API Sinkron - Alibaba Cloud Model Studio

Ikhtisar model

Singapura
Tiongkok (Beijing)
Tiongkok (Hong Kong)

Model	Dimensi penyematan	Baris maks	Maks token per baris(Catatan)	Harga (per 1 juta token input)	Bahasa yang didukung	Kuota gratis(Catatan)
qwen3.7-text-embedding	2.560, 2.048, 1.536, 1.024 (default), 768, 512, 256	20	128.000	$0,07	Bahasa Tiongkok, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, Rusia, dan lebih dari 200 bahasa utama serta dialek lainnya	1 juta tokenBerlaku: 90 hari setelah Anda mengaktifkan Model Studio
text-embedding-v4 Bagian dari seri Qwen3-Embedding	2.048, 1.536, 1.024 (default), 768, 512, 256, 128, 64	10	8.192	$0,07	Bahasa Tiongkok, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, Rusia, dan lebih dari 100 bahasa utama lainnya	1 juta tokenBerlaku: 90 hari setelah Anda mengaktifkan Model Studio
text-embedding-v3	1.024 (default), 768, 512	10	8.192	$0,07	Bahasa Tiongkok, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, Rusia, dan lebih dari 50 bahasa utama lainnya	500.000 tokenBerlaku: 90 hari setelah Anda mengaktifkan Model Studio

Model	Dimensi penyematan	Baris maks	Maksimum token per baris	Harga (per 1 juta token input)	Bahasa yang didukung
text-embedding-v4 Bagian dari seri Qwen3-Embedding	2.048, 1.536, 1.024 (default), 768, 512, 256, 128, 64	10	8.192	$0,072	Bahasa Tiongkok, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, Rusia, dan lebih dari 100 bahasa utama lainnya, ditambah beberapa bahasa pemrograman

Model	Dimensi penyematan	Baris maksimum	Maksimum token per baris	Harga (per 1 juta token input)	Bahasa yang didukung
text-embedding-v4 Bagian dari seri Qwen3-Embedding	2.048, 1.536, 1.024 (default), 768, 512, 256, 128, 64	10	8.192	$0,07	Bahasa Tiongkok, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, Rusia, dan lebih dari 100 bahasa utama lainnya, ditambah beberapa bahasa pemrograman

Untuk batas laju model, lihat Pembatasan laju.

Prasyarat

Pengguna yang terbiasa dengan ekosistem OpenAI dapat menggunakan API yang kompatibel dengan OpenAI untuk migrasi cepat. API DashScope menyediakan fitur-fitur unik tambahan. Dapatkan Kunci API dan ekspor kunci API sebagai variabel lingkungan. Jika Anda menggunakan SDK untuk melakukan panggilan, instal SDK DashScope.

Kompatibilitas OpenAI

base_urluntuk dikonfigurasi pada panggilan SDK:

Singapura: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.
Tiongkok (Beijing): https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
Tiongkok (Hong Kong): https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/compatible-mode/v1. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.

endpointuntuk dikonfigurasi pada panggilan HTTP:

Singapura: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.
Tiongkok (Beijing): POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings
Tiongkok (Hong Kong): POST https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/compatible-mode/v1/embeddings. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.

Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya.

Badan permintaan

modelstringwajibNama model yang akan dipanggil. Lihat tabel Ikhtisar model untuk nama model.inputarray<string> atau string atau filewajibTeks input yang akan diproses. Input dapat berupa string, array string, atau file. Batasan panjang teks dan ukuran batch bervariasi menurut versi model:

Model qwen3.7-text-embedding:
- Input string: Maksimal 128.000 token.
- Input daftar string atau file: Maksimal 20 item (baris), dengan setiap item (baris) hingga 128.000 token.
Model text-embedding-v3 / v4:
- Input string: Maksimal 8.192 token.
- Input daftar string atau file: Maksimal 10 item (baris), dengan setiap item (baris) hingga 8.192 token.

dimensions integer opsionalDimensi vektor penyematan output. Harus salah satu dari nilai berikut: 2560 (hanya untuk qwen3.7-text-embedding),2048 (hanya untuk text-embedding-v4), 1536 (hanya untuk text-embedding-v4), 1024, 768, 512, 256, 128, atau 64. Nilai default adalah 1024.encoding_format string opsionalFormat penyematan yang dikembalikan. Saat ini, hanya float yang didukung.

