模型简介
text-embedding-v4 是阿里巴巴 / 阿里云的向量嵌入模型，将内容编码为数值向量，供语义搜索、相似内容匹配与知识库召回使用。
这个型号的类型为 文本Embedding；向量维度为 64~2048（默认1024）；最大Token数为 8,192。它在系统中提供的是可供比较和检索的表示，通常不会直接输出自然语言回答。需要问答能力时，还应把检索到的资料送入合适的语言模型。
这个版本怎样理解
使用时以完整型号 text-embedding-v4 为准。同一系列的其他版本可能改变输入范围、默认行为或运行配置，升级前可先对照下方参数与官方说明。
版本与模型标识
| 模型名称 | text-embedding-v4 |
|---|---|
| 模型 / 资源标识 | text-embedding-v4 |
| 版本标识 | text-embedding-v4 |
| 版本状态 | 官方目录收录 |
能力与参数
| 类型 | 文本Embedding |
|---|---|
| 向量维度 | 64~2048（默认1024） |
| 最大Token数 | 8,192 |
在知识库中怎样使用
先对文档切分并建立向量索引，再用同一套模型处理用户查询，按相似度找到候选资料。检索结果可以继续交给重排模型筛选，再由语言模型组织回答。
实际使用时重点看什么
向量维度、语言支持与输入长度关系到索引设计。更换模型后应重新检查文档和查询的编码方式，不能把不同模型生成的向量直接当作同一空间比较。
价格与计费说明
查看官方计费与使用条件 ↗。API、产品订阅与自行部署是不同使用方式；开放权重不等于免费托管调用。
官方网址与文档
同厂商模型
- qwen3.7-text-embedding · 官方目录收录
- qwen3.7-text-embedding-flash · 官方目录收录
- text-embedding-v3 · 官方目录收录
- qwen3-vl-embedding · 官方目录收录
- qwen2.5-vl-embedding · 官方目录收录
- qwen3.7-text-rerank · 官方目录收录
- qwen3-vl-rerank · 官方目录收录
- qwen3-rerank · 官方目录收录
资料来源
型号、版本与参数依据以上官方公开资料整理。
