Embedding-Vision是基于LLM底座的视觉多模态表征模型，具有以视觉为中心、领域性能优异（电商、 安防、相册/图库、自驾等）、高性价比的特点。兼容文本、图像、视频3种模态，可应用于以图搜图、以文搜图、以文搜视频，以视频搜视频等下游任务场景。本模型（tongyi-embedding-vision-flash）是轻量化版本，在视觉向量化上具备极高性价比。
推理服务供应商
tongyi-embedding-vision-flash模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Video |
输出模态 |
— |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 |
— |
最大输出长度 |
— |
上下文长度 |
— |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
图片输入 |
0.15 |
每百万tokens |
文本输入 |
0.15 |
每百万tokens |
新加坡
部署范围：国际
| 计费项 | 价格（元） | 单位 |
|---|---|---|
图片输入 |
0.2 |
每百万tokens |
文本输入 |
0.6 |
每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
600 |
TPM（每分钟tokens） |
200,000 |
新加坡
部署范围：国际
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
600 |
TPM（每分钟tokens） |
200,000 |
快照版本
tongyi-embedding-vision-flash-2026-03-06
Tongyi-Embedding-Vision是基于LLM底座的视觉多模态表征模型，支持文本、图像、视频3种模态，具有以视觉为中心、全场景性能优异、高性价比的特点，适用于以图搜图、以文搜图、以文搜视频、以视频搜视频、以文搜文、以文搜图文等下游多样化任务场景。本模型（tongyi-embedding-vision-flash）是轻量化版本，具备极高性价比。 2026-03-06版本在保留极致性价比优势的同时，基于Qwen3底座实现了效果与功能全面升级，包括全场景性能提升、多分辨率模式/多向量维度/多语言能力/融合向量等能力的支持。
推理服务供应商
tongyi-embedding-vision-flash-2026-03-06模型的推理服务供应商为阿里云百炼。
模型能力
| 能力项 | 支持情况 | 能力项 | 支持情况 |
|---|---|---|---|
输入模态 |
Text Image Video |
输出模态 |
Text |
模型体验 |
Function Calling |
||
结构化输出 |
联网搜索 |
||
前缀续写 |
上下文缓存 |
||
批量推理 |
模型调优 |
上下文限制
| 参数 | 值 | 参数 | 值 |
|---|---|---|---|
最大输入长度 |
— |
最大输出长度 |
— |
上下文长度 |
— |
模型价格
本文仅展示模型调用原价，不包含限时优惠等活动信息，请前往百炼控制台查看活动优惠。
华北2（北京）
| 计费项 | 价格（元） | 单位 |
|---|---|---|
图片输入 |
0.15 |
每百万tokens |
文本输入 |
0.15 |
每百万tokens |
限流
华北2（北京）
| 参数 | 值 |
|---|---|
RPM（每分钟请求数） |
1200 |
TPM（每分钟tokens） |
9,600,000 |