String input
Daftar string input
File input

Python
Java
curl

import os
from openai import OpenAI

client = OpenAI(
    # Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # Jika variabel lingkungan tidak disetel, ganti placeholder dengan kunci API Anda.
    # Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

completion = client.embeddings.create(
    model="qwen3.7-text-embedding",
    input='Pakaian berkualitas baik dan terlihat bagus, pasti sepadan dengan penantian. Saya menyukainya.',
    dimensions=1024,
    encoding_format="float"
)

print(completion.model_dump_json())

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import com.alibaba.dashscope.utils.JsonUtils;

public final class Main {
    public static void main(String[] args) {
        // Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY tidak ditemukan dalam variabel lingkungan");
            return;
        }
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        String baseUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();

        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "qwen3.7-text-embedding");
        requestBody.put("input", "Angin bertiup kencang, langit tinggi, dan kera menjerit pilu. Pulau kecil jernih, pasir putih, dan burung-burung kembali terbang. Hutan tak berbatas menggugurkan daunnya lapis demi lapis. Sungai yang tak berujung bergulung ombak demi ombak.");
        requestBody.put("dimensions", 1024);
        requestBody.put("encoding_format", "float");

        try {
            String requestBodyString = JsonUtils.toJson(requestBody);
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();

            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Respons: " + response.body());
            } else {
                System.out.printf("Gagal mendapatkan respons, kode status: %d, respons: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            System.err.println("Kesalahan: " + e.getMessage());
        }
    }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan Kunci API dari wilayah tersebut dan mengganti URL dengan https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": "Angin bertiup kencang, langit tinggi, dan kera menjerit pilu. Pulau kecil jernih, pasir putih, dan burung-burung kembali terbang. Hutan tak berbatas menggugurkan daunnya lapis demi lapis. Sungai yang tak berujung bergulung ombak demi ombak.",
    "dimensions": 1024,
    "encoding_format": "float"
}'

Python
Java
curl

import os
from openai import OpenAI

client = OpenAI(
    # Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # Jika variabel lingkungan tidak disetel, ganti placeholder dengan kunci API Anda.
    # Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)

completion = client.embeddings.create(
    model="qwen3.7-text-embedding",
    input=['Angin bertiup kencang, langit tinggi, dan kera menjerit pilu.', 'Pulau kecil jernih, pasir putih, dan burung-burung kembali terbang.', 'Hutan tak berbatas menggugurkan daunnya lapis demi lapis.', 'Sungai yang tak berujung bergulung ombak demi ombak.'],
    dimensions=1024,
    encoding_format="float"
)

print(completion.model_dump_json())

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import java.util.List;
import java.util.Arrays;
import com.alibaba.dashscope.utils.JsonUtils;

public final class Main {
    public static void main(String[] args) {
        // Dapatkan kunci API dari variabel lingkungan. Jika tidak dikonfigurasi, ganti dengan kunci API Anda.
        // Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY tidak ditemukan dalam variabel lingkungan");
            return;
        }
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        String baseUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();
        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "qwen3.7-text-embedding");
        List<String> inputList = Arrays.asList("Angin bertiup kencang, langit tinggi, dan kera menjerit pilu.", "Pulau kecil jernih, pasir putih, dan burung-burung kembali terbang.", "Hutan tak berbatas menggugurkan daunnya lapis demi lapis.", "Sungai yang tak berujung bergulung ombak demi ombak.");
        requestBody.put("input", inputList);
        requestBody.put("encoding_format", "float");

        try {
            // Konversi badan permintaan ke string JSON.
            String requestBodyString = JsonUtils.toJson(requestBody);

            // Bangun permintaan HTTP.
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();

