Tongyi Embedding Vision Flash API

Intégration multimodale optimisée en vitesse, même forme que Vision-Plus, 3 × moins cher image/video tokens.

Alibaba CloudEncastrements1K contextePublié 23 sept. 2025SingaporeEndpoint propriétaire

À propos de Tongyi Embedding Vision Flash

Intégration multimodale optimisée en vitesse, même forme que Vision-Plus, 3 × moins cher image/video tokens.

Aussi connu sous le nom Alibaba Cloud Tongyi Embedding Vision Flash

multimodalindependent vectorslow cost

Caractéristiques de Tongyi Embedding Vision Flash

ID du modèle
tongyi-embedding-vision-flash
Auteur
Alibaba Cloud
Catégorie
Encastrements
Publié
23 sept. 2025
Fenêtre de contexte
1K tokens
Entrée
TexteImageVidéo
Sortie
Embedding
Région
Singapore
Endpoints
POST/v1/embeddings

Tarifs de l'API Tongyi Embedding Vision Flash

Tarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.

Type
Spéc.
Tarif
Saisie de texte
par 1M de jetons
$0.09
Entrée image / vidéo
par 1M de jetons
$0.03
Comparer sur la page complète des tarifs

Comment appeler l'API Tongyi Embedding Vision Flash

Tongyi Embedding Vision Flash sert l'API Embeddings compatible OpenAI. Pointez n'importe quel SDK OpenAI vers https://api.empiriolabs.ai/v1 et utilisez l'id de modèle tongyi-embedding-vision-flash. Obtenez une clé API depuis le tableau de bord EmpirioLabs.

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])
Référence complète de l'API Tongyi Embedding Vision Flash

Paramètres de l'API Tongyi Embedding Vision Flash

Paramètres de requête pris en charge par l'API Tongyi Embedding Vision Flash sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.

ParamètreTypePar défautPlage / valeursDescription
inputstring--Soit un [{type:'image',url:...},{type:'text',text:...}] de pièces à la manière OpenAI, soit une liste native de pièces {contents:[{image:'...'},{text:'...'}]}....
userstring--Identifiant d’appelant optionnel.

Bon à savoir

Sortie - Vecteur fixe de 768 dim par entrée Limites par entrée - Texte: jusqu’à 1 024 jetons - Image: jusqu’à 8 par requête, 3 Mo chacun (JPG, PNG, BMP) - Vidéo: jusqu’à 10 Mo par fichier (MP4, MPEG, MOV, MPG, WEBM, AVI, FLV, MKV) Langues - Chinois, anglais

API Tongyi Embedding Vision Flash : questions fréquentes

Combien coûte l'API Tongyi Embedding Vision Flash ?

Sur EmpirioLabs, Tongyi Embedding Vision Flash est facturé à l'usage : Saisie de texte $0.09 par 1M de jetons; Entrée image / vidéo $0.03 par 1M de jetons. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.

Quelle est la fenêtre de contexte de Tongyi Embedding Vision Flash ?

Tongyi Embedding Vision Flash prend en charge une fenêtre de contexte de 1K tokens.

Quel endpoint Tongyi Embedding Vision Flash utilise-t-il ?

Tongyi Embedding Vision Flash est servi via POST /v1/embeddings sur api.empiriolabs.ai avec une authentification standard par token Bearer.

Puis-je essayer Tongyi Embedding Vision Flash dans le navigateur avant d'intégrer ?

Oui. Le playground EmpirioLabs exécute Tongyi Embedding Vision Flash dans le navigateur avec les mêmes paramètres que l'API expose, pour tester vos prompts avant d'écrire du code.

Comment obtenir une clé API Tongyi Embedding Vision Flash ?

Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.

Prêt à utiliser de meilleurs points de terminaison ?

Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.