永利皇宫官网,永利皇宫赌场,永利皇宫娱乐城,永利皇宫注册,永利皇宫,永利皇宫app,永利皇宫发财车,永利赌场,永利集团,永利娱乐城,永利娱乐场,永利澳门,永利博彩,澳门永利皇宫博彩官网,网上澳门彩官网,澳门永利

　　Qwen3-Embedding和Qwen3-Reranker，均基于Qwen3基础模型训练，专为文本表征、检索与排序任务设计。其中，Qwen3-Embedding接收单段文本，将其转换为语义向量，以用于语义搜索、问答系统等场景。Qwen3-Reranker则接收文本对，利用单塔结构计算并输出两个文本的相关性得分，可在各类文本检索场景中显著提升搜索结果的相关性。在实际应用中，二者常结合使用，比如在RAG系统里，Qwen3-Embedding用于初步检索，Qwen3-Reranker用于优化候选结果，兼顾效率和精度。

　　Qwen3-Embedding 8B以70.58分登顶MTEB（当前全球公认的文本嵌入模型评测基准，通过整合检索、聚类、分类等7大场景，系统评估向量模型的语义表征能力）多语言榜全球第一，创历史新高（截至2025年6月6日）；Qwen3-Reranker在mMARCO跨语言检索中MRR@10达0.42，超越行业标杆。双模型支持119种语言及编程语言，提供0.6B/4B/8B全尺寸覆盖，其中Reranker对100文档排序延迟压至80ms内（A100），长文本处理突破32k上下文。即日起双模型在Hugging Face/GitHub/ModelScope开源免费商用，阿里云API同步上线。