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。
