Alibaba: Text Embedding v4
text-embedding-v4- 输入 / 输出
- $0.07 / —
- 上下文
- 8K
- 模态
- 嵌入
Text Embedding v4 简介
Text Embedding v4 是阿里巴巴成熟的多语言文本向量化（embedding）模型，支持 100 多种语言，输出维度从 64 到 2048。每批可处理 10 条，通过 DashScope API 还能返回稀疏向量。输入长度不及 Qwen3.7 Text Embedding，但向量更小。
擅长的任务
- 提供低至 64 和 128 维的小尺寸输出，适合索引预算紧张的场景。
- 通过 DashScope API 返回稀疏向量，可做关键词加语义的混合搜索。
- 覆盖中文、英语、西班牙语、法语和其他 100 多种语言。
- 支持 instruct 参数来描述检索任务。
什么情况换别的模型
- 每条输入的长度较短，长文档在向量化之前必须先分块。
- 每批 10 条，少于 Qwen3.7 Text Embedding 允许的 20 条。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
文本向量TokenLab 端点POST/v1/embeddingscurl -X POST "https://api.tokenlab.sh/v1/embeddings" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "model": "text-embedding-v4", "input": "The quick brown fox jumps over the lazy dog." }'
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
Default
每 1M token- Official 价格
- 输入 $0.07 / 文本 输入 $0.07
- Verified 价格
- —
- 折扣
- —
| Official 价格每 1M token | Verified 价格每 1M token | 折扣 | |
|---|---|---|---|
| Default | 输入 $0.07 / 文本 输入 $0.07 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Text Embedding v4 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 text-embedding-v4 完成一次 text-embedding，接口是 /v1/embeddings。返回结果和费用。
使用场景
站内语义搜索
把页面分块向量化，将用户的问题匹配到最接近的段落。
反馈聚类
用紧凑的向量加一个聚类步骤，把成千上万条评论或客服工单按主题分组。
混合检索
结合稠密和稀疏输出，让零件号这类精确词仍然能匹配上。
提示词示例
把这 2000 条客服工单按 256 维向量化，并按主题分组。
把这段 FAQ 内容向量化，并带上稀疏输出，用于混合搜索。
把西班牙语查询“cómo cancelo mi suscripción”向量化，找出匹配的帮助文章。
此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。
FAQ
text-embedding-v4 支持哪些维度？
2048、1536、1024（默认）、768、512、256、128 和 64。维度越小，存储越少、搜索越快，但精度会有所下降。从默认值开始，边测召回率边往下调。
输入最长可以多长？
阿里巴巴文档给出的单条长度上限远低于 Qwen3.7，每批 10 条。更长的文档请先拆成段落再向量化。当前确切的上限请查看阿里巴巴的页面。
它会返回稀疏向量吗？
会，通过 DashScope API，它在稠密向量之外返回稀疏向量，所以你可以在同一个索引上做关键词加语义的混合搜索。稀疏输出只有该 API 提供。
应该迁移到 Qwen3.7 吗？
只有需要更长的输入或更大的向量时才需要。如果紧凑的 64 或 128 维向量适合你，v4 仍然是提供这些尺寸的选项。
Text Embedding v4 的费用是多少？
价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Text Embedding v4 应该使用哪个端点？
Text Embedding v4 使用 https://api.tokenlab.sh/v1/embeddings。代码写法见下方的请求示例。
Text Embedding v4 支持哪些操作？
Text Embedding v4 支持 文本向量。选了操作，上面会显示对应的端点和请求示例。
Text Embedding v4 对比
资料来源
审阅于 2026年10月2日
