El modelo de embedding de texto de propósito general convierte datos de texto en vectores numéricos para tareas posteriores como búsqueda semántica, recomendación, agrupación y clasificación.
Resumen de modelos
Singapore
| Modelo | Dimensiones de embedding | Filas máximas | Máximo de tokens por línea(Nota) | Precio (por 1M tokens de entrada) | Idiomas admitidos | Cuota gratuita(Nota) |
|---|---|---|---|---|---|---|
qwen3.7-text-embedding | 2,560, 2,048, 1,536, 1,024 (predeterminado), 768, 512, 256 | 20 | 128,000 | $0.07 | Chino, inglés, español, francés, portugués, indonesio, japonés, coreano, alemán, ruso y más de 200 idiomas y dialectos principales adicionales | 1 millón de tokens Validez: 90 días después de activar Model Studio |
text-embedding-v4
| 2,048, 1,536, 1,024 (predeterminado), 768, 512, 256, 128, 64 | 10 | 8,192 | $0.07 | Chino, inglés, español, francés, portugués, indonesio, japonés, coreano, alemán, ruso y más de 100 idiomas principales adicionales | 1 millón de tokens Validez: 90 días después de activar Model Studio |
text-embedding-v3 | 1,024 (predeterminado), 768, 512 | Chino, inglés, español, francés, portugués, indonesio, japonés, coreano, alemán, ruso y más de 50 idiomas principales adicionales | 500,000 tokens Validez: 90 días después de activar Model Studio |
China (Beijing)
| Modelo | Dimensiones de embedding | Filas máximas | Máximo de tokens por línea | Precio (por 1M tokens de entrada) | Idiomas admitidos |
|---|---|---|---|---|---|
text-embedding-v4
| 2,048, 1,536, 1,024 (predeterminado), 768, 512, 256, 128, 64 | 10 | 8,192 | $0.072 | Chino, inglés, español, francés, portugués, indonesio, japonés, coreano, alemán, ruso y más de 100 idiomas principales adicionales, además de múltiples lenguajes de programación |
China (Hong Kong)
| Modelo | Dimensiones de embedding | Filas máximas | Máximo de tokens por línea | Precio (por 1M tokens de entrada) | Idiomas admitidos |
|---|---|---|---|---|---|
text-embedding-v4
| 2,048, 1,536, 1,024 (predeterminado), 768, 512, 256, 128, 64 | 10 | 8,192 | $0.07 | Chino, inglés, español, francés, portugués, indonesio, japonés, coreano, alemán, ruso y más de 100 idiomas principales adicionales, además de múltiples lenguajes de programación |
Para conocer los límites de tasa del modelo, consulte Limitación de tasa.
Requisitos previos
Los usuarios familiarizados con el ecosistema OpenAI pueden utilizar la API compatible con OpenAI para una migración rápida. La API DashScope ofrece funciones únicas adicionales.
Obtenga una clave API y exporte la clave API como variable de entorno. Si utiliza un SDK para realizar las llamadas, instale el SDK de DashScope.
Compatibilidad con OpenAI
Elbase_urla configurar para llamadas SDK:
- Singapur: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real. - China (Pekín): https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
- China (Hong Kong): https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/compatible-mode/v1. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real.
Elendpointa configurar para llamadas HTTP:
- Singapur: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/embeddings. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real. - China (Pekín): POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-mode/v1/embeddings
- China (Hong Kong): POST https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/compatible-mode/v1/embeddings. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real.
Reemplace {WorkspaceId} con su ID de espacio de trabajo real.
Cuerpo de la solicitudmodel El nombre del modelo a llamar. Consulte la tabla Resumen de modelos para ver los nombres de los modelos. input El texto de entrada a procesar. La entrada puede ser una cadena, una matriz de cadenas o un archivo. Los límites de longitud de texto y tamaño de lote varían según la versión del modelo:
dimensions La dimensión de los vectores de embedding de salida. Debe ser uno de los siguientes valores: encoding_format El formato de embedding devuelto. Actualmente, solo se admite | Cadena de entradaPythonJavacurl
CLI de dashscopeLlamada a través de la línea de comandos dashscope. ImportanteEl asistente interactivo SDK Expert puede realizar las mismas tareas de desarrollo y solución de problemas mediante lenguaje natural; consulte DashScope SDK Expert.Para la tabla completa de regiones, consulte Resumen de URL base. Lista de cadenas de entradaPythonJavacurl
Archivo de entradaPythonJavacurl
|
Objeto de respuestadata Una lista de los objetos de embedding resultantes. model El nombre del modelo utilizado para esta llamada. objectstring El tipo de objeto. El valor siempre es usage idstring Un identificador único de solicitud, utilizado para rastreo y solución de problemas. | |
DashScope
base_urlpara llamadas SDK:
- Singapur: https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real. - China (Pekín): https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1
- China (Hong Kong): https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/api/v1. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real.
- Singapur: POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real. - China (Pekín): POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding
- China (Hong Kong): POST https://{WorkspaceId}.cn-hongkong.maas.aliyuncs.com/api/v1/services/embeddings/text-embedding/text-embedding. Reemplace
WorkspaceIdcon su ID de espacio de trabajo real.
Reemplace {WorkspaceId} con su ID de espacio de trabajo real.
Cuerpo de la solicitudmodel El modelo a utilizar. Para obtener una lista de modelos disponibles, consulte la tabla Resumen de modelos. input El texto a procesar. La entrada puede ser una cadena, una matriz de cadenas o un archivo. La longitud de texto admitida y el tamaño del lote varían según la versión del modelo.
text_type
El texto convertido a embeddings se puede aplicar a tareas posteriores como recuperación, agrupación y clasificación. Para tareas asimétricas como la recuperación, se recomienda diferenciar entre texto de consulta (query) y texto de documento (document) para lograr un mejor rendimiento de recuperación. Para tareas simétricas como indexación, agrupación y clasificación, simplemente puede usar el valor predeterminado del sistema de dimension
Especifica la dimensión de embedding para el vector de salida. Los valores válidos son output_type
Especifica el tipo de vector de salida. Este parámetro aplica solo a los modelos instruct Proporciona instrucciones personalizadas para guiar al modelo en la comprensión de la intención de la consulta. Se recomiendan instrucciones en inglés, ya que generalmente mejoran el rendimiento entre un 1% y un 5%. | Cadena de entradaPythonJavacurl
Lista de cadenas de entradaPythonJavacurl
Archivo de entradaPythonJavacurl
|
Objeto de respuestastatus_code El código de estado HTTP. Un valor de 200 indica éxito. request_id Un identificador único para la solicitud. Utilice este ID para rastrear y solucionar problemas de la solicitud. code El código de error devuelto si la solicitud falla. Este campo está vacío para solicitudes exitosas. message Un mensaje de error detallado si la solicitud falla. Este campo está vacío para solicitudes exitosas. output El resultado de la tarea. usage | |
Códigos de error
Si falla una llamada al modelo, consulte Mensajes de error.