模型推理 · Embedding与Rerank

千问 Embedding 与 Rerank
RAG知识库构建首选

多模态向量模型 · 文本向量模型 · Rerank重排
按Token用量计费，为RAG/语义搜索/推荐系统提供底层支撑

模型详情

Embedding 与 Rerank 模型

计费单位：多模态向量模型用量 / 文本向量模型用量（Token）

🔢

多模态向量模型

支持图文混合向量化，文本和图片统一向量空间，适合跨模态检索场景。

计费方式按Token计费

价格咨询获取

图文统一向量空间

跨模态语义检索

电商图文搜索场景

📐

文本向量模型

高质量文本Embedding，语义相似度计算精准，RAG知识库检索召回率高。

计费方式按Token计费

价格咨询获取

高精度语义向量

RAG知识库构建

批量文档向量化

🎯

Rerank 重排模型

对召回结果精排序，显著提升RAG最终答案质量，适合对准确性要求高的场景。

计费方式按Token计费

价格咨询获取

提升RAG答案准确率

与向量检索搭配使用

法律/医疗高精度场景