Tongyi Embedding Vision Plus API

Multimodale Einbettung, die unabhängige Vektoren für Text-, Bild- und Videoeingaben erzeugt.

Alibaba CloudEinbettungen1024 KontextVeröffentlicht 23. Sept. 2025SingaporeProprietärer Endpoint

Über Tongyi Embedding Vision Plus

Multimodale Einbettung, die unabhängige Vektoren für Text-, Bild- und Videoeingaben erzeugt.

Auch bekannt als Tongyi Embedding Vision, Alibaba Cloud Tongyi Embedding Vision Plus, Tongyi-Embedding-Vision-Plus

multimodalindependent vectors

Tongyi Embedding Vision Plus Spezifikationen

Modell-ID
tongyi-embedding-vision-plus
Anbieter
Alibaba Cloud
Kategorie
Einbettungen
Veröffentlicht
23. Sept. 2025
Kontextfenster
1024 Token
Eingabe
TextBildVideo
Ausgabe
Embedding
Region
Singapore
Endpoints
POST/v1/embeddings

Tongyi Embedding Vision Plus 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
Texteingang
pro 1M Token
$0.09
Bild-/Videoeingang
pro 1M Token
$0.09
Auf der vollständigen Preisseite vergleichen

So rufst du die Tongyi Embedding Vision Plus API auf

Tongyi Embedding Vision Plus 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-plus. 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-plus",
    "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-plus",
    input="The quick brown fox jumps over the lazy dog.",
)
print(embedding.data[0].embedding[:8])
Vollständige Tongyi Embedding Vision Plus API-Referenz

Tongyi Embedding Vision Plus API-Parameter

Request-Parameter, die die Tongyi Embedding Vision Plus 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

Output - Fixed 1152-dim vector per input (keine Fusion über Modalitäten) Per-input limits - Text: bis zu 1.024 Tokens - Image: bis zu 8 pro Request, je 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 Plus API: häufige Fragen

Wie viel kostet die Tongyi Embedding Vision Plus API?

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

Wie groß ist das Kontextfenster von Tongyi Embedding Vision Plus?

Tongyi Embedding Vision Plus unterstützt ein Kontextfenster von 1024 Token.

Welchen Endpoint verwendet Tongyi Embedding Vision Plus?

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

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

Ja. Der EmpirioLabs Playground führt Tongyi Embedding Vision Plus 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 Plus 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.