《阿里开源Qwen3：全新Embedding与Reranker，开启多语言跨语言新时代》

《阿里Qwen3重磅发布：全新Embedding与Reranker引领多语言跨语言革命》

　　 6月6日最新消息显示，阿里巴巴在今日凌晨正式开源了Qwen3-Embedding系列模型，其中包括Embedding和Reranker两个部分。这些模型专门针对文本表征、检索以及排序任务而设计，且是在Qwen3基础模型的基础上进一步训练而成。

　　 官方表示，在多项评测任务中，Qwen3-Embedding系列在文本表征与排序任务上表现出色。

　　 其具备如下特点：

　　 卓越的泛化能力：Qwen3-Embedding系列在多个下游任务评估中表现优异，处于行业前沿水平。其中，8B参数规模的Embedding模型在MTEB多语言Leaderboard榜单中排名第一（截至2025年6月6日，得分为70.58），其性能优于众多商业API服务。此外，该系列的排序模型在各种文本检索场景中效果突出，大幅提高了搜索结果的相关性。

　　 灵活的模型架构：Qwen3-Embedding 系列提供从 0.6B 到 8B 参数规模的 3 种模型配置，以满足不同场景下的性能与效率需求。开发者可以灵活组合表征与排序模块，实现功能扩展。

　　 此外，模型支持以下定制化特性：

　　 支持用户自定义表征维度：通过灵活调整维度设置，帮助用户更有效地控制应用成本；

　　 指令适配优化功能现已推出，用户可以自定义指令模板，从而在特定任务、语言或场景下获得更佳的表现效果。

　　 Qwen3-Embedding系列模型支持超过100种语言，不仅包含主要的自然语言，还覆盖多种编程语言。这一系列模型在多语言、跨语言以及代码检索方面表现出色，可以高效满足多语言环境下的数据处理要求。

　　 据介绍，嵌入模型以单段文本为输入，通过提取模型最后一层「EOS」标记对应的隐藏状态向量，生成输入文本的语义表示。而重排序模型则针对文本对（如用户查询与候选文档）进行处理，采用单塔架构来评估并输出两者之间的相关性得分。 在我看来，这种技术的应用前景非常广阔。嵌入模型能够精准捕捉文本的核心语义信息，这对于需要深度理解文本内容的场景尤为重要，比如智能搜索或内容推荐系统。而重排序模型则在提升匹配效率方面发挥了关键作用，特别是在面对大量候选文档时，它能快速筛选出最相关的选项，从而优化用户体验。未来，随着算法不断迭代升级，这类技术有望在更多领域发挥作用，为人们的生活带来更多便利。

　　 附开源地址如下：

　　 https://modelscope.cn/collections/Qwen3-Embedding-3edc3762d50f48

　　 https://modelscope.cn/collections/Qwen3-Reranker-6316e71b146c4f

　　 https://huggingface.co/collections/Qwen/qwen3-embedding-6841b2055b99c44d9a4c371f

　　 https://huggingface.co/collections/Qwen/qwen3-reranker-6841b22d0192d7ade9cdefea

　　 https://github.com/QwenLM/Qwen3-Embedding

　　 https://github.com/QwenLM/Qwen3-Embedding/blob/main/qwen3_embedding_technical_report.pdf