模型定位
Qwen2.5-VL-Embedding 是基于 Qwen2.5-VL 训练的统一多模态向量模型,由阿里云百炼提供推理服务。官方模型上架公告将其列于 2025 年 10 月 21 日。(help.aliyun.com)
能力与用途
- 支持文本、图片、视频的单模态或混合模态输入,输出统一表征向量;适用于跨模态检索、图片和视频搜索、图像聚类及内容打标。(help.aliyun.com)
- 向量维度可选 512、768、1024、2048,默认为 1024;官方模型列表列出的最大输入为 32,000 Token。支持包括中文、英语、日语和韩语在内的 11 种语言。(help.aliyun.com)
限制
- 仅支持融合向量,不支持为各输入部分分别生成独立向量。每次请求中,图片、文本、视频、融合对象各类型最多出现一次;单张图片不超过 5 MB。(help.aliyun.com)
- 融合向量功能需通过 Python DashScope SDK 或 API 调用,暂不支持 OpenAI 兼容接口、Java DashScope SDK 或控制台直接调用。官方模型信息还列明不支持上下文缓存、批量推理和模型调优。(help.aliyun.com)
价格
中国内地阿里云百炼,华北 2(北京)地域,API 调用标准价:文本输入为 CNY 0.7/百万输入 Token;图片或视频输入为 CNY 1.8/百万输入 Token。按输入 Token 计费,向量输出不收费;该模型无免费额度。价格不含限时优惠。查询日期:2026 年 11 月 17 日。(help.aliyun.com)
查询了阿里云国际站官方定价,未核实到该模型的美元报价;不以其他模型价格或汇率换算替代。查询日期:2026 年 11 月 17 日。(alibabacloud.com)