Doubao Embedding Vision - Upmore

Doubao Embedding Vision 是字节跳动的多模态向量化模型，通过 Upmore 以标准 embeddings 接口（/v1/embeddings）提供服务。将文本和图片映射到同一个 2048 维向量空间，适合图文检索与语义搜索。

核心能力

多模态输入 — 文本、图片或图文混合输入，输出一个向量
统一向量空间 — 文本向量与图片向量可直接比较
2048 维 — 固定输出维度
图文分价 — 文本输入与视觉输入分开计价，usage 按类型分别上报

快速示例

curl https://api.upmore.net/v1/embeddings \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-embedding-vision",
    "input": [
      {"type": "text", "text": "一只在钢琴上打盹的橘猫"},
      {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}}
    ]
  }'

import requests

response = requests.post(
    "https://api.upmore.net/v1/embeddings",
    headers={
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json",
    },
    json={
        "model": "doubao-embedding-vision",
        "input": [
            {"type": "text", "text": "一只在钢琴上打盹的橘猫"},
            {"type": "image_url", "image_url": {"url": "https://example.com/cat.jpg"}},
        ],
    },
)

result = response.json()
embedding = result["data"]["embedding"]  # 2048 个浮点数
print(len(embedding), result["usage"])

const response = await fetch('https://api.upmore.net/v1/embeddings', {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.UPMORE_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'doubao-embedding-vision',
    input: [
      { type: 'text', text: '一只在钢琴上打盹的橘猫' },
      { type: 'image_url', image_url: { url: 'https://example.com/cat.jpg' } },
    ],
  }),
})

const result = await response.json()
console.log(result.data.embedding.length, result.usage)

与普通向量化模型不同，input 是内容对象数组（方舟多模态格式），不是纯字符串。纯文本也用这个格式：[{"type": "text", "text": "..."}]。一次请求对整个输入返回一个融合向量。

参数说明

参数	类型	必填	说明
`model`	string	是	固定为 `doubao-embedding-vision`
`input`	array	是	内容对象：`{type: "text", text}` 和/或 `{type: "image_url", image_url: {url}}`
`input[].image_url.url`	string	图片项	图片 URL 或 Base64 data URI

响应说明

字段	说明
`data.embedding`	整个输入的 2048 维浮点向量
`usage.prompt_tokens_details.text_tokens`	文本 token——按文本价计费
`usage.prompt_tokens_details.image_tokens`	图片 token——按视觉价计费（更高）

API 参考

查看可交互的 API Playground。