智通财经APP获悉，1月8日，通义大模子贯注发布并开源 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领会打算，为图文、视频等羼杂内容的领会与检索提供妥洽、高效的贬责决议。

多模态通用性

两个模子系列均能在妥洽框架内处理文本、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样化任务中，均达到了业界首先水平。

妥洽流露学习(Embedding)

Qwen3-VL-Embedding 充分诓骗 Qwen3-VL 基础模子的上风，粗略生谚语义丰富的向量流露，将视觉与文本信息映射到归并语义空间中，从而杀青高效的跨模态一样度探求与检索。

图1：妥洽多模态流露空间暗意图。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)

算作 Embedding 模子的补充，Qwen3-VL-Reranker 接收任性模态组合的查询与文档对(eg：图文查询匹配图文文档)，输出精准的关系性分数。在内容应用中，二者常协同使命：Embedding 负责快速调回，Reranker 负责精致化重排序，组成“两阶段检索经由”，权贵普及最终服从精度。

超卓的实用性

该系列剿袭了 Qwen3-VL 的多话语智力，接济跳跃 30 种话语，适应环球化部署。模子提供生动的向量维度采纳、任务提醒定制，以及量化后仍保合手的优秀性能，便于建造者集成到现存系统中。

在 MMEB-v2、MMTEB 等泰斗多模态检索基准测试中，Qwen3-VL 系列模子展现出了强盛实力。

Qwen3-VL-Embedding

Qwen3-VL-Embedding-8B 模子在 MMEB-V2 上赢得了业界首先的服从，卓绝了通盘先前的开源模子和闭源买卖办事。

在纯文本多话语 MMTEB 基准测试上，Qwen3-VL-Embedding 模子与同等界限的纯文本 Qwen3-Embedding 模子比拟天然有小数的性能差距。但与评测排名榜上其他同等界限的模子比拟，它仍然展现出极具竞争力的性能进展。

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，咱们采纳了 JinaVDR 和 ViDoRe v3 数据集。

评测服从标明，通盘 Qwen3-VL-Reranker 模子的性能均合手续优于基础 Embedding 模子和基线 Reranker 模子，其中 8B 版块在大大批任务中达到了最好性能。

这些性能进展的背后，是针对多模态检索经由量身定制的架构打算。

Qwen3-VL-Embedding 和 Qwen3-VL-Reranker 采纳了不同的架构打算，分离针对检索经由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 模子的双塔零丁编码架构，右侧为 Reranker 模子的单塔交叉着重力架构。

Qwen3-VL-Embedding 采纳双塔架构，不错高效地将不同模态的内容零丁编码为妥洽的向量流露，相配适应处理海量数据的并行探求。

“Embedding 模子接收单模态或羼杂模态输入，并将其映射为高维语义向量。咱们索要基座模子临了一层中对应 [EOS] token 的荫藏情状向量，算作输入的最终语义流露。这种表情确保了大界限检索所需的高效零丁编码智力。Qwen3-VL-Reranker 采纳单塔架构，通过里面的交叉着重力机制，深度分析查询与文档之间的语义关联，从而输出精准的关系性分数。“

在内容使命中，Reranking 模子接收输入对 (Query, Document) 并进行蚁集编码。它诓骗基座模子内的交叉着重力机制火星电竞·(CHINA)官方网站，杀青 Query 和 Document 之间更深层、更细粒度的跨模态交互和信息交融。模子最终通过臆测两个格外 token(yes 和 no)的生成概率来抒发输入对的关系性分数。