详细参数
模型定位
embedding
适合场景
向量检索 / 语义检索
输入价格
$0.12 / 1M Tokens
输出价格
公开资料未说明
上下文窗口
128
语言模型
Embed v4.0
A model that allows for text and images to be classified or turned into embeddings
语义检索RAG向量搜索通用助手视觉embedding稳定版
快速入口
- 适合
- 向量检索 / 语义检索
- 价格
- $0.12
- 输入/输出
- 文本 / 图像 → 文本
能力与信息
核心能力
推理
不支持
工具调用
不支持
结构化输出
不支持
训练与版本
微调
不支持
蒸馏
不支持
接入信息
知识截止
公开资料未说明
调用名
embed-v4.0
API 基础地址
https://api.cohere.com/v2
调用协议
https/json
主接口
/embed
接口说明
Cohere API 默认使用 https://api.cohere.com/v2；嵌入模型走 /embed。
发布时间
公开资料未说明
价格与计费
计费摘要
输入价
$0.12 / 1M Tokens
输出价
公开资料未说明
缓存输入
公开资料未说明
币种
USD
计费单位
1M Tokens
单位类型
按 Tokens
价格说明
原始价格文案
未收录
补充说明
参考 Cohere 官网 Embed 标价（USD，按输入 tokens 计费），待官方价格页核对。
发布时间
未公开
官方入口
成本估算
官方标价：输入 $0.120 / 1M Tokens，输出 未公开。
单次短对话
2,000 输入 + 500 输出
—
1,000 次短对话
约 200 万输入 + 50 万输出
—
100 万输入 tokens
长文档批量处理
$0.120
100 万输出 tokens
大批量生成内容
—
按官方每百万 tokens 价格估算，不含缓存命中折扣、阶梯价和批处理优惠，实际以官方账单为准。
同类模型对比
| 模型 | 输入价格 | 输出价格 | 上下文 | 发布 |
|---|---|---|---|---|
| Embed v4.0 Cohere · 本页 | $0.12 / 1M Tokens | 公开资料未说明 | 128 | - |
| Qwen3 Coder Next 通义千问 Qwen | $0.12 / 1M Tokens | $0.80 / 1M Tokens | 262K | 2026-02-03 |
| Mercury 3 Inception / Mercury | $0.10 / 1M Tokens | $0.35 / 1M Tokens | 1M | 2026-10-16 |
| Solar Mini 4 Upstage / Solar | $0.10 / 1M Tokens | $0.40 / 1M Tokens | 524K | 2026-09-22 |
| Qwen3.5 9B 通义千问 Qwen | $0.10 / 1M Tokens | $0.15 / 1M Tokens | 262K | 2026-02-23 |
按同类目里价格最接近的模型挑选，价格单位与口径以各自详情页为准。
调用示例
调用名 embed-v4.0，接口地址 https://api.cohere.com/v2。示例里的 KEY 换成自己的密钥即可。
curl
curl https://api.cohere.com/v2/v1/chat/completions \
-H "Authorization: Bearer $API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "embed-v4.0",
"messages": [{"role": "user", "content": "你好，介绍一下你自己"}]
}'Python
from openai import OpenAI
client = OpenAI(api_key="YOUR_API_KEY", base_url="https://api.cohere.com/v2/v1")
response = client.chat.completions.create(
model="embed-v4.0",
messages=[{"role": "user", "content": "你好，介绍一下你自己"}],
)
print(response.choices[0].message.content)常见问题
Embed v4.0 多少钱？
Embed v4.0 当前标价是 输入 0.12 USD / 每百万 tokens，实际账单以官方价格页为准。
Embed v4.0 的上下文够用吗？
Embed v4.0 支持 128 tokens 上下文，大约能一次读入一份十几万字的资料；中文一般 1 个字约 1 到 2 个 token，实际可用字数取决于内容。
怎么接入 Embed v4.0？
调用名是 embed-v4.0，接口地址是 https://api.cohere.com/v2，协议是 https/json，按官方文档填密钥即可调用。
Embed v4.0 能私有化部署吗？
Embed v4.0 是闭源模型，一般只能通过 Cohere 的 API 或云厂商服务调用，需要私有化部署建议直接联系厂商谈商业方案。
Embed v4.0 支持哪些能力？
官方资料显示 Embed v4.0 支持看图。