Qwen3-VL-Reranker
阿里巴巴的 Apache 2.0 多模态重排序模型(2B 和 8B),对照查询给文本、图像、截图和视频打分。
一句话概括. Qwen3-VL-Reranker 用来给可能是文本、图片、截图或视频的搜索结果重新排序。它把查询和候选放在一起阅读,给出相关性分数。它有 2B 和 8B 两种规格,采用 Apache 2.0,设计上是接在 Qwen3-VL-Embedding 模型之后使用。
概述
Qwen3-VL-Reranker 是阿里巴巴 2026 年 1 月发布的 Qwen3-VL-Embedding 中负责重排序的那一半,建立在 Qwen3-VL 视觉语言模型之上,技术报告的日期是 2026 年 1 月 8 日(arXiv 2601.04720)。它的输入是一个查询和一个文档,二者都可以是文本、图像、截图、视频,或是文本加图像这样的混合内容,输出一个相关性分数。有 2B(28 层)和 8B(36 层)两种规格,上下文都是 32K token,支持 30 多种语言和自定义指令,模型卡称指令通常能带来 1% 到 5% 的提升。Qwen 的设想是由嵌入模型完成第一阶段的召回,再由重排序模型精炼结果。
在 Qwen 的表格里,2B 和 8B 重排序模型的 MMEB-v2 检索平均分分别是 75.1 和 79.2,视频分数是 52.1 和 55.8,视觉文档分数是 83.4 和 86.3,MMTEB 检索分数是 70.0 和 74.9,JinaVDR 是 80.9 和 83.6,ViDoRe v3 是 60.8 和 66.7。2B 重排序模型在图像(73.8 对 74.8)和视频(52.1 对 53.6)上略低于它所重排的 Qwen3-VL-Embedding-2B,对比基线 jina-reranker-m0 在视觉文档上领先于它(VisDoc 85.2 对 83.4,JinaVDR 82.2 对 80.9)。这些都是 Qwen 自己的数字。
许可证是 Apache 2.0,BF16 权重 2B 为 4.26 GB,8B 为 17.53 GB。模型卡给出了 Sentence Transformers 的 CrossEncoder 用法,以及一个需要 Transformers 4.57 或更高版本、qwen-vl-utils 0.0.14 或更高版本和 PyTorch 2.8 的 Transformers 脚本。在截至 2026 年 11 月 11 日的 30 天里,Hugging Face 统计到 2B 约 7.4 万次下载,8B 约 1.2 万次。
适合做什么
- 对文本、页面图像、截图和视频混合的集合重排序,接在 Qwen3-VL-Embedding 或任何其他第一阶段之后
- 视觉文档搜索,在 Qwen 的表格里 8B 的 VisDoc 得分是 86.3
- 2B 模型可以让多模态重排序更便宜
- 采用 Apache 2.0 许可证,可用于商业产品
需要注意
- 分数是 Qwen 自己的,在它的表格里 2B 在两项视觉文档测试上落后于 jina-reranker-m0
- 每一对查询和候选都单独打分,所以图像和视频候选会让重排序的成本很高
- 模型卡的 Transformers 脚本固定了 PyTorch 2.8.0,请使用单独的环境
- 如果只有文本,应该先试更轻量的同系列 Qwen3-Reranker
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-Reranker 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 |
|---|---|---|---|---|
| Reranker-2B BF16 | 2.13B | 4.26 GB | 4.9 GB | 笔记本或手机 |
| Reranker-8B BF16 | 8.77B | 18 GB | 20 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
常见问题
- Qwen3-VL-Reranker 是什么?
- Qwen3-VL-Reranker 用来给可能是文本、图片、截图或视频的搜索结果重新排序。它把查询和候选放在一起阅读,给出相关性分数。它有 2B 和 8B 两种规格,采用 Apache 2.0,设计上是接在 Qwen3-VL-Embedding 模型之后使用。
- Qwen3-VL-Reranker 可以商用吗?
- 可以。Qwen3-VL-Reranker 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-Reranker 是开源的吗?
- Qwen3-VL-Reranker 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-Reranker 吗?
- 可以。最小版本 Reranker-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-Reranker 是什么时候发布的?
- Qwen3-VL-Reranker 由 Alibaba Qwen 于 2026年1月8日 发布。
- Qwen3-VL-Reranker 的上下文窗口有多长?
- Qwen3-VL-Reranker 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-Reranker-8B model card (Hugging Face) huggingface.co
- Qwen3-VL-Reranker-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-VL-Embedding Alibaba Qwen | 2.13B – 8.14B | 32K | Apache 2.0 (宽松) | 4.9 GB 笔记本或手机 | |
| Qwen3-Reranker Alibaba Qwen | 596M – 8.19B | 32K | Apache 2.0 (宽松) | 1.37 GB 笔记本或手机 | |
| Nemotron 3.5 Rerank 8B NVIDIA | 8.38B | 32K | OpenMDW-1.1 (宽松) | 19 GB 游戏显卡 | |
| Jina Reranker v3.5 Jina AI | 597M | 128K | CC BY-NC (非商用) | 0.46 GB 笔记本或手机 |