Qwen3-Embedding
阿里的 Apache 2.0 文本嵌入模型,0.6B、4B、8B 三种规格:100 多种语言,32K 上下文,向量长度可调。
一句话概括. Qwen3-Embedding 把文本变成能表达其含义的数字,让软件可以按语义而不是关键词来检索。它有三种规格:一个小到几乎哪里都能跑,一个 8B 的追求最高准确度。它支持 100 多种语言(包括编程语言),能读取最长 3.2 万 token 的长文本。
概述
阿里通义千问团队于 2025 年 6 月 5 日以 Apache 2.0 许可证发布 Qwen3 Embedding 系列。嵌入模型有三种规格,都基于稠密的 Qwen3 语言模型:0.6B(28 层,1,024 维向量)、4B(36 层,2,560 维)和 8B(36 层,4,096 维)。每个模型都能处理最长 3.2 万 token 的输入和 100 多种语言(包括编程语言),因此涵盖多语言、跨语言和代码检索。
有两个特性让它们很灵活。向量长度可自由选择(8B 模型从 32 到 4,096 维),在准确度和存储之间权衡;模型还支持指令感知:在查询前加一句简短的任务说明,Qwen 称这通常能带来 1% 到 5% 的提升,并建议即使面向其他语言,也用英文写指令。该系列还包含同样三种规格的 Qwen3-Reranker 重排序模型,用来对嵌入阶段得到的最佳结果重新打分。
发布时,Qwen 报告 8B 模型在 2025 年 6 月 5 日以 70.58 分位居 MTEB 多语言排行榜第一;排行榜变化很快,请把它当作当时的快照,并查看最新排名。BF16 检查点大小:8B 约 15 GB,4B 约 8 GB,0.6B 约 1.2 GB。对于图像、截图和视频,Qwen 在 2026 年 1 月另行发布了 Qwen3-VL-Embedding 系列(2B 和 8B)及配套重排序模型,支持 30 多种语言的文本与视觉混合输入。
适合做什么
- 多语言语义搜索和检索增强生成
- 代码搜索和跨语言检索
- 自己选择准确度与成本的平衡:小服务器用 0.6B,追求最佳质量用 8B
- 与配套的 Qwen3-Reranker 模型组成两阶段检索
需要注意
- 仅支持文本;处理图像或视频请用 Qwen3-VL-Embedding 或 EmbeddingGemma 2
- 不同模型或规格的向量互不通用,更换意味着要重新索引
- 使用查询指令格式,并保持英文,效果最佳
- 排行榜名次是发布时的,现在很可能已有变化
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 Qwen3-Embedding 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| Embedding-0.6B BF16 | 600M | 1.2 GB | 1.38 GB | 笔记本或手机 |
| Embedding-4B BF16 | 4.02B | 8 GB | 9.2 GB | 笔记本或手机 |
| Embedding-8B BF16 | 7.57B | 15 GB | 17 GB | 游戏显卡 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
最常见的宽松型许可证之一。你可以使用、修改模型并基于它销售产品,只需遵守少量条件。
延伸阅读
- Qwen3-Embedding 与 EmbeddingGemma 2 对比:该选哪个开源嵌入模型?
- 2026 年最佳开源嵌入(Embedding)模型
- EmbeddingGemma 2:把文本、图像、视频和音频放进一个 Apache 2.0 模型
常见问题
- Qwen3-Embedding 是什么?
- Qwen3-Embedding 把文本变成能表达其含义的数字,让软件可以按语义而不是关键词来检索。它有三种规格:一个小到几乎哪里都能跑,一个 8B 的追求最高准确度。它支持 100 多种语言(包括编程语言),能读取最长 3.2 万 token 的长文本。
- Qwen3-Embedding 可以商用吗?
- 可以。Qwen3-Embedding 采用 Apache 2.0 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- Qwen3-Embedding 是开源的吗?
- Qwen3-Embedding 采用 Apache 2.0 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 Qwen3-Embedding 吗?
- 可以。最小版本 Embedding-0.6B 在 4 位精度下约需 1.38 GB 内存,现代笔记本或中端显卡即可胜任。
- Qwen3-Embedding 是什么时候发布的?
- Qwen3-Embedding 由 Alibaba Qwen 于 2025年6月5日 发布。
- Qwen3-Embedding 的上下文窗口有多长?
- Qwen3-Embedding 支持最长 32K token 的上下文窗口。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- Qwen blog: Qwen3 Embedding qwenlm.github.io
- Qwen3-Embedding-8B model card (Hugging Face) huggingface.co
- Qwen3-VL-Embedding-8B model card (Hugging Face) huggingface.co
- Qwen3-Embedding repository (GitHub) github.com
发布时间等信息最近核实于 2026年11月8日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Harrier OSS v1 Microsoft | 270M – 27B | 32K | MIT (宽松) | 0.621 GB 笔记本或手机 | |
| EmbeddingGemma 2 Google DeepMind | 270M – 740M | 8K | Apache 2.0 (宽松) | 0.621 GB 笔记本或手机 | |
| Qwen3-VL-Embedding Alibaba Qwen | 2.13B – 8.14B | 32K | Apache 2.0 (宽松) | 4.9 GB 笔记本或手机 | |
| BGE-M3 BAAI | 568M | 8K | MIT (宽松) | 2.61 GB 笔记本或手机 |