            // Kirim permintaan dan terima respons.
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Respons: " + response.body());
            } else {
                System.out.printf("Gagal mendapatkan respons, kode status: %d, respons: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            // Tangkap dan cetak pengecualian.
            System.err.println("Kesalahan: " + e.getMessage());
        }
    }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan Kunci API dari wilayah tersebut dan mengganti URL dengan https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": [
        "Angin bertiup kencang, langit tinggi, dan kera menjerit pilu.",
        "Pulau kecil jernih, pasir putih, dan burung-burung kembali terbang.",
        "Hutan tak berbatas menggugurkan daunnya lapis demi lapis.",
        "Sungai yang tak berujung bergulung ombak demi ombak."
        ],
    "dimensions": 1024,
    "encoding_format": "float"
}'

Python
Java
curl

import os
from openai import OpenAI

client = OpenAI(
    # Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
    api_key=os.getenv("DASHSCOPE_API_KEY"),  # Jika variabel lingkungan tidak disetel, ganti placeholder dengan kunci API Anda.
    # Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
    base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1"
)
# Pastikan untuk mengganti 'texts_to_embedding.txt' dengan nama file atau jalur Anda.
with open('texts_to_embedding.txt', 'r', encoding='utf-8') as f:
    completion = client.embeddings.create(
        model="qwen3.7-text-embedding",
        input=f,
        encoding_format="float"
    )
print(completion.model_dump_json())

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.util.HashMap;
import java.util.Map;
import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import com.alibaba.dashscope.utils.JsonUtils;

public class Main {
    public static void main(String[] args) {
        // Dapatkan kunci API dari variabel lingkungan. Jika tidak dikonfigurasi, ganti dengan kunci API Anda.
        // Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan kunci API dari wilayah tersebut. Dapatkan di: https://modelstudio.console.alibabacloud.com/?tab=model#/api-key
        String apiKey = System.getenv("DASHSCOPE_API_KEY");
        if (apiKey == null) {
            System.out.println("DASHSCOPE_API_KEY tidak ditemukan dalam variabel lingkungan");
            return;
        }
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        String baseUrl = "https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings";
        HttpClient client = HttpClient.newHttpClient();

        // Baca file input.
        StringBuilder inputText = new StringBuilder();
        try (BufferedReader reader = new BufferedReader(new FileReader("<path_to_your_content_root>"))) {
            String line;
            while ((line = reader.readLine()) != null) {
                inputText.append(line).append("\n");
            }
        } catch (IOException e) {
            System.err.println("Kesalahan membaca file input: " + e.getMessage());
            return;
        }

        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("model", "qwen3.7-text-embedding");
        requestBody.put("input", inputText.toString().trim());
        requestBody.put("dimensions", 1024);
        requestBody.put("encoding_format", "float");

        try {
            String requestBodyString = JsonUtils.toJson(requestBody);

            // Bangun permintaan HTTP.
            HttpRequest request = HttpRequest.newBuilder()
                    .uri(URI.create(baseUrl))
                    .header("Content-Type", "application/json")
                    .header("Authorization", "Bearer " + apiKey)
                    .POST(HttpRequest.BodyPublishers.ofString(requestBodyString))
                    .build();
            HttpResponse<String> response = client.send(request, HttpResponse.BodyHandlers.ofString());
            if (response.statusCode() == 200) {
                System.out.println("Respons: " + response.body());
            } else {
                System.out.printf("Gagal mendapatkan respons, kode status: %d, respons: %s%n", response.statusCode(), response.body());
            }
        } catch (Exception e) {
            System.err.println("Kesalahan: " + e.getMessage());
        }
    }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), Anda harus menggunakan Kunci API dari wilayah tersebut dan mengganti URL dengan https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

Ganti 'texts_to_embedding.txt' dengan nama file atau jalur Anda.

FILE_CONTENT=$(cat texts_to_embedding.txt | jq -Rs .)
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": ['"$FILE_CONTENT"'],
    "dimensions": 1024,
    "encoding_format": "float"
}'

Objek respons

dataarrayDaftar objek penyematan hasil.

Properti

embeddinglistVektor penyematan, dikembalikan sebagai array bilangan titik mengambang.indexintegerIndeks teks input yang sesuai dalam array input.objectstringJenis objek. Nilainya selalu embedding.

modelstringNama model yang digunakan untuk panggilan ini.objectstringJenis objek. Nilainya selalu list.usageobject

Properti

prompt_tokensintegerJumlah token dalam teks input.total_tokens integerJumlah total token dalam input. Jumlah ini ditentukan oleh cara tokenizer model mengurai string input.

idstringIdentifikasi permintaan unik, digunakan untuk pelacakan dan troubleshooting.

