阿里開源千問3向量模型：性能狂增40%干翻谷歌、OpenAI快訊
此次共有9款千問3向量模型開源，千問3向量模型系列率先支持超100種語言，再基于這些向量實現高效的信息分類、檢索或排序。
6月6日消息，阿里正式開源了通義千問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，相較于上一個版本，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。
在MTEB等專項榜單中，Qwen3-Embedding-8B超越谷歌的Gemini Embedding 、Open AI的 text-embedding-3-large及微軟的multilingual-e5-large-instruct等頂尖模型，拿下同類模型的最佳性能SOTA。
向量模型可以看做是AI的“翻譯器”，它可以將文本、圖片等非結構化信息，映射（embedding）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。
基于千問3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。
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。
此次共有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。
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。
據了解，千問3大模型自4月29日開源以來，已攬獲Artificial Analysis、LiveBench、LiveCodeBench、SuperClue多個榜單的全球開源冠軍。（黑白）
1.TMT觀察網遵循行業規范，任何轉載的稿件都會明確標注作者和來源；
2.TMT觀察網的原創文章，請轉載時務必注明文章作者和"來源：TMT觀察網"，不尊重原創的行為TMT觀察網或將追究責任；
3.作者投稿可能會經TMT觀察網編輯修改或補充。
