Qwen · qwen3.7-text-embedding-flash
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。相较text-embedding-v4，在多语言覆盖（100→201种）、长文本处理（32K→128K）和Sparse Embedding等能力上大幅升级；在语义、跨语言及代码检索评测上整体效果基本持平，其中AIRBench-zh提升约3%。支持256、512、768、1024维用户自定义向量维度，默认1024维。
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。相较text-embedding-v4，在多语言覆盖（100→201种）、长文本处理（32K→128K）和Sparse Embedding等能力上大幅升级；在语义、跨语言及代码检索评测上整体效果基本持平，其中AIRBench-zh提升约3%。支持256、512、768、1024维用户自定义向量维度，默认1024维。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 输入 | 中国大陆 | 0.125 CNY/ 1,000,000 token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
Be the first to leave a review.
Be the first to ask a question.
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。相较text-embedding-v4，在多语言覆盖（100→201种）、长文本处理（32K→128K）和Sparse Embedding等能力上大幅升级；在语义、跨语言及代码检索评测上整体效果基本持平，其中AIRBench-zh提升约3%。支持256、512、768、1024维用户自定义向量维度，默认1024维。
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。
基于Qwen3.7训练的轻量级多语言文本向量模型，面向成本和吞吐敏感场景。相较text-embedding-v4，在多语言覆盖（100→201种）、长文本处理（32K→128K）和Sparse Embedding等能力上大幅升级；在语义、跨语言及代码检索评测上整体效果基本持平，其中AIRBench-zh提升约3%。支持256、512、768、1024维用户自定义向量维度，默认1024维。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 输入 | 中国大陆 | 0.125 CNY/ 1,000,000 token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
下面是别人对这个模型做过的检测，按时间从新到旧排。
Verification reports show up here once they are public.
Public reviews will appear here. Sign in to share real usage experience.
Be the first to ask a question.
