Tongyi Embedding Vision Flash API

Geschwindigkeitsoptimiertes multimodales Embedding, gleiche Form wie Vision-Plus, 3× günstiger image/video Token.

Alibaba CloudEinbettungen1K KontextVeröffentlicht 23. Sept. 2025SingaporeProprietärer Endpoint

Über Tongyi Embedding Vision Flash

Geschwindigkeitsoptimiertes multimodales Embedding, gleiche Form wie Vision-Plus, 3× günstiger image/video Token.

Auch bekannt als Alibaba Cloud Tongyi Embedding Vision Flash

multimodalindependent vectorslow cost

Tongyi Embedding Vision Flash Spezifikationen

Modell-ID
tongyi-embedding-vision-flash
Autor
Alibaba Cloud
Kategorie
Einbettungen
Veröffentlicht
23. Sept. 2025
Kontextfenster
1K Token
Eingabe
TextBildVideo
Ausgabe
Embedding
Region
Singapore
Endpoints
POST/v1/embeddings

Tongyi Embedding Vision Flash API-Preise

Live Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.

Typ
Spezifikation
Preis
Texteingabe
pro 1Million Token
$0.09
Bild-/Videoeingang
pro 1Million Token
$0.03
Auf der vollständigen Preisseite vergleichen

So rufst du die Tongyi Embedding Vision Flash API auf

Tongyi Embedding Vision Flash bedient die OpenAI-kompatible Embeddings API. Richte ein beliebiges OpenAI SDK auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID tongyi-embedding-vision-flash. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

cURL
curl https://api.empiriolabs.ai/v1/embeddings \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tongyi-embedding-vision-flash",
    "input": "The quick brown fox jumps over the lazy dog."
  }'
Python (OpenAI SDK)
from openai import OpenAI

client = OpenAI(
    base_url="https://api.empiriolabs.ai/v1",
    api_key="YOUR_EMPIRIOLABS_API_KEY",
)

embedding = client.embeddings.create(
    model="tongyi-embedding-vision-flash",
    input="The quick brown fox jumps over the lazy dog.",
)
print(embedding.data[0].embedding[:8])
Vollständige Tongyi Embedding Vision Flash API-Referenz

Tongyi Embedding Vision Flash API-Parameter

Request-Parameter, die die Tongyi Embedding Vision Flash API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.

ParameterTypStandardBereich / WerteBeschreibung
inputstring--Entweder ein OpenAI-ähnliches Teile-Array [{type:'image',url:...},{type:'text',text:...}] oder eine native Teileliste {contents:[{image:'...'},{text:'...'}]}. Bis zu...
userstring--Optionale Anruferkennung.

Gut zu wissen

Ausgabe - Fester 768-Dim-Vektor pro Eingabe pro Eingangsgrenzen - Text: bis zu 1.024 Token - Bild: bis zu 8 pro Anfrage, jeweils 3 MB (JPG, PNG, BMP) - Video: bis zu 10 MB pro Datei (MP4, MPEG, MOV, MPG, WEBM, AVI, FLV, MKV) Sprachen - Chinesisch, Englisch

Tongyi Embedding Vision Flash API: häufige Fragen

Wie viel kostet die Tongyi Embedding Vision Flash API?

Auf EmpirioLabs wird Tongyi Embedding Vision Flash nach Verbrauch abgerechnet: Texteingabe $0.09 pro 1Million Token; Bild-/Videoeingang $0.03 pro 1Million Token. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.

Wie groß ist das Kontextfenster von Tongyi Embedding Vision Flash?

Tongyi Embedding Vision Flash unterstützt ein Kontextfenster von 1K Token.

Welchen Endpoint verwendet Tongyi Embedding Vision Flash?

Tongyi Embedding Vision Flash wird über POST /v1/embeddings auf api.empiriolabs.ai mit normaler Bearer-Token-Authentifizierung bereitgestellt.

Kann ich Tongyi Embedding Vision Flash im Browser testen, bevor ich integriere?

Ja. Der EmpirioLabs Playground führt Tongyi Embedding Vision Flash im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.

Wie bekomme ich einen Tongyi Embedding Vision Flash API-Schlüssel?

Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.

Bereit, bessere Endpunkte zu nutzen?

Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.