模型介绍
中文整理Qwen3-VL-Embedding-2B 模型卡片
模型概述
Qwen3-VL-Embedding-2B 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。
模型用途
该模型主要用于多模态信息检索和跨模态理解任务，包括图像文本检索、视频文本匹配、视觉问答和多模态内容聚类等应用场景。
主要能力
多模态处理能力：模型支持处理文本、图像、截图、视频等多种输入形式，并能处理任意模态组合，如文本加图像、文本加视频等。
嵌入与重排序：嵌入模型生成高维向量用于检索和聚类，重排序模型对检索结果进行精细化排序，两阶段方案显著提升检索精度。
多语言支持：继承 Qwen3-VL 的多语言能力，支持超过30种语言。
灵活配置：支持量化输出、自定义嵌入维度（64至2048）、任务定制指令。
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：嵌入向量，维度最高2048，支持用户自定义
上下文长度：32k
运行要求
参数规模：2B
模型层数：28
序列长度：32K
嵌入维度：2048
基本用法
通过 Sentence Transformers 库使用，默认使用系统提示词包装输入，也可自定义提示词。
通过 transformers 库使用。
通过 vLLM 使用。
通过 SGLang 使用。
限制
模型在大多数下游任务中，使用指令（instruct）通常比不使用提升1%至5%，建议针对具体任务场景定制指令。在多语言场景下，建议使用英文编写指令，因为训练过程中的指令主要使用英文。
许可证
原文未提供许可证相关信息。
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。