NEUROAPI / СРАВНЕНИЕ МОДЕЛЕЙ
Сравните стоимость одинаковой нагрузки, ограничения и опубликованные результаты.
Назначение: Эмбеддинги. Условия тарификации — в требованиях к задаче.
Выберите обязательные функции.
Для обеих моделей заявлен общий тип задачи «Эмбеддинги».
Точные параметры ниже не опубликованы в общем каталоге; проверьте их в документации и карточке каждой модели.
Здесь показаны заявления публичного каталога; качество результата и совместимость конкретного API-формата проверяются отдельно.
Общая задача не означает одинаковые параметры, единицы оплаты или качество. Победитель по этим неизвестным данным не определяется.
Недостаточно сопоставимых измерений
Проверьте размерность вектора, нормализацию и recall/MRR/nDCG на одном наборе документов и запросов. Размер текстового контекста не заменяет эти измерения.
Визуальное сравнение
Сравните профиль каждой модели. Источники измеряют разные задачи и показаны отдельно.
Снимок: · Свежесть: устаревший или резервный снимок
Qwen 3.7 Text Embedding: соответствие не найдено · Text Embedding 3 Small: неоднозначное соответствие
Даты измерений не опубликованы.
Нет общих показателей для графика. Отдельные результаты можно раскрыть ниже; отсутствие данных не означает низкое качество.
Недостаточно подтверждённых данных для рекомендации победителя.
Artificial Analysis публикует индексы, а не процент решённых задач. Design Arena публикует Elo; в общий график входят категории models. Результаты сборщиков и агентных оболочек остаются отдельными записями. Для рисунка используется единая шкала 100 / (1 + 10^((1200 − Elo)/400)). Площадь графика не означает общую силу модели.
Дата получения снимка не равна дате измерения. Неизвестные или различающиеся конфигурации не подтверждают сопоставимость запусков. SD — стандартное отклонение источника, а не доверительный интервал. Число наблюдений и интервалы не добавляются без публикации источником. Даты отображаются в UTC.
Artificial Analysis, Design Arena и OpenRouter Evals представлены раздельно.
Соответствие модели источнику не подтверждено; результаты не подставляются из похожей версии.
Соответствие модели источнику не подтверждено; результаты не подставляются из похожей версии.
Обновление набора: . Дата строки набора не подтверждает дату запуска теста.
Опубликованных результатов для этой модели не найдено.
Опубликованных результатов для этой модели не найдено.
Характеристики опубликованы в каталоге NeuroAPI. Поддержка функции не измеряет качество выполнения задачи. Тариф «Оптимальный» показан отдельно; другой тариф выбирается в калькуляторе.
Условия доступа
Одинаковый тариф, опубликованные единицы и ограничения.
Задачи по каталогу
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Оптимальный · опубликованные цены
Qwen 3.7 Text Embedding
Оптимальный
Цена: вход 8,9999 ₽
За 1 млн токенов
Оплачиваются только входные токены. Выход не тарифицируется; кэширование не поддерживается.
Text Embedding 3 Small
Цена зависит от единиц и параметров задачи. Проверьте условия в карточке модели; текстовая смета здесь не применяется.
Qwen 3.7 Text Embedding преобразует текст в числовые векторы для семантического поиска, RAG, кластеризации и поиска по исходному коду. Модель подходит для мультиязычных баз знаний и сопоставления запросов с документами. В одном запросе можно обработать до 20 текстов, каждый до 128 000 токенов. Доступные размерности: 256, 512, 768, 1024, 1536, 2048 и 2560; размерность по умолчанию — 1024. Используйте API эмбеддингов или нативный формат Alibaba Native. Модель возвращает векторы, а не ответ чат-бота: Chat Completions, Responses, генерация текста и инструменты для неё не предназначены. Оплачиваются фактические входные токены; отдельной платы за выходной вектор и скидки на кэш нет. Доступность Batch у разработчика модели не означает доступность пакетных эмбеддингов в NeuroAPI: в этой публикации доступен синхронный режим.
Text Embedding 3 Small — экономичная специализированная embedding-модель; подходит для массового семантического поиска, классификации и retrieval-сценариев. В API NeuroAPI используется официальный клиентский идентификатор `text-embedding-3-small`.\n\n## Когда выбирать модель\n\n- поиск и фильтрация документов;\r\n- кластеризация и рекомендации;\r\n- быстрые векторные индексы;\r\n\n\n## Возможности\n\nПубличная карточка модели заявляет вход: текст; результат: текст. Доступны: вызов функций. Указанное в каталоге контекстное окно — до 128K.\n\n## Актуальность и выбор\n\nЭто не генеративная чат-модель: она возвращает векторные представления текста.\n\n## Ограничения\n\nМодель следует выбирать по реальному тесту на ваших данных: сложность промпта, объём контекста, формат ответа и требования к точности заметно влияют на результат. Не передавайте чувствительные данные без оценки собственных требований к безопасности и соответствию.
Функции по каталогу
Сверьте конкретный endpoint и параметры с документацией.
Текст на входе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Изображения на входе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Аудио на входе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Видео на входе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Файлы на входе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Текст на выходе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Изображения на выходе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Аудио на выходе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Видео на выходе
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Режим рассуждений
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Потоковый ответ
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Вызов инструментов
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Структурированный ответ
Qwen 3.7 Text Embedding
Text Embedding 3 Small
Используйте точный публичный ID в поле model.
Qwen 3.7 Text Embedding
qwen3.7-text-embeddingText Embedding 3 Small
text-embedding-3-smallЭндпоинт: POST /alibaba/api/v1/services/embeddings/text-embedding/text-embedding
При смене модели проверьте размерность и совместимость векторов. Уже построенный индекс может потребовать пересоздания.
curl 'https://neuroapi.host/alibaba/api/v1/services/embeddings/text-embedding/text-embedding' \
-H "Authorization: Bearer $NEUROAPI_KEY" \
-H 'Content-Type: application/json' \
--data '{
"model": "qwen3.7-text-embedding",
"input": {
"texts": [
"Документ для семантического поиска"
]
},
"parameters": {
"dimension": 1024
}
}'При самостоятельном запуске запрос использует баланс API-ключа.
Руководство: ЭмбеддингиAPI-ключ храните на сервере в переменной NEUROAPI_KEY.
Копирование примера не отправляет запрос.
Пример показывает структуру запроса; наличие общей задачи не подтверждает поддержку каждого формата или параметра.
Сравниваем Qwen 3.7 Text Embedding и Text Embedding 3 Small для задач: эмбеддинги. Показываем опубликованные возможности, ограничения и условия цен; неизвестные результаты не превращаем в оценки качества.
Сначала определите задачу и обязательные требования, затем сравните стоимость одинаковой нагрузки и свидетельства при сопоставимых условиях. Проверьте выбранные модели на типичных запросах своего продукта.
Текстовый расчёт не применим к назначению этой пары. Сравните одинаковые параметры своей задачи и её единицу тарификации в карточках моделей; универсальный итог без этих параметров не рассчитывается.
Создайте API-ключ NeuroAPI и используйте точное имя модели. Выберите endpoint и формат запроса из документации для своей задачи: текст, эмбеддинги, распознавание речи, синтез, изображения и видео имеют разные контракты.
Проверьте размерность вектора, нормализацию и recall/MRR/nDCG на одном наборе документов и запросов. Размер текстового контекста не заменяет эти измерения.
Возможность заявлена по каталогу, а полнота endpoint и параметры входа/результата проверяются по документации. Отсутствие замера качества или задержки означает недостаток свидетельств, а не нулевое качество.