向量化模型可将文本、图像、视频等数据转换为数值向量,用于语义搜索、推荐、聚类、分类、异常检测等下游任务。
准备工作
您需要已获取与配置 API Key并配置API Key到环境变量。如果通过OpenAI SDK或DashScope SDK进行调用,还需要安装SDK。请将示例代码中的 DASHSCOPE_API_HOST 替换为获取的 API Host。
获取Embedding
- 文本信息向量
- 多模态独立向量
- 多模态融合向量
- OpenAI兼容接口
- DashScope
模型选择
选择合适的模型取决于您的输入数据类型和应用场景。
-
处理纯文本或代码:推荐使用
qwen3.7-text-embedding。它是当前性能最强的模型,支持任务指令(instruct)、稀疏向量等高级功能,能覆盖绝大多数文本处理场景。 -
处理多模态内容:
- 融合向量:若要将单模态或混合模态输入表征为融合向量,适用于跨模态检索、图搜等场景,可使用
qwen3-vl-embedding。例如,输入一张衬衫图片并附加文本”找相似风格但更显年轻的款式”,模型能将图像和文本指令融合成一个向量进行理解。 - 独立向量:若要为每个输入(如图片和其对应的文字标题)生成独立的向量,可选择
tongyi-embedding-vision-plus、tongyi-embedding-vision-flash或通用多模态模型multimodal-embedding-v1为每个输入部分(图片、文字)生成一个独立的向量。
- 融合向量:若要将单模态或混合模态输入表征为融合向量,适用于跨模态检索、图搜等场景,可使用
-
处理大规模数据:若您需要处理大规模、非实时的文本数据,建议使用
qwen3.7-text-embedding或text-embedding-v4并结合 OpenAI兼容-Batch调用,以显著降低成本。
文本向量
- 北京
- 中国香港
- 新加坡
| 模型名称 | 向量维度 | 批次大小 | 单批次最大Token数(注) | 单价(每百万输入Token) | 支持语种 |
|---|---|---|---|---|---|
text-embedding-v4属于Qwen3-Embedding系列 | 2,048、1,536、1,024(默认)、768、512、256、128、64 | 10 | 8,192 | $0.072 | 中文、英语、西班牙语、法语、葡萄牙语、印尼语、日语、韩语、德语、俄罗斯语等100+主流语种及多种编程 |
- 字符串数组输入:数组最多包含10个元素。
- 文件输入:文本文件最多包含10行文本。
多模态向量
模型根据用户的输入生成连续向量,这些输入可以是文本、图片或视频。适用于视频分类、图像分类、图文检索,以文/图搜图,以文/图搜视频等任务场景。
接口支持单段文本、单张图片或单个视频文件的上传,也允许不同类型组合(如文本+图片),部分模型支持同类型内容的多个输入(如多张图片),请参考具体模型的限制说明。
- 新加坡
- 北京
模型名称 | 向量维度 | 文本长度限制 | 图片大小限制 | 视频大小限制 | 单价(每百万输入Token) | 免费额度(注) |
|---|---|---|---|---|---|---|
tongyi-embedding-vision-plus | 1152 | 1,024 Token | 单张大小不超过3 MB。支持多图,最多支持输入8张 | 视频文件大小不超过 10 MB | 图片/视频:$0.09 文本:$0.09 | 100万Token 有效期:自开通百炼/模型发布/申请通过之日起90天(以较晚者为准) |
tongyi-embedding-vision-flash | 768 | 图片/视频:$0.03 文本:$0.09 |
输入与语种限制
| 多模态融合向量模型 | ||||
|---|---|---|---|---|
| 模型 | 文本 | 图片 | 视频 | 单次请求条数 |
| qwen3-vl-embedding | 支持中、英、日、韩、法、德等33种主流语言
所有支持语言 中文、日语、韩语、印尼语、越南语、泰语、英语、法语、德语、俄语、葡萄牙语、西班牙语、意大利语、瑞典语、丹麦语、捷克语、挪威语、荷兰语、芬兰语、土耳其语、波兰语、斯瓦希里语、罗马尼亚语、塞尔维亚语、希腊语、哈萨克语、乌兹别克语、宿务语、阿拉伯语、乌尔都语、波斯语、印地语 / 天城语、希伯来语。 | JPEG, PNG, WEBP, BMP, TIFF, ICO, DIB, ICNS, SGI(支持URL或Base64) | MP4, AVI, MOV(仅支持URL) | 一次请求中传入内容元素总数不超过 20;图片数量不超过5;图片、文本、视频共享该上限。 |
| 多模态独立向量模型 | ||||
| 模型 | 文本 | 图片 | 视频 | 单次请求条数 |
| tongyi-embedding-vision-plus | 中/英文 | JPG, PNG, BMP (支持URL或Base64) | MP4, MPEG, AVI, MOV, MPG, WEBM, FLV, MKV(仅支持URL) | 暂无传入内容元素数量限制,输入内容总Token数不超过Token数量上限即可。 |
| tongyi-embedding-vision-flash | ||||
| multimodal-embedding-v1 | 一次请求中传入内容元素总数不超过 20;图片、视频各最多 1 条,文本最多 20 条,共享总条数上限。 | |||
核心功能
切换向量维度