{
  "data": [
    {
      "embedding": [
        -0.0695386752486229, 0.030681096017360687, ...
      ],
      "index": 0,
      "object": "embedding"
    },
    ...
    {
      "embedding": [
        -0.06348952651023865, 0.060446035116910934, ...
      ],
      "index": 5,
      "object": "embedding"
    }
  ],
  "model": "qwen3.7-text-embedding",
  "object": "list",
  "usage": {
    "prompt_tokens": 184,
    "total_tokens": 184
  },
  "id": "73591b79-d194-9bca-8bb5-xxxxxxxxxxxx"
}

DashScope

base_urluntuk panggilan SDK:

Singapura: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.
Tiongkok (Beijing): https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1
Tiongkok (Hong Kong): https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/api/v1. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.

Endpoint untuk panggilan HTTP:

Singapura: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.
Tiongkok (Beijing): POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding
Tiongkok (Hong Kong): POST https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Ganti WorkspaceId dengan ID ruang kerja Anda yang sebenarnya.

Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya.

Isi permintaan

modelstringwajibModel yang akan digunakan. Untuk daftar model yang tersedia, lihat tabel Ikhtisar model.inputstringatauarray<string>wajibTeks yang akan diproses. Input dapat berupa string, array string, atau file. Panjang teks dan ukuran batch yang didukung bervariasi menurut versi model.

Model qwen3.7-text-embedding:
- Input string: Maksimal 128.000 token.
- Input daftar string atau file: Maksimal 20 item (baris), dengan setiap item (baris) hingga 128.000 token.
Model text-embedding-v3 / v4:
- Input string: Maksimal 8.192 token.
- Input daftar string atau file: Maksimal 10 item (baris), dengan setiap item (baris) hingga 8.192 token.

text_type stringopsional

Saat melakukan panggilan HTTP, letakkan text_typedi dalam objek parameters.

Teks yang dikonversi menjadi penyematan dapat diterapkan pada tugas-tugas downstream seperti pengambilan, pengelompokan, dan klasifikasi. Untuk tugas asimetris seperti pengambilan, disarankan untuk membedakan antara teks kueri (query) dan teks dokumen (document) untuk mencapai performa pengambilan yang lebih baik. Untuk tugas simetris seperti pengindeksan, pengelompokan, dan klasifikasi, Anda cukup menggunakan nilai default sistem yaitu document.dimension integer opsional

Saat melakukan panggilan HTTP, letakkan dimensiondi dalam objek parameters.

Menentukan dimensi penyematan untuk vektor output. Nilai yang valid adalah 2560 (hanya untuk qwen3.7-text-embedding),2048 (hanya untuk text-embedding-v4), 1536 (hanya untuk text-embedding-v4), 1024, 768, 512, 256, 128, atau 64. Defaultnya adalah 1024.output_type string opsional

Saat melakukan panggilan HTTP, letakkan output_typedi dalam objek parameters.

Menentukan jenis vektor output. Parameter ini hanya berlaku untuk model qwen3.7-text-embedding, text-embedding-v3, dan text-embedding-v4. Nilai yang valid adalah dense, sparse, dan dense&sparse. Defaultnya adalah dense, yang hanya mengembalikan representasi vektor padat.instruct string opsionalMemberikan instruksi khusus untuk membimbing model dalam memahami maksud kueri. Instruksi dalam bahasa Inggris direkomendasikan, karena biasanya meningkatkan performa sebesar 1% hingga 5%.

