6月6日，阿里開源通義千問3全新的向量模型系列Qwen3-Embedding（簡稱千問3向量模型）。該模型以千問3為底座，專門為文本表征、檢索和排序等核心任務(wù)進行優(yōu)化訓練，性能較上一版本可提升40%，在MTEB等權(quán)威專項榜單中超越了谷歌、OpenAI、微軟等公司的頂尖模型。
Qwen3-Embedding 系列模型
向量模型像是AI的“翻譯器”，它可以將文本、圖片等人類可認知的非結(jié)構(gòu)化信息，映射到機器更易理解的向量空間，再基于這些向量實現(xiàn)高效的信息分類、檢索或排序。也正因此，向量模型對于提升AI的語義理解、信息檢索、多模態(tài)融合等核心能力至關(guān)重要?；谇?模型，通義團隊通過對比訓練、SFT、模型融合等方法，打造出全新的千問3向量模型，包含文本嵌入模型 Qwen3-Embedding以及文本排序模型Qwen3-Reranker。
千問3向量模型系列訓練過程圖
相較于上一個版本，千問3向量模型在文本檢索、聚類、分類等核心任務(wù)上提升最高40%以上的性能。同時，得益于千問3的多語言能力，千問3向量模型系列率先支持超100種語言，并涵蓋多種編程語言，可實現(xiàn)強大的多語言、跨語言及代碼檢索能力。
為方便開發(fā)者，此次有9款千問3向量模型開源，涵蓋0.6B、4B、8B等不同尺寸及GGUF版本。開發(fā)者可從中找到最符合需求的模型，自由組合模塊，還可自定義向量或指令，實現(xiàn)特定任務(wù)、語言和場景的深度優(yōu)化。比如，開發(fā)者可在智能搜索、推薦系統(tǒng)中采用Qwen3-Embedding作文本向量化，或者在RAG實踐中用Qwen3-Reranker提升最終結(jié)果的相關(guān)性和準確性，甚至與視覺理解模型結(jié)合，探索前沿的跨模態(tài)語義理解。
目前，千問3 Embedding和Reranker模型均已在魔搭社區(qū)、Hugging Face和GitHub等平臺上開源，開發(fā)者也可直接通過阿里云百煉使用API服務(wù)。
（責任編輯：蔡文斌）
晉公網(wǎng)安備 14090202000008號 
