阿里 text-embedding-v4 向量模型 API 文档

概念介绍

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。

模型名称

text-embedding-v4

最大支持长度

128K 输入

基础信息

• Base URL: https://www.dmxapi.cn/v1/embeddings
• 认证方式: Bearer Token

请求参数

参数名	类型	必填	说明
model	string	是	使用的模型ID
input	string	是	需要转换为向量的文本内容

Python 调用示例

import json
import requests

# API配置
url = "https://www.dmxapi.cn/v1/embeddings"
headers = {
    "Authorization": "Bearer sk-****************",  # 替换为你的 DMXAPI 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

响应示例

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。