輸入 $0.09 / 純文字 輸入 $0.09 / 圖片 輸入 $0.09 | — | — |
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 Tongyi Embedding Vision Plus，並準備好編輯或發送提示詞。
協助我使用 tongyi-embedding-vision-plus 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
混合媒體目錄
將產品照片與描述共同索引，以便文字查詢能檢索到相符的圖片。
圖像序列匹配
嵌入最多 8 張圖像的序列（例如產品系列照），並將其與文字進行比較。
標題配對
透過混合媒體存檔中的最近鄰向量搜尋，將圖片連結至標題或相關文章。
提示詞範例
嵌入這組 6 張產品照片，以便能透過文字進行搜尋。
嵌入中文查詢「白色運動鞋」以檢索相符的鞋子圖片。
分別嵌入此片段及其標題，並比較它們的向量。
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
Tongyi Embedding Vision Plus 返回的向量大小是多少？
固定為 1152 維。阿里巴巴未列出此模型的其他維度選項，因此索引設計可假設所有內容均使用單一向量寬度。請確認您的向量資料庫已針對該寬度進行配置。
它支援哪些語言？
根據阿里巴巴的參考資料，支援中文和英文。不涵蓋其他語言的查詢，因此當您需要更廣泛的語言搜尋覆蓋範圍時，請使用 Qwen3-VL-Embedding。
我可以一次嵌入多張圖像嗎？
可以，作為最多 8 張圖像的多圖輸入，但每個結果都是獨立的嵌入，而非合併圖像的融合嵌入。
何時應該選擇 Qwen3-VL-Embedding？
當您需要可調整的維度、融合嵌入，或中文和英文以外的語言時（這些功能 Qwen3-VL-Embedding 皆提供，而此模型則無），請選擇它。若您的查詢涉及多種語言，也請選擇該模型。
Tongyi Embedding Vision Plus 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。
Tongyi Embedding Vision Plus 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/multimodal/embeddings 進行 Tongyi Embedding Vision Plus 的呼叫。下方的請求範例展示了對應的程式碼格式。
Tongyi Embedding Vision Plus 支援哪些操作？
Tongyi Embedding Vision Plus 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 Tongyi Embedding Vision Plus
來源
更新於 2026年10月2日
