Embedding

Tongyi Embedding Vision Plus

通义嵌入视觉Plus是阿里云的多模态嵌入路线，用于图像和文本检索。Nfero将其定位为视觉搜索、目录检索和基于事实的多模态应用。

Embedding嵌入视觉语言演示预览

可用性演示预览

访问演示预览

区域新加坡优先

探索模型开发者详情

检索规划

规划一个基于事实的AI工作流

阿里云访问

使用此流程在阿里云启用生产访问权限之前设计搜索、嵌入和重排序流程。

输入

为向量搜索和评分准备文本、图像或文档内容。

检索

使用嵌入来收集用户查询的候选上下文。

重新排序

应用Qwen重新排序以优先选择最佳来源段落。

继续使用阿里云探索相关模型

Nfero 如果您通过合格链接购买，可能会获得佣金，且不会产生额外费用。

Text Embedding V4

模型手册

团队用于什么

Embedding

检索演示

搜索相关性

为开发者排名模型页面，以找到正确的模型路径。

嵌入槽位

向量匹配

嵌入模型描述并按任务、成本和托管可用性进行聚类。

重排序槽位

重排序结果

通过推理、视觉和兼容性对模型候选进行重排序。

使用、访问和限制适用条款

使用条款

适用条款。在生产发布前，请确认客户在阿里巴巴协议中的使用条款。

托管访问

此路径已准备好供探索，可进行定价估算和输入规划，同时准备实时访问。

模型限制

在生产使用前请在阿里云确认最终限制。

开发者实现API 示例

curl -X POST https://nfero.com/api/models/tongyi-embedding-vision-plus/run \
  -H 'content-type: application/json' \
  -d '{"texts":["Nfero Model Hub","Alibaba Model Studio"],"normalize":true}'

await fetch('/api/models/tongyi-embedding-vision-plus/run', {
  method: 'POST',
  headers: { 'content-type': 'application/json' },
  body: JSON.stringify({
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})
});

import requests
requests.post('https://nfero.com/api/models/tongyi-embedding-vision-plus/run', json={
  "texts": [
    "Nfero Model Hub",
    "Alibaba Model Studio"
  ],
  "normalize": true
})