阿里巴巴开源Qwen3系列模型，刷新多语言文本处理基准

2025年6月7日，阿里巴巴正式宣布开源两款全新的Qwen3系列大模型——Qwen3-Embedding和Qwen3-Reranker，分别登顶MTEB多语言榜单和跨语言检索任务，标志着阿里巴巴在多语言文本处理领域取得了重大突破。

Qwen3-Embedding：多语言文本表征

新标杆

Qwen3-Embedding模型专为文本表征任务设计，能够接收单段文本并将其转换为高精度的语义向量。该模型支持119种自然语言及Python、Java等编程语言，并突破性地实现了32k tokens的长文本处理能力。在权威评测中，Qwen3-Embedding 8B版本以70.58分的高分登顶MTEB多语言Leaderboard榜单，超越了Google Gemini-Embedding等商业模型，展现了其在多语言文本表征方面的卓越实力。

Qwen3-Embedding模型的核心优势在于其多语言深度适配能力，跨语言检索误差率降低了30%，同时提供了灵活的定制化设计，允许用户根据实际需求调整表征维度，有效降低应用成本。此外，该模型还支持用户自定义指令模板，以提升特定任务、语言或场景下的性能表现。这些特性使得Qwen3-Embedding模型在多语言文档检索、知识库聚类等场景中具有广泛的应用前景。

Qwen3-Reranker：跨语言检索效率新飞跃

与Qwen3-Embedding模型相辅相成的是Qwen3-Reranker模型，该模型专为文本排序任务设计，能够接收文本对并计算输出两个文本的相关性得分。在mMARCO跨语言检索任务中，Qwen3-Reranker 8B模型取得了MRR@10达0.42的优异成绩，超越了行业标杆。此外，该模型对100文档排序延迟压至80ms内（A100），长文本处理能力也突破了32k上下文，展现了其在跨语言检索效率方面的显著优势。

Qwen3-Reranker模型采用单塔结构，将用户查询与候选文档拼接输入，通过动态计算查询-文档交互特征输出相关性得分。该模型还支持任务指令微调，开发者可通过自定义指令优化特定领域性能，实测可提升排序准确率3%-5%。这些特性使得Qwen3-Reranker模型在法律文书、科研论文等长文档排序场景中具有广泛的应用价值。

开源免费商用，推动多语言文本处理技术普惠化

阿里巴巴此次开源的Qwen3-Embedding和Qwen3-Reranker模型，不仅提供了强大的多语言文本处理能力，还以Apache 2.0协议免费开源，显著降低了技术门槛。开发者可通过Hugging Face、GitHub、ModelScope等平台获取模型资源，也可直接使用阿里云API进行集成调用。这一举措将有力推动多语言文本处理技术的普及和应用，为中小企业和开发者提供零成本构建文档检索、知识库聚类等系统的可能。

阿里巴巴表示，Qwen3系列模型的开源是其在人工智能领域持续创新的重要成果之一。未来，阿里巴巴将继续加大在多语言文本处理领域的研发投入，推动技术的不断进步和应用场景的拓展。同时，阿里巴巴也期待与全球开发者携手合作，共同推动多语言文本处理技术的繁荣发展。

此次Qwen3-Embedding和Qwen3-Reranker模型的开源，不仅为多语言文本处理领域带来了新的技术突破和应用前景，也为全球开发者提供了更加便捷、高效的开发工具。随着技术的不断进步和应用场景的拓展，我们有理由相信，多语言文本处理技术将在未来发挥更加重要的作用，为人们的生活和工作带来更多便利和高效。