多模态检索

阿里巴巴通义团队今日宣布正式发布并开源Qwen3-VL-Embedding与Qwen3-VL-Reranker模型系列。两者基于Qwen3-VL构建，面向多模态信息检索与跨模态理解，覆盖向量表征与重排排序等关键环节，可用于图文、视频等混合内容的语义对齐、匹配与检索，服务搜索、推荐与知识检索等应用。信息来源为通义大模型微信公号，强调以开源方式为开发者提供端到端多模态检索解决方案，降低跨模态应用落地门槛并推动生态使用。

1月8日，阿里通义大模型宣布正式发布并开源Qwen3-VL-Embedding与Qwen3-VL-Reranker系列，基于Qwen3-VL面向多模态信息检索与跨模态理解，覆盖文本、图像、可视化文档与视频等输入。Embedding将不同模态映射到统一语义向量空间以支持快速召回，Reranker以单塔交叉注意力对查询与文档对输出相关性分数，用于两阶段检索提升精度。官方称模型支持30余种语言、可定制向量维度与指令并支持量化，在MMEB-v2、MMTEB等基准上取得领先表现，并已在GitHub与ModelScope提供。

据通义大模型消息，阿里通义今日正式发布并开源Qwen3-VL-Embedding与Qwen3-VL-Reranker系列模型。两者基于Qwen3-VL构建，面向多模态信息检索与跨模态理解，提供统一的向量嵌入与结果重排序能力，可用于图文、视频等混合内容的理解、匹配与检索，旨在提升检索效率与应用落地，完善开源多模态生态。