阿里巴巴正式开源了通义千问3的向量模型系列Qwen3-Embedding，该模型基于千问3底座，专注于文本表征、检索和排序等任务。相较于前代产品，Qwen3-Embedding在多项核心任务上实现了高达40%的性能提升，并在MTEB等专项榜单中超越了谷歌、OpenAI和微软的顶尖模型，成为同类最佳。新模型支持超过100种语言及多种编程语言，具备强大的多语言、跨语言及代码检索能力。此次开源包含9款不同尺寸的模型，开发者可根据需求自由选择和定制，目前已在多个平台开源，方便开发者使用。

🔍 Qwen3-Embedding是基于通义千问3大模型构建的向量模型系列，专门针对文本表征、检索和排序等核心任务进行优化。

📈 与上一代模型相比，Qwen3-Embedding在文本检索、聚类、分类等核心任务上实现了最高40%以上的性能提升，并在MTEB等榜单中表现出色。

🌐 该模型系列支持超过100种语言，并涵盖多种编程语言，具备强大的多语言、跨语言及代码检索能力，方便全球开发者使用。

🛠️ 此次开源包含9款不同尺寸的模型，如0.6B、4B、8B等，并提供GGUF版本，开发者可以根据自身需求自由选择和组合。

🚀 Qwen3-Embedding和Reranker模型已在魔搭社区、Hugging Face和GitHub等平台上开源，开发者也可通过阿里云百炼使用API服务。

快科技6月6日消息，阿里正式开源了通义千问3全新的向量模型系列Qwen3-Embedding（简称千问3向量模型）。

该模型以千问3为底座，专门为文本表征、检索和排序等核心任务进行优化训练，相较于上一个版本，在文本检索、聚类、分类等核心任务上提升最高40%以上的性能。

在MTEB等专项榜单中，Qwen3-Embedding-8B超越谷歌的Gemini Embedding 、Open AI的 text-embedding-3-large及微软的multilingual-e5-large-instruct等顶尖模型，拿下同类模型的最佳性能SOTA。

向量模型可以看做是AI的“翻译器”，它可以将文本、图片等非结构化信息，映射（embedding）到机器更易理解的向量空间，再基于这些向量实现高效的信息分类、检索或排序。

基于千问3模型，通义团队通过对比训练、SFT、模型融合等方法，打造出全新的千问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。

同时，得益于千问3的多语言能力，千问3向量模型系列率先支持超100种语言，并涵盖多种编程语言，可实现强大的多语言、跨语言及代码检索能力。

此次共有9款千问3向量模型开源，涵盖0.6B、4B 、8B等不同尺寸及GGUF版本，开发者可从中找到最符合需求的模型，自由组合模块，还可自定义向量或指令，实现特定任务、语言和场景的深度优化。

目前，千问3 Embedding和Reranker模型均已在魔搭社区、 Hugging Face和GitHub等平台上开源，开发者也可直接通过阿里云百炼使用API服务。

据了解，千问3大模型自4月29日开源以来，已揽获Artificial Analysis、LiveBench、LiveCodeBench、SuperClue多个榜单的全球开源冠军。