Qwen3-VL-Embedding

Qwen3-VL-Embedding & Qwen3-VL-Reranker

基于 Qwen3-VL 构建的先进的多模态嵌入和重排模型,支持文本、图像、屏幕截图、视频和混合模式输入,用于高级信息检索和跨模式理解。

目录

Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 模型系列是 Qwen 系列的最新成员,基于最近开源的强大 Qwen3-VL 基础模型构建而成。专门用于多模态信息检索和跨模态理解,该套件接受各种输入,包括文本、图像、屏幕截图和视频,以及包含这些模态混合的输入。

在我们基于文本的 Qwen3-Embedding 和 Qwen3-Reranker 系列的成功基础上,这些多模态模型将一流的性能扩展到视觉和视频理解任务。这些模型协同工作:Embedding 模型通过生成语义丰富的向量来处理初始召回阶段,而Reranking 模型则通过精确的相关性评分来管理重新排序阶段,从而显著提高最终检索的准确性。

• 多模态通用性：在统一的框架中无缝处理包含文本、图像、屏幕截图和视频的输入。实现先进的性能，解决各种任务，包括图像-文本检索、视频-文本匹配、视觉问答（VQA）和多模态内容聚类。