String input
Daftar string input
File input

Python
Java
curl

import dashscope
from http import HTTPStatus

# Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

resp = dashscope.TextEmbedding.call(
    model="qwen3.7-text-embedding",
    input='Angin kencang, langit tinggi, dan siamang menjerit pilu. Pulau jernih, pasir putih, dan burung-burung kembali terbang. Hutan luas tak berbatas menggugurkan daunnya. Sungai Yangtze yang tak berujung datang bergulung-gulung.',
    dimension=1024,
    output_type="dense&sparse"
)

print(resp) if resp.status_code == HTTPStatus.OK else print(resp)

import java.util.Arrays;
import java.util.concurrent.Semaphore;
import com.alibaba.dashscope.common.ResultCallback;
import com.alibaba.dashscope.embeddings.TextEmbedding;
import com.alibaba.dashscope.embeddings.TextEmbeddingParam;
import com.alibaba.dashscope.embeddings.TextEmbeddingResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;

public final class Main {
    static {
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        Constants.baseHttpApiUrl="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
    }
    public static void basicCall() throws ApiException, NoApiKeyException{
        TextEmbeddingParam param = TextEmbeddingParam
        .builder()
        .model("qwen3.7-text-embedding")
        .texts(Arrays.asList("Angin kencang, langit tinggi, dan siamang menjerit pilu.", "Pulau jernih, pasir putih, dan burung-burung kembali terbang.", "Hutan luas tak berbatas menggugurkan daunnya.", "Sungai Yangtze yang tak berujung datang bergulung-gulung.")).build();
        TextEmbedding textEmbedding = new TextEmbedding();
        TextEmbeddingResult result = textEmbedding.call(param);
        System.out.println(result);
    }

    public static void callWithCallback() throws ApiException, NoApiKeyException, InterruptedException{
        TextEmbeddingParam param = TextEmbeddingParam
        .builder()
        .model(TextEmbedding.Models.TEXT_EMBEDDING_V3)
        .texts(Arrays.asList("Angin kencang, langit tinggi, dan siamang menjerit pilu.", "Pulau jernih, pasir putih, dan burung-burung kembali terbang.", "Hutan luas tak berbatas menggugurkan daunnya.", "Sungai Yangtze yang tak berujung datang bergulung-gulung.")).build();
        TextEmbedding textEmbedding = new TextEmbedding();
        Semaphore sem = new Semaphore(0);
        textEmbedding.call(param, new ResultCallback<TextEmbeddingResult>() {

          @Override
          public void onEvent(TextEmbeddingResult message) {
            System.out.println(message);
          }
          @Override
          public void onComplete(){
            sem.release();
          }

          @Override
          public void onError(Exception err){
            System.out.println(err.getMessage());
            err.printStackTrace();
            sem.release();
          }

        });
        sem.acquire();
    }

  public static void main(String[] args){
    try{
      callWithCallback();
    }catch(ApiException|NoApiKeyException|InterruptedException e){
      e.printStackTrace();
      System.out.println(e);

    }
      try {
        basicCall();
    } catch (ApiException | NoApiKeyException e) {
        System.out.println(e.getMessage());
    }
    System.exit(0);
  }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), gunakan Kunci API untuk wilayah tersebut dan ganti URL dengan: https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": {
        "texts": [
        "Angin kencang, langit tinggi, dan siamang menjerit pilu. Pulau jernih, pasir putih, dan burung-burung kembali terbang. Hutan luas tak berbatas menggugurkan daunnya. Sungai Yangtze yang tak berujung datang bergulung-gulung."
        ]
    },
    "parameters": {
        "dimension": 1024,
        "output_type": "dense"
    }
}'

Python
Java
curl

import dashscope
from http import HTTPStatus

# Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'
DASHSCOPE_MAX_BATCH_SIZE = 10

inputs = ['Angin kencang, langit tinggi, dan siamang menjerit pilu.', 'Pulau jernih, pasir putih, dan burung-burung kembali terbang.', 'Hutan luas tak berbatas menggugurkan daunnya.', 'Sungai Yangtze yang tak berujung datang bergulung-gulung.']

