Seed-1.6-Embedding-250615
embedding模型Seed-1.6-Embedding-250615
模型基本信息
是否支持推理过程
不支持
最高上下文输入长度
128K tokens
最长输出结果
模型类型
embedding模型
发布时间
2025-06-28
模型预文件大小
推理模式
开源和体验地址
代码开源状态
预训练权重开源
GitHub 源码
Hugging Face
在线体验
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0.125 USD/百万tokens（文本输入） | |
| 图片 | 0.325 USD/百万tokens（图片输入） | |
| Embedding | 0 USD/百万tokens（输出） |
Seed-1.6-Embedding-250615模型在各大评测榜单的评分
图像向量嵌入
共 1 项评测发布机构
Seed-1.6-Embedding-250615模型解读
概述
Seed-1.6-Embedding 是字节跳动 Seed 团队在 2025-06-28 公布的一款向量模型，用于将内容编码为向量表示，面向检索、匹配、分类等场景。官方文章同时给出该模型在火山引擎的 API Model ID 为 doubao-embedding-vision-250615。
命名与版本对应关系
在 BytePlus ModelArk 文档中，该模型以 embedding-vision 作为推荐模型条目，并列出多个版本号。ModelArk 版本号 embedding-vision-250615 对应本条目（250615）。
版本能力差异（250615 vs 250328）
- 250615：支持 视频、图片、文本 输入；最大上下文长度为 128K；最大向量维度 2048，并支持降维到 1024。
- 250328：仅支持最多 1 张图片 + 1 段文本 输入；最大上下文长度为 8K；最大向量维度 2048。
架构与向量抽取
官方文章描述该模型基于 Seed1.6-Flash，并采用双塔（dual-tower）结构；向量抽取为最后一层隐藏层中与 [EOS] token 对应的向量表示。
训练方法（公开披露）
官方文章将训练过程描述为三阶段：文本继续训练、多模态继续训练、以及微调。训练目标包含从 VLM 基座获得 embedding 能力、多模态（图像/视频与文本）对齐，以及面向多任务/多场景的数据构建与训练。
评测与公开结果（截至 2025-06-28）
官方文章披露：在 C-MTEB（中文）榜单上报告得分 75.62；在 MMEB-V2 Image 榜单上报告得分 77.78，并披露与第二名的差值；同时披露在 MMEB-V2 Video 榜单上也取得领先差值（以官方图表与文字为准）。
上下文与模态
BytePlus ModelArk 文档描述 embedding-vision 支持中英文，并支持文本、图像、视频等混合输入；其中 250615 及后续版本支持视频输入，并给出最大上下文长度为 128K（250615）/ 8K（其他版本）。
访问方式与计费（文档披露）
BytePlus ModelArk 文档给出按 token 计费：文本输入 0.125 USD/百万 tokens、图片输入 0.325 USD/百万 tokens、输出 0；缓存命中与缓存存储标注为“不涉及”。文档未在该条目中单列视频输入价格。
开源与许可
上述官方发布文章与 ModelArk 文档未提供可下载权重或开源仓库地址；该模型以在线服务形式提供访问。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
