
ai/qwen3-embedding!logo
Qwen3 Embedding模型系列是Qwen家族的最新专有模型,专为文本嵌入和排序任务设计。该系列基于Qwen3系列的密集基础模型构建,提供多种尺寸(0.6B、4B和8B)的文本嵌入和重排序模型。它继承了基础模型卓越的多语言能力、长文本理解和推理能力,在文本检索、代码检索、文本分类、文本聚类、平行文本挖掘等多种文本嵌入和排序任务上取得了显著进步。
| 属性 | 值 |
|---|---|
| 提供商 | 阿里云 |
| 架构 | qwen3 |
| 支持语言 | 119种来自多个语系的语言(印欧语系、汉藏语系、亚非语系、南岛语系、达罗毗荼语系、突厥语系、侗台语系、乌拉尔语系、南亚语系),包括日语、巴斯克语、海地语等其他语言 |
| 工具调用能力 | ❌ |
| 输入模态 | 文本 |
| 输出模态 | 文本嵌入 |
| 许可证 | Apache 2.0 |
| 模型变体 | 参数量 | 量化方式 | 上下文窗口 | 显存¹ | 大小 |
|---|---|---|---|---|---|
ai/qwen3-embedding:4Bai/qwen3-embedding:4B-Q4_K_Mai/qwen3-embedding:latest | 4B | MOSTLY_Q4_K_M | 41K tokens | 3.75 GiB | 2.32 GB |
ai/qwen3-embedding:0.6B-F16 | 0.6B | MOSTLY_F16 | 33K tokens | 2.27 GiB | 1.11 GB |
ai/qwen3-embedding:4B-F16 | 4B | MOSTLY_F16 | 41K tokens | 8.92 GiB | 7.49 GB |
ai/qwen3-embedding:8B-Q4_K_M | 8B | MOSTLY_Q4_K_M | 41K tokens | 5.80 GiB | 4.35 GB |
ai/qwen3-embedding:8B-F16 | 8B | MOSTLY_F16 | 41K tokens | 15.54 GiB | 14.10 GB |
¹: 显存基于模型特性估算。
latest→4B
首先,拉取模型:
bashdocker model pull ai/qwen3-embedding
然后运行模型:
bashcurl --location 'http://localhost:***/engines/llama.cpp/v1/embeddings' \ --header 'Content-Type: application/json' \ --data '{ "model": "ai/qwen3-embedding", "input": "hello world!" }'
更多信息,请查看 Docker Model Runner 文档。
| 模型 | 大小 | 任务均值 | 类型均值 | 平行文本挖掘 | 分类 | 聚类 | Inst. | 检索 | 多分类 | 配对分类 | 重排序检索 | STS |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| NV-Embed-v2 | 7B | 56.29 | 49.58 | 57.84 | 57.29 | 40.80 | 1.04 | 18.63 | 78.94 | 63.82 | 56.72 | 71.10 |
| GritLM-7B | 7B | 60.92 | 53.74 | 70.53 | 61.83 | 49.75 | 3.45 | 22.77 | 79.94 | 63.78 | 58.31 | 73.33 |
| BGE-M3 | 0.6B | 59.56 | 52.18 | 79.11 | 60.35 | 40.88 | -3.11 | 20.1 | 80.76 | 62.79 | 54.60 | 74.12 |
| multilingual-e5-large-instruct | 0.6B | 63.22 | 55.08 | 80.13 | 64.94 | 50.75 | -0.40 | 22.91 | 80.86 | 62.61 | 57.12 | 76.81 |
| gte-Qwen2-1.5B-instruct | 1.5B | 59.45 | 52.69 | 62.51 | 58.32 | 52.05 | 0.74 | 24.02 | 81.58 | 62.58 | 60.78 | 71.61 |
| gte-Qwen2-7B-Instruct | 7B | 62.51 | 55.93 | 73.92 | 61.55 | 52.77 | 4.94 | 25.48 | 85.13 | 65.55 | 60.08 | 73.98 |
| text-embedding-3-large | – | 58.93 | 51.41 | 62.17 | 60.27 | 46.89 | -2.68 | 22.03 | 79.17 | 63.89 | 59.27 | 71.68 |
| Cohere-embed-multilingual-v3.0 | – | 61.12 | 53.23 | 70.50 | 62.95 | 46.89 | -1.89 | 22.74 | 79.88 | 64.07 | 59.16 | 74.80 |
| gemini-embedding-exp-03-07 | – | 68.37 | 59.59 | 79.28 | 71.82 | 54.59 | 5.18 | 29.16 | 83.63 | 65.58 | 67.71 | 79.40 |
| Qwen3-Embedding-0.6B | 0.6B | 64.33 | 56.00 | 72.22 | 66.83 | 52.33 | 5.09 | 24.59 | 80.83 | 61.41 | 64.64 | 76.17 |
| Qwen3-Embedding-4B | 4B | 69.45 | 60.86 | 79.36 | 72.33 | 57.15 | 11.56 | 26.77 | 85.05 | 65.08 | 69.60 | 80.86 |
| Qwen3-Embedding-8B | 8B | 70.58 | 61.69 | 80.89 | 74.00 | 57.65 | 10.06 | 28.66 | 86.40 | 65.63 | 70.88 | 81.08 |
注:对比模型的分数取自2025年5月24日的MTEB在线排行榜。




探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录认证访问私有仓库
在 Linux 系统配置镜像服务
在 Docker Desktop 配置镜像
Docker Compose 项目配置
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
在宝塔面板一键配置镜像
Synology 群晖 NAS 配置
飞牛 fnOS 系统配置镜像
极空间 NAS 系统配置服务
爱快 iKuai 路由系统配置
绿联 NAS 系统配置镜像
QNAP 威联通 NAS 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
无需登录使用专属域名
需要其他帮助?请查看我们的 常见问题Docker 镜像访问常见问题解答 或 提交工单
免费版仅支持 Docker Hub 访问,不承诺可用性和速度;专业版支持更多镜像源,保证可用性和稳定速度,提供优先客服响应。
专业版支持 docker.io、gcr.io、ghcr.io、registry.k8s.io、nvcr.io、quay.io、mcr.microsoft.com、docker.elastic.co 等;免费版仅支持 docker.io。
当返回 402 Payment Required 错误时,表示流量已耗尽,需要充值流量包以恢复服务。
通常由 Docker 版本过低导致,需要升级到 20.x 或更高版本以支持 V2 协议。
先检查 Docker 版本,版本过低则升级;版本正常则验证镜像信息是否正确。
使用 docker tag 命令为镜像打上新标签,去掉域名前缀,使镜像名称更简洁。
来自真实用户的反馈,见证轩辕镜像的优质服务