Qwen: Qwen3 Embedding 4B

Qwen3-Embedding-4B es la edición 4B de embeddings de texto de la familia de embeddings y reranking de Qwen. Se basa en el modelo fundacional denso Qwen3 y convierte un segmento de texto en una representación numérica de su significado. Qwen señala como áreas de aplicación la recuperación de texto, la recuperación de código, la clasificación, la agrupación y la minería de textos paralelos. Resulta útil cuando una aplicación necesita encontrar pasajes relacionados, agrupar registros similares o comparar texto entre idiomas. La salida del modelo es un vector de embedding, no una respuesta conversacional ni un documento reescrito.

Esta edición exacta tiene una longitud de secuencia de 32K tokens y una dimensión de embedding de hasta 2.560. Admite dimensiones de salida personalizadas de 32 a 2.560 mediante Matryoshka Representation Learning. La longitud del vector elegida afecta a cómo se almacena y compara la representación, por lo que debes mantenerla coherente entre los vectores de consulta y de documento de una misma colección. Qwen3-Embedding-8B tiene un tamaño de modelo distinto y un máximo de 4.096 dimensiones; ni ese tamaño de salida ni la identidad del modelo 8B se transfieren a esta edición 4B. Un índice existente debe conservar sus propias decisiones coherentes de representación.

El fabricante describe compatibilidad con más de 100 idiomas, incluidos lenguajes de programación, con recuperación multilingüe, entre idiomas y de código. Por ejemplo, una búsqueda en un centro de ayuda puede comparar la pregunta de un usuario con pasajes escritos en varios idiomas y devolver los pasajes originales que coincidan con el tema. Una búsqueda de código puede comparar una descripción en lenguaje natural con funciones relevantes y su documentación. Conserva los encabezados significativos, los términos del dominio y los identificadores al preparar el texto, y mantén cada pasaje representado vinculado a su fuente para que la aplicación pueda mostrar el material coincidente.

Qwen3-Embedding-4B tiene en cuenta las instrucciones. Qwen recomienda acompañar cada consulta de una descripción de la tarea en una sola frase, adaptada a la relación de recuperación buscada, y recomienda instrucciones en inglés para los escenarios multilingües. El ejemplo directo coloca Instruct: antes de la descripción de la tarea y Query: antes del texto de la consulta. Los documentos que se van a recuperar se codifican sin esa instrucción de consulta. Una instrucción práctica original puede especificar la búsqueda de pasajes de documentación que expliquen un error notificado o de fragmentos de código fuente que implementen el comportamiento descrito. Esto orienta la representación hacia la pregunta de la aplicación, en lugar de pedir al modelo que redacte una respuesta.

Los ejemplos oficiales codifican los textos de consulta y documento, comparan sus embeddings mediante similitud del coseno y muestran el pooling del estado oculto del último token seguido de normalización. En ese ejemplo de nivel más bajo, la entrada se trunca con un ajuste elegido de 8.192 tokens; la longitud de secuencia documentada del modelo sigue siendo 32K. Para material largo, decide qué pasajes representar y asegúrate de que el truncamiento no descarte silenciosamente la parte que necesita la consulta. Almacena los vectores con referencias de origen estables, compara la consulta preparada con la colección y devuelve los pasajes asociados por orden de similitud.

El modelo de embeddings de Qwen utiliza un enfoque de doble codificador, mientras que sus modelos de reranking independientes utilizan un codificador cruzado para evaluar pares de consulta y documento. La publicación describe el uso conjunto de esos módulos: los embeddings encuentran candidatos iniciales y un reranker puede refinar después su orden. Qwen3-Embedding-4B proporciona por sí mismo la representación de un texto individual. Su vector no es una puntuación de reranking, una afirmación verificada ni una respuesta generada. Si el flujo final responde a preguntas a partir de material recuperado, los pasajes de origen seleccionados siguen siendo la evidencia que se transmite a esa etapa posterior.