O Embedding-Vision é um modelo de embedding multimodal focado em visão, impulsionado por um LLM. Oferece desempenho excepcional em domínios específicos e alta relação custo-benefício em diversos setores, como e-commerce, galerias de fotos, segurança e direção autônoma. Com suporte a texto, imagem e vídeo, o modelo atende a tarefas de recuperação downstream, incluindo busca de texto para imagem, imagem para imagem, texto para vídeo e vídeo para vídeo.
Provedor de service de inferência
O Alibaba Cloud Model Studio é o provedor de service de inferência para tongyi-embedding-vision-flash.
Capacidades do modelo
Capacidade | Suporte | Capacidade | Suporte |
Modalidade de entrada | Text Image Video | Modalidade de saída | — |
Experiência do modelo | Unsupported | Function Calling | Unsupported |
Saídas estruturadas | Unsupported | Busca na web | Unsupported |
Conclusão de prefixo | Unsupported | Cache de contexto | Unsupported |
Inferência em lote | Unsupported | Fine-tuning | Unsupported |
Limites de contexto
Parâmetro | Valor | Parâmetro | Valor |
Comprimento máximo de entrada | — | Comprimento máximo de saída | — |
Janela de contexto | — |
Preços
Esta página exibe apenas os preços originais para chamadas de API do modelo, sem incluir promoções por tempo limitado. Acesse o Model Studio Console para conferir ofertas promocionais.
- Singapore
Item de faturamento | Preço (USD) | Unidade |
Entrada de imagem | 0,03 | Por 1M tokens |
Entrada de texto | 0,09 | Por 1M tokens |
Limites de taxa
- Singapore
Parâmetro | Valor |
RPM (Solicitações por minuto) | 600 |
TPM (Tokens por minuto) | 200.000 |