模型介绍
中文整理Qwen3-VL-Embedding-8B 模型卡片
模型概述
Qwen3-VL-Embedding-8B 是多模态嵌入模型，基于 Qwen3-VL 基座模型构建，专为多模态信息检索和跨模态理解设计。
主要能力
支持处理多种输入模态，包括文本、图像、截图、视频以及任意多模态组合（如文本+图像、文本+视频）。模型可生成高维向量，适用于检索和聚类等广泛应用场景。支持超过30种语言，具备多语言能力。嵌入向量维度最高可达4096，支持用户自定义64至4096范围内的输出维度。支持量化处理。支持自定义维度输出。支持根据不同任务自定义输入指令。
输入输出
支持输入模态：文本、图像、截图、视频及任意多模态组合。输出为嵌入向量，维度可配置。
运行要求
参数量：8B。上下文长度：32k。嵌入维度：最高4096，支持自定义。
基本用法
可配合 Sentence Transformers 库使用。也可使用 transformers 库集成。还支持 vLLM 和 SGLang 推理框架。
性能说明
在 MMEB-V2 基准测试中，Qwen3-VL-Embedding-8B 在图像整体任务上得分80.1，视频整体任务得分66.1。在 MMTEB 基准测试中，该模型得分67.88。
使用建议
根据评估结果，使用任务定制指令通常比不使用指令提升1%至5%。建议开发者针对具体任务场景创建定制指令。在多语言场景下，建议使用英文编写指令，因为模型训练时使用的主要是英文指令。
许可证
本信息未在原始文档中提供。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。