筛选
模型列表
共 168 个模型
通义千问2.5-14B
Qwen2.5系列14B模型，相较于 Qwen2，Qwen2.5 获得了显著更多的知识，并在编程能力和数学能力方面有了大幅提升。此外，新模型在指令执行、生成长文本、理解结构化数据（例如表格）以及生成结构化输出特别是 JSON 方面取得了显著改进。
文本生成
输入：¥ 0.00115 / 千 tokens
输出：¥ 0.0035 / 千 tokens
Doubao Embedding Large
Doubao Embedding Large 是字节跳动语义向量化模型的最新升级版，模型以豆包语言模型为基座，具备强大的语言理解能力；主要面向向量检索的使用场景，支持中、英双语，最长 4K 上下文长度。
文本向量化
输入：¥ 0.0009 / 千 tokens
输出：¥ 0 / 千 tokens
Doubao Embedding
Doubao Embedding 是一款由字节跳动研发的语义向量化模型，主要面向向量检索的使用场景，支持中、英双语，最长 4K 上下文长度。
文本向量化
输入：¥ 0.0007 / 千 tokens
输出：¥ 0 / 千 tokens
Qwen Text Embedding V3
Qwen Text Embedding V3 是通义实验室基于 LLM 底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。
文本向量化
输入：¥ 0.0009 / 千 tokens
输出：¥ 0 / 千 tokens
Qwen Text Embedding V1
Qwen Text Embedding V1 是通义实验室基于 LLM 底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。
文本向量化
输入：¥ 0.0009 / 千 tokens
输出：¥ 0 / 千 tokens
Qwen Text Embedding V2
Qwen Text Embedding V2，是通义实验室基于 LLM 底座的多语言文本统一向量模型，面向全球多个主流语种，提供高水准的向量服务，帮助开发者将文本数据快速转换为高质量的向量数据。
文本向量化
输入：¥ 0.0009 / 千 tokens
输出：¥ 0 / 千 tokens
Hunyuan Embedding
Hunyuan Embedding 是能够将文本转化为高质量向量数据的模型，用户可以将输入文本转化为多维的向量表示，适用于搜索、推荐、分类等场景。
文本向量化
输入：¥ 0.0009 / 千 tokens
输出：¥ 0 / 千 tokens