tbuy

qwen3-vl-embedding API 定价与接入

qwen3-vl-embedding API 定价:$0.2572 per 1M tokens。阿里巴巴通义千问 Qwen3-VL 多模态向量模型。

qwen3-vl-embedding API 接入

阿里巴巴通义千问 Qwen3-VL 多模态向量模型。

比较支持的 API 接口与能力,然后通过统一 API 网关接入 qwen3-vl-embedding。

分类
vector
支持的接口
OpenAI Chat Completions API
API 端点
POST /v1/chat/completions

qwen3-vl-embedding API 定价

基础输入价格
$0.2572 per 1M tokens
基础输出价格
$0.2572 per 1M tokens

以上基础价格以美元展示,未计入分组差异化调整。请打开实时定价页查看当前分组价格。

关于 qwen3-vl-embedding

阿里巴巴通义千问 Qwen3-VL 多模态向量模型。

使用场景与提示词

可探索的使用场景

  • 使用有代表性的查询和文档评估语义搜索效果。
  • 在接入下游助手前，先用自己的知识库比较检索质量。

实用建议

确认接口返回的是向量还是文档重排结果，并保持建库与查询的预处理方式一致。

如何调用 qwen3-vl-embedding

qwen3-vl-embedding 通过 tbuy 的统一网关提供。现有的 OpenAI 或 Anthropic SDK 代码不用改,把 base_url 指到 https://modelsok.com 并换成 tbuy 的 API 密钥即可。

curl(OpenAI 兼容)

curl https://modelsok.com/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen3-vl-embedding", "messages": [{"role": "user", "content": "Hello"}]}'

Python(openai SDK)

from openai import OpenAI

client = OpenAI(base_url="https://modelsok.com/v1", api_key="YOUR_API_KEY")
response = client.chat.completions.create(
    model="qwen3-vl-embedding",
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)

关于 qwen3-vl-embedding 的常见问题

qwen3-vl-embedding 是什么？

阿里巴巴通义千问 Qwen3-VL 多模态向量模型。

如何调用 qwen3-vl-embedding？

创建具有 qwen3-vl-embedding 访问权限的 API 密钥，然后使用 API 接入模块中的准确模型 ID 和受支持的接口。请求字段取决于所选接口。

qwen3-vl-embedding 如何计费？

价格取决于所选接入分组和模型的计费单位。请查看定价区块中的当前输入、输出、按次或媒体价格。

如何评估 qwen3-vl-embedding 是否适合我的项目？

确认接口返回的是向量还是文档重排结果，并保持建库与查询的预处理方式一致。

返回 AI 模型 API 定价