6月6日，阿里開源通義千問3全新的向量模型系列Qwen3-Embedding（簡稱千問3向量模型）。該模型以千問3為底座，專門為文本表征、檢索和排序等核心任務進行優化訓練，性能較上一版本可提升40%，在MTEB等權威專項榜單中超越了谷歌、OpenAI、微軟等公司的頂尖模型。

Qwen3-Embedding 系列模型

  向量模型像是AI的“翻譯器”，它可以將文本、圖片等人類可認知的非結構化信息，映射到機器更易理解的向量空間，再基于這些向量實現高效的信息分類、檢索或排序。也正因此，向量模型對于提升AI的語義理解、信息檢索、多模態融合等核心能力至關重要?；谇?模型，通義團隊通過對比訓練、SFT、模型融合等方法，打造出全新的千問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。

千問3向量模型系列訓練過程圖

  相較于上一個版本，千問3向量模型在文本檢索、聚類、分類等核心任務上提升最高40%以上的性能。同時，得益于千問3的多語言能力，千問3向量模型系列率先支持超100種語言，并涵蓋多種編程語言，可實現強大的多語言、跨語言及代碼檢索能力。

  為方便開發者，此次有9款千問3向量模型開源，涵蓋0.6B、4B、8B等不同尺寸及GGUF版本。開發者可從中找到最符合需求的模型，自由組合模塊，還可自定義向量或指令，實現特定任務、語言和場景的深度優化。比如，開發者可在智能搜索、推薦系統中采用Qwen3-Embedding作文本向量化，或者在RAG實踐中用Qwen3-Reranker提升最終結果的相關性和準確性，甚至與視覺理解模型結合，探索前沿的跨模態語義理解。

  目前，千問3 Embedding和Reranker模型均已在魔搭社區、Hugging Face和GitHub等平臺上開源，開發者也可直接通過阿里云百煉使用API服務。

關鍵詞：