智通财经APP获悉，1月8日，通义大模子崇敬发布并开源 Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 模子系列，这两个模子基于 Qwen3-VL 构建，专为多模态信息检索与跨模态壮健规画，为图文、视频等羼杂内容的壮健与检索提供调节、高效的惩处决议。
多模态通用性
两个模子系列均能在调节框架内处理文本、图像、可视化文档(图表、代码、UI组件......)、视频等多种模态输入。在图文检索、视频-文本匹配、视觉问答(VQA)，多模态内容聚类等各种化任务中，均达到了业界率先水平。
调节流露学习(Embedding)
Qwen3-VL-Embedding 充分运用 Qwen3-VL 基础模子的上风，概况生谚语义丰富的向量流露，将视觉与文本信息映射到合并语义空间中，从而杀青高效的跨模态同样度规画与检索。
图1：调节多模态流露空间暗示图。Qwen3-VL-Embedding模子系列将多源数据(文本、图像、视觉文档和视频)映射到共同的高维语义空间。
高精度重排序(Reranker)
行为 Embedding 模子的补充，Qwen3-VL-Reranker 摄取苟且模态组合的查询与文档对(eg：图文查询匹配图文文档)，输出精准的关联性分数。在本体应用中，二者常协同职责：Embedding 负责快速调回，Reranker 负责致密化重排序，组成“两阶段检索历程”，显赫提高最终成果精度。
不凡的实用性
该系列剿袭了 Qwen3-VL 的多言语时候，因循高出 30 种言语，合适人人化部署。模子提供生动的向量维度选拔、任务提醒定制，以及量化后仍保执的优秀性能，真钱牛牛app下载便于诞生者集成到现存系统中。
在 MMEB-v2、MMTEB 等巨擘多模态检索基准测试中，Qwen3-VL 系列模子展现出了强劲实力。
Qwen3-VL-Embedding
Qwen3-VL-Embedding-8B 模子在 MMEB-V2 上获得了业界率先的成果，卓著了通盘先前的开源模子和闭源贸易劳动。
在纯文本多言语 MMTEB 基准测试上，Qwen3-VL-Embedding 模子与同等限度的纯文本 Qwen3-Embedding 模子比较天然有极少的性能差距。但与评测排名榜上其他同等限度的模子比较，它仍然展现出极具竞争力的性能阐述。
图 2：Qwen3-VL-Embedding 在 MMEB-v2 和 MMTEB 评测集上的性能对比。
Qwen3-VL-Reranker
咱们使用了MMEB-v2 和 MMTEB 检索基准中各子任务的检索数据集进行评测。关于视觉文档检索，咱们选用了 JinaVDR 和 ViDoRe v3 数据集。
{jz:field.toptypename/}评测成果标明，通盘 Qwen3-VL-Reranker 模子的性能均执续优于基础 Embedding 模子和基线 Reranker 模子，其中 8B 版块在大大量任务中达到了最好性能。
这些性能阐述的背后，是针对多模态检索历程量身定制的架构规画。
Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 选用了不同的架构规画，分袂针对检索历程的不同阶段进行优化。
图 2：Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 架构概览。左侧为 Embedding 模子的双塔寥寂编码架构，右侧为 Reranker 模子的单塔交叉注重力架构。
Qwen3-VL-Embedding 选用双塔架构，不错高效地将不同模态的内容寥寂编码为调节的向量流露，特殊合适处理海量数据的并行规画。
“Embedding 模子摄取单模态或羼杂模态输入，并将其映射为高维语义向量。咱们索取基座模子终末一层中对应 [EOS] token 的躲闪状况向量，行为输入的最终语义流露。这种模式确保了大限度检索所需的高效寥寂编码时候。Qwen3-VL-Reranker 选用单塔架构，通过里面的交叉注重力机制，深度分析查询与文档之间的语义关联，从而输出精准的关联性分数。“
在本体职责中，Reranking 模子摄取输入对 (Query， Document) 并进行聚拢编码。它运用基座模子内的交叉注重力机制，杀青 Query 和 Document 之间更深层、更细粒度的跨模态交互和信息和会。模子最终通过猜度两个额外 token(yes 和 no)的生成概率来抒发输入对的关联性分数。