標題：阿里模型大升級：Qwen3新模型Embedding及Reranker，引領多語言、跨語言新潮流
隨著人工智能技術的快速發(fā)展，文本表征、檢索與排序任務的重要性日益凸顯。近日，阿里巴巴在開源社區(qū)取得了重大突破，發(fā)布了專為文本表征、檢索與排序任務設計的Qwen3-Embedding系列模型（Embedding及Reranker），基于Qwen3基礎模型進行訓練。這一系列模型在多項基準測試中展現(xiàn)了卓越的性能，具備卓越的泛化性和靈活的模型架構，支持全面的多語言支持，涵蓋主流自然語言及多種編程語言。
一、卓越的泛化性
Qwen3-Embedding系列在多個下游任務評估中達到行業(yè)領先水平。其中，8B參數(shù)規(guī)模的Embedding模型在MTEB多語言Leaderboard榜單中位列第一（截至2025年6月6日，得分70.58），性能超越眾多商業(yè)API服務。這一卓越的泛化性源于模型在訓練過程中的良好適應性和對各種語言和情境的廣泛適應性。該系列的排序模型在各類文本檢索場景中表現(xiàn)出色，顯著提升了搜索結果的相關性，進一步驗證了其在各類實際應用中的優(yōu)越性能。
二、靈活的模型架構
Qwen3-Embedding系列提供了從0.6B到8B參數(shù)規(guī)模的3種模型配置，以滿足不同場景下的性能與效率需求。開發(fā)者可以靈活組合表征與排序模塊，實現(xiàn)功能擴展。這一靈活的模型架構使得該系列模型能夠適應各種復雜的應用場景，并能夠根據(jù)實際需求進行定制化調整，以滿足特定的性能和效率需求。
三、全面的多語言支持
Qwen3-Embedding系列支持超過100種語言，涵蓋主流自然語言及多種編程語言。這一全面的多語言支持能力使得該系列模型具備強大的多語言、跨語言及代碼檢索能力，能夠有效應對多語言場景下的數(shù)據(jù)處理需求。這一優(yōu)勢在當今全球化的信息時代顯得尤為重要，能夠幫助企業(yè)更好地應對多元文化背景下的數(shù)據(jù)處理挑戰(zhàn)。
四、輸入處理方式
Embedding模型接收單段文本作為輸入，取模型最后一層“EOS”標記對應的隱藏狀態(tài)向量，作為輸入文本的語義表示。這種方式能夠捕捉到輸入文本的語義信息，為后續(xù)的文本表征和檢索任務提供有力的支持。而Reranker模型則接收文本對（例如用戶查詢與候選文檔）作為輸入，利用單塔結構計算并輸出兩個文本的相關性得分。這種方式能夠有效地對文本對進行排序，提升搜索結果的相關性。
五、開源社區(qū)的重要貢獻
阿里巴巴此次發(fā)布的Qwen3-Embedding系列模型是開源社區(qū)的一大重要貢獻。開源不僅促進了技術的交流和分享，還有助于推動技術的快速發(fā)展。通過開源社區(qū)的力量，該系列模型能夠吸引更多的開發(fā)者參與測試和優(yōu)化，進一步提高模型的性能和可靠性。同時，開源也為企業(yè)提供了更多的合作機會，有助于推動產業(yè)的發(fā)展。
總的來說，阿里模型大升級：Qwen3新模型Embedding及Reranker，具有卓越的泛化性、靈活的模型架構和全面的多語言支持，能夠為文本表征、檢索與排序任務提供有力的支持。這一突破性的成果將有望引領多語言、跨語言的新潮流，為人工智能技術的發(fā)展注入新的活力。
（免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
