Qwen: Qwen3 Embedding 8B

Qwen3-Embedding-8B הופך טקסט לווקטורים סמנטיים לחיפוש רב־לשוני, לאחזור קוד, לסיווג ולקיבוץ. הוא תומך באורך רצף של 32K טוקנים ובממדי הטמעה מותאמים אישית מ־32 עד 4,096.

Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings qwen/qwen3-embedding-8b

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Qwen3-Embedding-8B הוא מודל הטמעת הטקסט של Qwen בגודל 8B, שנבנה ממודל הבסיס הצפוף Qwen3. הוא מייצג טקסט כווקטורים מספריים, במקום ליצור תשובות לשיחה. Qwen מציין אחזור טקסט, אחזור קוד, סיווג, קיבוץ וכריית טקסטים מקבילים בין תחומי היישום הנתמכים. מערכת חיפוש יכולה להשתמש בווקטורים האלה כדי להשוות שאלה לקטעים רלוונטיים; אוסף מסמכים יכול להשתמש בהם כדי למצוא חומר קרוב במשמעותו או לארגן רשומות בקבוצות.

המודל המדויק תומך באורך רצף של 32K טוקנים ובהטמעות בעלות עד 4,096 ממדים. הוא תומך גם בממדי פלט שהמשתמש מגדיר מ־32 עד 4,096 באמצעות Matryoshka Representation Learning. כך אורך הווקטור הוא החלטת תכנון מכוונת: וקטור קצר יותר משנה את גודל הייצוג, ואילו הפלט המלא שומר על מספר הממדים המרבי של המודל. שמרו על עקביות בממד שנבחר למסמכים ולשאילתות המושווים באותו אינדקס. Qwen3-Embedding-4B היא מהדורה נפרדת עם מספר ממדים מרבי אחר, ולא מקור וקטורים שניתן להחלפה עבור אוסף 8B קיים.

היצרן מתאר תמיכה ביותר מ־100 שפות, לרבות שפות תכנות, ואחזור רב־לשוני, בין שפות ושל קוד. אוסף מעשי יכול לכלול מסמכים בכמה שפות כששאילתות מחפשות את המשמעות הרלוונטית, או קטעי קוד מקור שנוספו לאינדקס לצורך שאלה בשפה טבעית. שמרו מזהים חשובים, כותרות ומונחים מקצועיים בקלט. לקוד, שמרו את ההסבר המקיף את הפונקציה או המודול לצד הקטע כאשר ההקשר הזה הוא חלק מהשאלה. הפלט נשאר ייצוג וקטורי; החזרת טקסט המסמך שהתאים היא הצעד הבא של יישום החיפוש.

המודל מודע להוראות. Qwen ממליץ על הוראה בת משפט אחד המותאמת למשימת האחזור, ולשימוש רב־לשוני ממליץ לכתוב את ההוראה באנגלית. בדוגמה הישירה שלו, השאילתה מעוצבת עם Instruct: ואחריו תיאור המשימה, ועם Query: ואחריו השאלה. מסמכי האחזור אינם זקוקים לאותה קידומת הוראה בדוגמה זו. בקשה מקורית מתאימה יכולה לתאר מציאת קטעים טכניים שמסבירים שגיאה של משתמש, ואז להציב את תיאור השגיאה המסוים בשאילתה. ההוראה מתארת איזה סוג של קשר סמנטי החיפוש צריך להעדיף.

הדוגמאות של Qwen מקודדות שאילתות ומסמכים בנפרד, משוות את הווקטורים שלהם באמצעות דמיון קוסינוס ומציגות הליך ברמה נמוכה יותר שמאגד את המצב החבוי של הטוקן האחרון ומנרמל את ההטמעה לפני השוואה באמצעות מכפלה סקלרית. תהליך עבודה שימושי שומר את הווקטור של כל קטע קשור למזהה המקור שלו, משווה שאילתה שהוכנה לווקטורים השמורים ומחזיר את הקטעים המתאימים לפי סדר הדמיון. הגדרת הקיטוע של 8,192 טוקנים בדוגמה היא הגדרת עיבוד קלט שנבחרה, הנפרדת מאורך הרצף המתועד של המודל, 32K. בדקו מה נשמר בעת הכנת קלטים ארוכים.

מודלי ההטמעה והדירוג מחדש הם רכיבים שונים בגרסה של Qwen. מודל הטמעה מייצג מקטע טקסט אחד ומאפשר חיפוש דמיון ראשוני. מודל דירוג מחדש נפרד מעריך את הקשר בין שאילתה לקטעים מועמדים ויכול לחדד את הסדר שלהם. Qwen מתאר שילוב של שני המודולים, אך Qwen3-Embedding-8B עצמו מחזיר הטמעות, ולא שיפוט רלוונטיות של מודל דירוג מחדש או תשובה כתובה. לאחזור שאחריו תשובה, שמרו את טקסט המקור שהתאים והעבירו את הראיות האלה לשלב התשובה. בחרו ושמרו מודל, ממד והוראת שאילתה עקביים עבור האוסף שבו מחפשים.

Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings qwen/qwen3-embedding-8b

qwen/qwen3-embedding-8b

Alibaba /qwen/qwen3-embedding-8b

התחלה

סוגי קלט נתמכים: טקסט · token_ids
תוצאות: embedding

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · ייצוגים וקטוריים POST /v1/embeddings

סוגי קלט: text, token_ids
סוגי פלט: embedding
הקשר: ⁦32,768⁩ tokens
פורמט פלט: json

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות qwen/qwen3-embedding-8b	ברירת מחדל—
שדה`input`	סוג`string\|string[]\|integer[]\|integer[][]`	דרישהחובה	ערכים ומגבלות מספר פריטים מזערי: ⁦1⁩ תנאים: אצווה אחידה שאינה ריקה. מזהי הטוקנים הם מספרים שלמים אי־שליליים. תקציב קלט: מקסימום: ⁦32,768⁩ · יחידת טקסט: בתים בקידוד UTF8 · יחידת טוקנים: רכיבים במערך טוקנים	ברירת מחדל—
שדה`encoding_format`	סוג`string`	דרישהרשות	ערכים ומגבלות float	ברירת מחדלfloat
שדה`dimensions`	סוג`integer`	דרישהלא נתמך	ערכים ומגבלות מינימום: ⁦1⁩	ברירת מחדל—
שדה`user`	סוג`json_value`	דרישהרשות	ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.	ברירת מחדל—
שדה`session_id`	סוג`json_value`	דרישהרשות	ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.	ברירת מחדל—
שדה`trace`	סוג`json_value`	דרישהרשות	ערכים ומגבלות תנאים: המקור מאפשר שדה מטא־נתונים זה ב־JSON; המשמעות המדויקת אצל הספק תלויה במודל.	ברירת מחדל—
שדה`provider`	סוג`object`	דרישהרשות	ערכים ומגבלות תנאים: provider.options נדחה	ברירת מחדל—

שילובים של חומרי קלט

text_to_embedding

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input
פרמטר`input_shapes`	מפרטstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[]
פרמטר`encoding_format`	מפרטfloat
פרמטר`dimensions_override`	מפרטfalse
פרמטר`max_input_budget_units`	מפרט32768
פרמטר`multimodal_objects`	מפרטfalse
פרמטר`material_types`	מפרטtext, token_ids

מחזור חיים: synchronous_json

שמרו כל אינדקס וקטור וממד.

שם מודל רב־מודאלי אינו מאפשר אובייקטי תמונה בנתיב המדויק הזה.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: תעריף רגיל כאשר נבחר מצב מהיר
מצב Flex: תעריף רגיל כאשר נבחר מצב flex
מאמץ חשיבה מרבי: תעריף רגיל כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

תצורה	טבלת תעריפים	חיוב
תצורהתעריפי הבסיס לטוקנים	טבלת תעריפיםתעריף בסיס	חיוב קלט · טוקני קלט $0.00002 / 1K טוקנים פלט · טוקני פלט $0 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · ייצוגים וקטוריים

curlPython SDK

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen/qwen3-embedding-8b", "input": ["First document", "Second document"]}')

Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/embeddings \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("data",[]): print(json.dumps({"index":x.get("index"),"embedding":x.get("embedding")}))
PY_RESULT

from openai import OpenAI
import os

client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.embeddings.create(model='qwen/qwen3-embedding-8b',input=["First document","Second document"])
print(result)
for item in result.data:print(item.index,item.embedding)

קבלה ושמירה של תוצאות

Ailoot Ultra · ייצוגים וקטוריים

json

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו כל וקטור עם האינדקס שלו. מספר הווקטורים חייב להיות שווה למספר פריטי הקלט; מספר הממדים חייב להיות עקבי.

כשצריך לבדוק את התגובה המקורית

לא מתווספת נקודת קצה למשימות הטמעה.

שדות התגובה

שדה	סוג
שדה`object`	סוגstring
שדה`model`	סוגstring
שדה`data[].index`	סוגinteger
שדה`data[].embedding`	סוגfinite float[]
שדה`usage`	סוגobject

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים	השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen3-embedding-8b

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen3-embedding-8b

FAQ · Qwen: Qwen3 Embedding 8B

אילו קלטים ותוצאות זמינים?: POST /v1/embeddings · qwen/qwen3-embedding-8b: text, token_ids → embedding
באילו שדות הבקשה משתמשת?: POST /v1/embeddings · qwen/qwen3-embedding-8b: model, input, encoding_format, provider
אילו מגבלות חלות?: POST /v1/embeddings · qwen/qwen3-embedding-8b: ctx: 32768; input.budget.maximum: 32768 (בתים בקידוד UTF8); input.min_items: 1

Qwen: Qwen3 Embedding 8B