导航
doubao-embedding-vision
最近更新时间：2025.08.26 15:56:06首次发布时间：2025.05.12 16:06:20
文档反馈
问问助手模型效果★★★★★
速度★★★★★
价格（元/百万token）0.7, 1.8
[文本输入], [图片输入]
输入Text,
Image, Video, Audio
文本，图像，视频 *（部分模型支持）
输出Text,
文本
doubao-embedding-vision，一款由字节跳动研发的图像向量化模型，是一种支持文本、图片及视频混合输入的向量化技术，支持中、英双语，适用于文搜图、图搜图、图文混合搜索等场景。doubao-embedding-vision-250615 及后续版本支持视频输入。
最大上下文长度：128k（250615版本）/ 8k
最高向量维度：3072（241215版本支持）
模型价格
元/百万 token
输入0.70 [文本输入]
1.80 [图片输入]
输出0
缓存命中不涉及
缓存存储[每小时]不涉及
输入[批量]不涉及
输出[批量]不涉及
- 其中使用前缀缓存会产生缓存命中、缓存存储计费；批量推理产生输入[批量]、输出[批量]费用。具体请参阅模型服务价格。
- 图片tokens = (width px × height px)/784，超大图封顶 1312 token，具体请参阅图文向量化API-请求参数。
- 视频会按照固定间隔抽取画面，具体用量请参考用量说明。
能力支持
模型版本
doubao-embedding-vision
- doubao-embedding-vision-250615
支持 视频、文本、图片 输入。
最高向量维度：2048，支持1024降维使用。 - doubao-embedding-vision-250328
支持 最多1张图片、1段文本 输入。
最高向量维度：2048
模型限流
速率限制通过对给定时间段内的请求或令牌使用量设置特定上限来确保公平可靠地访问 API。
TPM：1,200,000
RPM：15,000