QW
模型参数
80亿
上下文长度
32K
中文支持
支持
推理能力
Qwen3-Embedding-8B 是由 阿里巴巴 发布的 AI 模型，发布时间为 2025-06-05，定位为 embedding模型，参数规模约为 80亿，上下文长度为 32K，模型文件大小约 16GB，采用 Apache 2.0 许可，在 MTEB 上取得 70.58 分。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Qwen3-Embedding-8B
模型基本信息
推理过程
不支持
思考模式
不支持思考模式
上下文长度
32K tokens
最大输出长度
4K tokens
模型类型
embedding模型
输入/输出模态
文本 → 向量
发布时间
2025-06-05
模型文件大小
16GB
MoE架构
否
总参数 / 激活参数
80亿 / 不涉及
知识截止
暂无数据
Qwen3-Embedding-8B
开源和体验地址
Qwen3-Embedding-8B
官方介绍与博客
Qwen3-Embedding-8B
API接口信息
接口速度
4/5
暂无公开的 API 定价信息。
Qwen3-Embedding-8B
评测结果
和其他模型对比
暂时没有为该模型整理的相关对比页面。
想自定义其他组合？打开对比工具
Qwen3-Embedding-8B
发布机构
阿里巴巴
查看发布机构详情 Qwen3-Embedding-8B
模型解读
Qwen3-Embedding-8B是阿里开源的80亿参数规模的向量大模型，支持100+多种语言。这是Qwen3 Embedding系列开源模型中的一员，该系列基于Qwen3基础模型开发，专为文本嵌入、检索和排序任务而设计。
Qwen3-Embedding-8B模型继承了其基础模型的多语言理解、长文本理解和推理能力。该模型拥有80亿参数，上下文长度为32k，嵌入维度最高可达4096，并支持用户自定义从32到4096的输出维度。
核心特性
模型架构与训练
Qwen3-Embedding-8B基于Qwen3基础模型，采用双编码器（dual-encoder）架构设计，并通过LoRA进行微调，以保留和增强基础模型的文本理解能力。该模型通过处理单个文本段落作为输入，并利用最后一个[EOS]标记对应的隐藏状态向量来提取语义表示。
其训练过程遵循一个三阶段范式：首先是使用大量弱监督数据进行对比预训练；第二阶段使用高质量的标记数据进行监督训练；最后阶段则通过合并策略整合多个候选模型以提升整体性能。
性能表现
Qwen3-Embedding-8B在多个基准测试中取得了领先的成绩。
DataLearner 官方微信
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
