Qwen-Embedding

复制成功!
立即体验加入对比
向量

概述

向量

通用文本向量V4版本,是通义实验室基于Qwen3训练的多语言文本统一向量模型,相较V3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15%~40%;支持64~2048维用户自定义向量维度。

输入

文本

输出

文本

功能

前缀补全

您可在调用通义千问 API 时启用 Partial Mode,确保模型严格基于您的起始文本进行生成。查看文档

函数调用

您可以使用 函数调用 功能,通过引入外部工具,使得大模型可以与外部世界进行交互。查看文档

缓存

Context Cache 技术会缓存长上下文请求的公共前缀,减少推理时的重复计算,提升响应速度同时降低您的使用成本。查看文档

结构化输出

开启结构化输出功能可以确保大模型输出标准格式的 JSON 字符串。查看文档

批量任务

联网搜索

启用联网检索功能后,模型将基于实时检索数据进行回复。查看文档

微调

定价

  • 向量输入(Batch File)
    ¥0.25/M tokens
  • 文本输入
    ¥0.5/M tokens

速率限制

  • RPM每分钟请求数
    1.80K
  • TPM每分钟 Token 数
    1.20M

API 参考

获取 API Key
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="text-embedding-v4",
input=input_texts
)
print(resp)