Qwen-Embedding

复制成功!
立即体验加入对比

概述

是通义实验室基于Qwen3.7训练的多语言文本统一向量模型,相较text-embedding-v4版本在文本检索、聚类、分类性能大幅提升;在MTEB多语言、中英、Code检索等评测任务上效果提升20%;支持256~2560维用户自定义向量维度。

输入

文本

输出

文本

功能

前缀补全

调用通义千问 API 时启用 Partial Mode,可让模型严格接续您提供的前缀文本进行生成。查看文档

函数调用

通过函数调用将大模型与外部工具和系统连接起来。查看文档

缓存

Context Cache 会缓存长上下文请求的公共前缀,减少重复计算、提升响应速度并降低成本。查看文档

结构化输出

结构化输出可确保模型返回符合预期格式的 JSON 字符串。查看文档

批量任务

异步批量处理请求,降低调用成本。查看文档

联网搜索

启用联网搜索后,模型可基于实时检索的数据进行回答。查看文档

微调

基于样本数据训练模型,使其更适配特定任务。查看文档

定价

  • 文本输入
    ¥0.5/M tokens

速率限制与上下文

  • 最大输入
    131K
  • 上下文
    131K
  • TPM每分钟 Token 数
    1M
  • RPM每分钟请求数
    24K

API 参考

调用API
复制成功!
123456789
import dashscope
from http import HTTPStatus
input_texts = "衣服的质量杠杠的,很漂亮,不枉我等了这么久啊,喜欢,以后还来这里买"

resp = dashscope.TextEmbedding.call(
model="qwen3.7-text-embedding",
input=input_texts
)
print(resp)