阿里巴巴于近日宣布了一項重大開源舉措，正式推出了Qwen3-Embedding系列模型，這一系列模型專注于文本表征、檢索與排序任務(wù)，是基于Qwen3基礎(chǔ)模型深度訓練而來。

Qwen3-Embedding系列模型在多項基準測試中展現(xiàn)了令人矚目的性能。據(jù)官方數(shù)據(jù)顯示，在MTEB多語言Leaderboard榜單上，該系列的8B參數(shù)規(guī)模Embedding模型以70.58分的成績位列榜首，這一成績不僅超越了眾多商業(yè)API服務(wù)，也彰顯了其在多語言文本處理方面的卓越實力。

這一系列模型的特點之一是具備出色的泛化性。在多個下游任務(wù)評估中，Qwen3-Embedding系列均達到了行業(yè)領(lǐng)先水平。特別是在文本檢索場景中，其排序模型能夠顯著提升搜索結(jié)果的相關(guān)性，為用戶帶來更加精準的檢索體驗。

Qwen3-Embedding系列還提供了靈活的模型架構(gòu)。從0.6B到8B參數(shù)規(guī)模，該系列提供了三種不同的模型配置，以滿足不同場景下的性能與效率需求。開發(fā)者可以根據(jù)實際需求，靈活組合表征與排序模塊，實現(xiàn)功能的定制化擴展。

在定制化特性方面，Qwen3-Embedding系列同樣表現(xiàn)出色。它允許用戶根據(jù)實際需求調(diào)整表征維度，有效降低應(yīng)用成本。同時，該系列還支持用戶自定義指令模板，以提升特定任務(wù)、語言或場景下的性能表現(xiàn)。這一特性使得Qwen3-Embedding系列能夠更好地適應(yīng)各種復雜的應(yīng)用場景。

Qwen3-Embedding系列還支持超過100種語言，涵蓋主流自然語言及多種編程語言。這一特性使得該系列模型在多語言場景下具備強大的處理能力，無論是多語言文本檢索還是跨語言文本匹配，都能表現(xiàn)出色。

在模型使用方面，Embedding模型主要接收單段文本作為輸入，通過取模型最后一層“EOS”標記對應(yīng)的隱藏狀態(tài)向量，作為輸入文本的語義表示。而Reranker模型則接收文本對（如用戶查詢與候選文檔）作為輸入，利用單塔結(jié)構(gòu)計算并輸出兩個文本的相關(guān)性得分。這一設(shè)計使得Qwen3-Embedding系列在文本檢索和排序任務(wù)中能夠發(fā)揮出色的性能。

目前，Qwen3-Embedding系列模型已經(jīng)正式開源，開發(fā)者可以通過ModelScope、Hugging Face以及GitHub等平臺獲取相關(guān)資源和代碼。同時，官方還提供了詳細的技術(shù)報告，幫助開發(fā)者更好地理解和使用該系列模型。