阿里通义发布并开源Qwen3-VL-Embedding与Qwen3-VL-Reranker模型系列，基于Qwen3-VL构建，专为多模态信息检索与跨模态理解设计，支持文本、图像、可视化文档及视频等多种模态输入。

该模型系列在图文检索、视频-文本匹配、视觉问答（VQA）和多模态内容聚类等任务中达到业界领先水平，提供统一高效的混合内容理解与检索解决方案。

Qwen3-VL-Embedding采用双塔独立编码架构，将多源数据映射至共同高维语义空间，生成语义丰富的向量表示，实现高效的跨模态相似度计算与检索。

该模型在MMEB-v2基准测试中表现突出，Qwen3-VL-Embedding-8B超越此前所有开源及闭源商业服务；在MMTEB多语言文本基准上，性能虽略低于同规模纯文本模型，但仍具较强竞争力。

Qwen3-VL-Reranker采用单塔交叉注意力架构，对查询与文档对进行联合编码，深度分析语义关联，输出精确相关性分数，适用于图文、视频等任意模态组合的匹配场景。

评测显示，Qwen3-VL-Reranker在MMEB-v2、MMTEB及JinaVDR、ViDoRe v3等视觉文档检索数据集上均优于基础Embedding模型与基线Reranker模型，其中8B版本在多数任务中性能最优。

两者协同构成“两阶段检索流程”：Embedding负责快速召回候选集，Reranker执行精细化重排序，显著提升最终检索精度。

模型继承Qwen3-VL多语言能力，支持超30种语言，提供灵活向量维度选择、任务指令定制及量化优化，便于集成部署于全球化应用场景。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。