result = None
batch_counter = 0
for i in range(0, len(inputs), DASHSCOPE_MAX_BATCH_SIZE):
    batch = inputs[i:i + DASHSCOPE_MAX_BATCH_SIZE]
    resp = dashscope.TextEmbedding.call(
        model="qwen3.7-text-embedding",
        input=batch,
        dimension=1024
    )
    if resp.status_code == HTTPStatus.OK:
        if result is None:
            result = resp
        else:
            for emb in resp.output['embeddings']:
                emb['text_index'] += batch_counter
                result.output['embeddings'].append(emb)
            result.usage['total_tokens'] += resp.usage['total_tokens']
    else:
        print(resp)
    batch_counter += len(batch)

print(result)

import java.util.Arrays;
import java.util.List;
import com.alibaba.dashscope.embeddings.TextEmbedding;
import com.alibaba.dashscope.embeddings.TextEmbeddingParam;
import com.alibaba.dashscope.embeddings.TextEmbeddingResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;

public final class Main {
    static {
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        Constants.baseHttpApiUrl="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
    }
    private static final int DASHSCOPE_MAX_BATCH_SIZE = 10;

    public static void main(String[] args) {
        List<String> inputs = Arrays.asList(
                "Angin kencang, langit tinggi, dan siamang menjerit pilu.",
                "Pulau jernih, pasir putih, dan burung-burung kembali terbang.",
                "Hutan luas tak berbatas menggugurkan daunnya.",
                "Sungai Yangtze yang tak berujung datang bergulung-gulung."
        );

        TextEmbeddingResult result = null;
        int batchCounter = 0;

        for (int i = 0; i < inputs.size(); i += DASHSCOPE_MAX_BATCH_SIZE) {
            List<String> batch = inputs.subList(i, Math.min(i + DASHSCOPE_MAX_BATCH_SIZE, inputs.size()));
            TextEmbeddingParam param = TextEmbeddingParam.builder()
                    .model("qwen3.7-text-embedding")
                    .texts(batch)
                    .build();

            TextEmbedding textEmbedding = new TextEmbedding();
            try {
                TextEmbeddingResult resp = textEmbedding.call(param);
                if (resp != null) {
                    if (result == null) {
                        result = resp;
                    } else {
                        for (var emb : resp.getOutput().getEmbeddings()) {
                            emb.setTextIndex(emb.getTextIndex() + batchCounter);
                            result.getOutput().getEmbeddings().add(emb);
                        }
                        result.getUsage().setTotalTokens(result.getUsage().getTotalTokens() + resp.getUsage().getTotalTokens());
                    }
                } else {
                    System.out.println(resp);
                }
            } catch (ApiException | NoApiKeyException e) {
                e.printStackTrace();
            }
            batchCounter += batch.size();
        }

        System.out.println(result);
    }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), gunakan Kunci API untuk wilayah tersebut dan ganti URL dengan: https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": {
        "texts": [
          "Angin kencang, langit tinggi, dan siamang menjerit pilu.",
          "Pulau jernih, pasir putih, dan burung-burung kembali terbang.",
          "Hutan luas tak berbatas menggugurkan daunnya.",
          "Sungai Yangtze yang tak berujung datang bergulung-gulung."
        ]
    },
    "parameters": {
          "dimension": 1024,
          "output_type": "dense"
    }
}'

Python
Java
curl

import dashscope
from http import HTTPStatus
from dashscope import TextEmbedding

# Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'
# Pastikan untuk mengganti 'texts_to_embedding.txt' dengan nama file atau jalur Anda sendiri.
with open('texts_to_embedding.txt', 'r', encoding='utf-8') as f:
    resp = TextEmbedding.call(
        model="qwen3.7-text-embedding",
        input=f,
        dimension=1024
    )

    if resp.status_code == HTTPStatus.OK:
        print(resp)
    else:
        print(resp)

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import com.alibaba.dashscope.embeddings.TextEmbedding;
import com.alibaba.dashscope.embeddings.TextEmbeddingParam;
import com.alibaba.dashscope.embeddings.TextEmbeddingResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.utils.Constants;

public final class Main {
    static {
        // Ini adalah URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.
        Constants.baseHttpApiUrl="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1";
    }
    public static void main(String[] args) {
        // Ganti 'texts_to_embedding.txt' dengan jalur ke file Anda.
        try (BufferedReader reader = new BufferedReader(new FileReader("texts_to_embedding.txt"))) {
            StringBuilder content = new StringBuilder();
            String line;
            while ((line = reader.readLine()) != null) {
                content.append(line).append("\n");
            }

