该模型是通义实验室基于Qwen3训练的多语言文本统一向量模型,相较V3版本在文本检索、聚类、分类性能大幅提升。
在MTEB多语言、中英、Code检索等评测任务上效果提升15%~40%;支持64~2048维用户自定义向量维度。
text-embedding-v4
128K 输入
https://api.apexrouter.top/v1/embeddings
import json import requests # API配置 url = "https://api.apexrouter.top/v1/embeddings" headers = { "Authorization": "sk-****************", # 替换为你的 知能API 令牌 "Content-Type": "application/json", } # 请求数据 payload = json.dumps({ "model": "text-embedding-v4-250515", # 指定模型版本 "input": "你好,把这句话变向量吧。" # 需要转换的文本 }) # 发送请求 response = requests.post(url, headers=headers, data=payload) # 输出结果 print(response.json()) # 返回的向量数据
成功响应将返回包含向量数据的JSON对象:
{ "object": "list", "data": [ { "object": "embedding", "embedding": [0.1, 0.2, ...], # 文本向量 "index": 0 } ], "model": "text-embedding-v4-250515" }
注意:请妥善保管API密钥,不要泄露给他人。
© 2026 知能API 向量嵌入