Qwen3-VL-Embedding
阿里的 Apache 2.0 多模态嵌入模型(2B 和 8B),把文本、图像、截图和视频放进同一个检索空间。
一句话概括. Qwen3-VL-Embedding 把文本、图片、截图和视频变成同一个空间里的数字,所以你可以用一句话搜索一堆幻灯片或视频,也可以用图片找文本。它有 2B 和 8B 两种规格,采用 Apache 2.0,并配有对应的重排序模型系列来给最佳结果重新打分。
概述
2026 年 1 月,阿里通义千问团队发布 Qwen3-VL-Embedding 和 Qwen3-VL-Reranker,它们基于 Qwen3-VL 视觉语言模型,技术报告的日期是 2026 年 1 月 8 日(arXiv 2601.04720)。两者都有 2B 和 8B 两种规格,采用 Apache 2.0 许可证。嵌入模型接受文本、图像、截图、视频以及文本加图像等混合输入,支持 30 多种语言,上下文 32K token。2B 模型输出 2,048 维向量,8B 模型最高 4,096 维,模型卡称 8B 模型支持 64 到 4,096 之间的任意维度。
两者是配套使用的。嵌入模型负责快速的第一阶段召回;重排序模型接收一个查询和一个文档(两者都可以是文本、图像、视频或混合),返回相关性分数。两者都支持指令:Qwen 称针对任务的指令通常能带来 1% 到 5% 的提升,并建议即使面向其他语言也用英文写指令。嵌入输出还可以量化以节省存储。
在 MMEB-V2 多模态基准上,Qwen 的模型卡报告 8B 模型总分 77.9、2B 模型 73.4,报告称 8B 模型在 2026 年 1 月 8 日时在其比较的模型中排名第一。这些数据由开发者自己报告,而排行榜变化很快。BF16 权重 8B 约 16.3 GB,2B 约 4.3 GB。如果只检索文本,纯文本的 Qwen3-Embedding 系列运行成本更低,支持的语言也更多。
适合做什么
- 用文本查询搜索图像、截图、幻灯片等文档图像
- 文本搜图、文本搜视频、图像搜文本等跨模态检索
- 与配套的 Qwen3-VL-Reranker 模型组成两阶段多模态检索
- 自己选择向量维度来权衡准确度与存储(8B 支持 64 到 4,096 维)
需要注意
- 比纯文本嵌入模型更重,只有 2B 和 8B 两种规格
- 支持 30 多种语言,少于纯文本 Qwen3-Embedding 的 100 多种
- 基准排名由 Qwen 自己报告,且是 2026 年 1 月的
- 不同模型的向量互不通用,更换意味着要重新索引
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-VL-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-2B BF16 | 2.13B | 4.26 GB | 4.9 GB | 笔记本或手机 |
| Embedding-8B BF16 | 8.14B | 16 GB | 19 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
- 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
- NVIDIA 的 Nemotron 3.5 Embed 和 Parse:把文档页面当作图像来检索和阅读
常见问题
- Qwen3-VL-Embedding 是什么?
- Qwen3-VL-Embedding 把文本、图片、截图和视频变成同一个空间里的数字,所以你可以用一句话搜索一堆幻灯片或视频,也可以用图片找文本。它有 2B 和 8B 两种规格,采用 Apache 2.0,并配有对应的重排序模型系列来给最佳结果重新打分。
- Qwen3-VL-Embedding 可以商用吗?
- 可以。Qwen3-VL-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-VL-Embedding 是开源的吗?
- Qwen3-VL-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-VL-Embedding 吗?
- 可以。最小版本 Embedding-2B 在 4 位精度下约需 4.9 GB 内存,现代笔记本或中端显卡即可胜任。
- Qwen3-VL-Embedding 是什么时候发布的?
- Qwen3-VL-Embedding 由 Alibaba Qwen 于 2026年1月 发布。
- Qwen3-VL-Embedding 的上下文窗口有多长?
- Qwen3-VL-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。
- Qwen3-VL-Embedding-8B model card (Hugging Face) huggingface.co
- Qwen3-VL-Embedding-2B model card (Hugging Face) huggingface.co
- Qwen3-VL-Embedding and Qwen3-VL-Reranker technical report (arXiv 2601.04720) arxiv.org
- Qwen3-VL-Embedding repository (GitHub) github.com
发布时间等信息最近核实于 2026年11月11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 |
|---|---|---|---|---|---|
| Qwen3-Embedding Alibaba Qwen | 600M – 7.57B | 32K | Apache 2.0 (宽松) | 1.38 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 | |
| Jina Embeddings v5 Jina AI | 239M – 677M | 32K | CC BY-NC (非商用) | 0.552 GB 笔记本或手机 | |
| BGE-M3 BAAI | 568M | 8K | MIT (宽松) | 2.61 GB 笔记本或手机 |