Qwen3 Embedding 8B
Qwen3 Embedding 8B مدل هوش مصنوعی embedding (تبدیل متن به بردار) علیبابا (Qwen) است؛ از ایران با API سازگار با OpenAI هیبانا، یک کلید و پرداخت تومانی به آن دسترسی دارید.
مستندات
درباره این مدل
Qwen3 Embedding 8B عضوی از سری Qwen3 Embedding است؛ جدیدترین مدلهای هوش مصنوعی خانوادهٔ Qwen از علیبابا (Alibaba) که بهطور ویژه برای embedding متن و رتبهبندی (ranking) طراحی شدهاند. این سری توانایی چندزبانهٔ برجسته، درک متنهای طولانی و مهارت استدلال را از مدل پایهٔ خود به ارث برده است.
مدلهای این سری در کارهای مختلف embedding و رتبهبندی، از جمله بازیابی متن، بازیابی کد، دستهبندی و خوشهبندی متن و bitext mining، پیشرفت چشمگیری دارند. ابعاد خروجی پیشفرض ۴۰۹۶ است و هر ورودی تا ۳۲ هزار توکن پردازش میشود.
مدلهای این سری در کارهای مختلف embedding و رتبهبندی، از جمله بازیابی متن، بازیابی کد، دستهبندی و خوشهبندی متن و bitext mining، پیشرفت چشمگیری دارند. ابعاد خروجی پیشفرض ۴۰۹۶ است و هر ورودی تا ۳۲ هزار توکن پردازش میشود.
هزینه
3,600
هزینه ورودی (تومان بهازای هر ۱ میلیون توکن)
در embedding فقط متنِ ورودی شمرده میشود؛ بردارِ خروجی هزینهای ندارد. هر ۱ میلیون توکن تقریباً برابر ۷۵۰ هزار کلمهٔ انگلیسی است (متن فارسی توکن بیشتری مصرف میکند).
| نمونه | هزینهٔ تقریبی |
|---|---|
| یک سند ۵۰۰ توکنی | 2 تومان |
| ۱٬۰۰۰ سند ۵۰۰ توکنی (نیم میلیون توکن) | 1,800 تومان |
| ۱۰٬۰۰۰ سند ۵۰۰ توکنی | 18,000 تومان |
کد مدل
این رشته را در فیلد model درخواست بفرستید.
qwen/qwen3-embedding-8bمشخصات
| دسته | Embedding |
|---|---|
| نوع ورودی | متن |
| نوع خروجی | بردار عددی (embedding) |
| حداکثر طول هر ورودی | ۳۲٬۷۶۸ توکن |
| آدرس درخواست | POST /v1/embeddings |
| محدودیت نرخ پیشفرض | ۵۰ درخواست در هر دقیقه (برای هر حساب) |
| تاریخ انتشار | ۱۵ خرداد ۱۴۰۴ |
| وضعیت | فعال |
| مستندات رسمی سازنده | qwenlm.github.io |
نمونهٔ درخواست
درخواست آمادهٔ اجرا با همین مدل؛ فقط کلید API خود را جایگزین کنید.
curl https://api-ai.hibanacloud.ir/v1/embeddings \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen/qwen3-embedding-8b", "input": "متن نمونه برای تبدیل به بردار" }'