Qwen3 Embedding 系列是阿里云全新推出的多语言文本表征与排序模型，专为高效理解和检索多语言文本而设计。该系列在文本理解与检索任务中表现尤为突出，特别是 8B 参数版本，目前已成功登顶 MTEB 排行榜（截至 2025 年 6 月 5 日）。该系列模型全面支持超过 100 种语言，并提供灵活的向量维度和用户指令定制功能，可满足从轻量级应用到高性能场景的多样化需求。

背景：为什么我们需要 Embedding 模型？

尽管目前大语言模型（LLM）或多模态大模型已能直接完成部分端到端任务，但仍有大量场景无法由大模型独立处理。

一个非常典型的场景是 RAG（检索增强生成）。在 RAG 任务中，我们需要从海量的文档库中准确找到与用户问题相关的资料。常用的方法是 多路召回，其中就包括基于 Embedding 模型进行的稠密向量检索。当模型完成候选内容的召回后，还需要一个 Reranking（重排序） 模型来评估这些内容与问题的相关性，并输出最终的相似度分数。因此，Embedding 和 Reranker 模型是构建高质量 RAG 应用的核心基础。