qwen3.7-text-embedding、text-embedding-v4 、 text-embedding-v3、tongyi-embedding-vision-plus、tongyi-embedding-vision-flash、qwen3-vl-embedding支持自定义向量维度。更高的维度能保留更丰富的语义信息,但也会相应增加存储和计算成本。
- 通用场景(推荐):1024 维度是性能与成本的最佳平衡点,适用于绝大多数语义检索任务。
- 追求精度:对于高精度要求领域,可选择 1536 或 2048 维度。这会带来一定的精度提升,但存储和计算开销会显著增加。
- 资源受限:在对成本极其敏感的场景下,可选择 768 及以下维度。这能显著降低资源消耗,但会损失部分语义信息。
区分查询与文档文本 (text_type)
该参数目前仅支持通过DashScope SDK及API启用。为了在搜索类任务中取得最佳效果,应根据任务目标对不同的内容进行有针对性的向量化处理,以充分发挥各自的作用。
text_type 参数正是为此设计:
text_type: 'query':用于用户输入的查询文本。模型将生成一个类似“标题”的向量,更具方向性,专为“提问”和“查找”进行优化。text_type: 'document'(默认值):用于存入底库的文档文本。模型将生成一个类似“正文”的向量,包含更全面的信息,专为“被匹配”进行优化。
query 和 document。而在聚类、分类等所有文本处于相同角色的任务中,则无需设置此参数。
使用任务指令提升效果 (instruct)
该参数目前仅支持通过DashScope SDK及API启用。通过提供明确的英文任务指令(instruct),可以引导
qwen3.7-text-embedding 和 text-embedding-v4 模型针对特定检索场景优化向量质量,有效提升精度。其中 qwen3.7-text-embedding 在指令遵循能力上对比 text-embedding-v4 提升了 16.4%,建议优先使用。使用此功能时,必须将 text_type 参数设置为 query。
稠密与稀疏向量
该参数目前仅支持通过DashScope SDK及API启用。
qwen3.7-text-embedding、text-embedding-v4和text-embedding-v3支持输出三种类型的向量,以适应不同检索策略的需求。其中 qwen3.7-text-embedding 的 Sparse Embedding 采用全新类 SPLADE 训练策略,效果提升 8.4%,并新增跨语言检索支持。
向量类型 (output_type) | 核心优势 | 主要不足 | 典型应用场景 |
|---|---|---|---|
dense | 深度语义理解,能识别同义词和上下文,与召回结果更相关。 | 计算和存储成本较高;无法保证关键词的精确匹配。 | 语义搜索、智能问答、内容推荐。 |
sparse | 高计算效率,专注于关键词的精确匹配和快速过滤。 | 牺牲了语义理解能力,无法处理同义词或上下文。 | 日志检索、商品SKU搜索、精确信息过滤。 |
dense&sparse | 结合语义与关键词,搜索效果最好。生成成本不变,API调用开销与单向量模式相同。 | 存储需求大,系统架构和检索逻辑更复杂。 | 高质量、生产级的混合搜索引擎。 |
应用示例
以下为功能演示代码。在生产环境中,请预先计算向量并持久化存储在向量数据库中,检索时仅需计算查询向量。
语义搜索
通过计算查询与文档之间的向量相似度,实现精准的语义匹配。
推荐系统
通过分析用户历史行为向量,发现用户的兴趣偏好并推荐相似物品。
文本聚类
通过分析向量间的距离,将相似的文本自动分组。
文本分类
通过计算输入文本与预定义标签的向量相似度,实现在没有预先标记的示例的情况下,对新类别进行识别和分类。
异常检测
通过计算文本向量与正常样本中心的向量相似度,识别出与常规模式显著不同的异常数据。
示例代码中的阈值(threshold)仅为演示目的。在真实业务场景中,相似度的具体数值会因数据内容和分布的不同而变化,没有一个固定的阈值。建议基于自己的数据集来校准此值。
API参考
- 通用文本向量
- 多模态向量 多模态向量模型接口API详情
错误码
如果模型调用失败并返回报错信息,请参见错误码进行解决。
限流
关于模型的限流条件,请参见限流。
模型性能(MTEB/CMTEB)
评测基准
- MTEB:大规模文本嵌入评测基准,综合评估分类、聚类、检索等任务的通用性。
- CMTEB:中文大规模文本嵌入评测基准,专门针对中文文本的评测。
- 分数范围0-100,数值越高代表效果越优。
模型 | MTEB | MTEB(Retrieval task) | CMTEB | CMTEB (Retrieval task) |
|---|---|---|---|---|
text-embedding-v3(512维度) | 62.11 | 54.30 | 66.81 | 71.88 |
text-embedding-v3(768维度) | 62.43 | 54.74 | 67.90 | 72.29 |
text-embedding-v3(1024维度) | 63.39 | 55.41 | 68.92 | 73.23 |
text-embedding-v4(512维度) | 64.73 | 56.34 | 68.79 | 73.33 |
text-embedding-v4(1024维度) | 68.36 | 59.30 | 70.14 | 73.98 |
text-embedding-v4(2048维度) | 71.58 | 61.97 | 71.99 | 75.01 |