            TextEmbeddingParam param = TextEmbeddingParam.builder()
                    .model("qwen3.7-text-embedding")
                    .text(content.toString())
                    .build();

            TextEmbedding textEmbedding = new TextEmbedding();
            TextEmbeddingResult result = textEmbedding.call(param);

            if (result != null) {
                System.out.println(result);
            } else {
                System.out.println("Gagal mendapatkan penyematan: " + result);
            }
        } catch (IOException | ApiException | NoApiKeyException e) {
            e.printStackTrace();
        }
    }
}

Jika Anda menggunakan model di wilayah Tiongkok (Beijing), gunakan Kunci API untuk wilayah tersebut dan ganti URL dengan: https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Contoh kode di bawah ini menggunakan URL wilayah Singapura. Ganti {WorkspaceId} dengan ID ruang kerja Anda yang sebenarnya. URL berbeda-beda menurut wilayah.

Ganti 'texts_to_embedding.txt' dengan nama file atau jalur Anda.

FILE_CONTENT=$(cat texts_to_embedding.txt | jq -Rs .)
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-embedding",
    "input": {
        "texts": ['"$FILE_CONTENT"']
    },
    "parameters": {
        "dimension": 1024,
        "output_type": "dense"
    }
}'

Objek respons

status_code stringKode status HTTP. Nilai 200 menunjukkan keberhasilan.request_id stringIdentifikasi unik untuk permintaan. Gunakan ID ini untuk melacak dan troubleshooting permintaan.code stringKode kesalahan yang dikembalikan jika permintaan gagal. Bidang ini kosong untuk permintaan yang berhasil.message stringPesan kesalahan detail jika permintaan gagal. Bidang ini kosong untuk permintaan yang berhasil.outputobjectHasil dari tugas.

Properti

embeddingsarrayOutput model untuk permintaan. Ini adalah array objek, dengan setiap objek sesuai dengan teks input.

Properti

sparse_embedding arrayRepresentasi vektor jarang dari string yang sesuai. Ini hanya berlaku untuk text-embedding-v3 dan text-embedding-v4.

Properti

index integerIndeks token dalam kosakata.value floatMenunjukkan bobot atau skor kepentingan Token. Semakin tinggi nilainya, semakin besar kepentingan atau relevansi Token dalam konteks teks saat ini.token stringTeks token.

embedding arrayRepresentasi vektor padat untuk string yang sesuai.text_index integerIndeks teks yang sesuai dalam array input.

usageobject

Properti

total_tokens integerJumlah token dalam input, sebagaimana dihitung oleh tokenizer model.

{   "status_code": 200,
    "request_id": "1ba94ac8-e058-99bc-9cc1-7fdb37940a46",
    "code": "",
    "message": "",
    "output":{
        "embeddings": [
          {
             "sparse_embedding":[
               {"index":7149,"value":0.829,"token":"swift"},
               .....
               {"index":111290,"value":0.9004,"token":"mournfully"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 0
          },
          {
             "sparse_embedding":[
               {"index":246351,"value":1.0483,"token":"islet"},
               .....
               {"index":2490,"value":0.8579,"token":"back"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 1
          },
          {
             "sparse_embedding":[
               {"index":3759,"value":0.7065,"token":"Boundless"},
               .....
               {"index":1130,"value":0.815,"token":"leaves"}],
             "embedding": [-0.006929283495992422,-0.005336422007530928, ...],
             "text_index": 2
          },
          {
             "sparse_embedding":[
               {"index":562,"value":0.6752,"token":"endless"},
               .....
               {"index":1589,"value":0.7097,"token":"in"}],
             "embedding": [-0.001945948973298072,-0.005336422007530928, ...],
             "text_index": 3
          }
        ]
    },
    "usage":{
        "total_tokens":27
    }
}

Kode kesalahan

Jika pemanggilan model gagal, lihat Pesan Kesalahan.

​Ikhtisar model

​Prasyarat

​Kompatibilitas OpenAI

Badan permintaan

Objek respons

​DashScope

Isi permintaan

Objek respons

​Kode kesalahan

Ikhtisar model

Prasyarat

Kompatibilitas OpenAI

DashScope

Kode kesalahan