Source: https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/ Canonical: https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/ Language: hu # Qwen: Qwen3 Embedding 4B [Markdown](https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/index.md) · [JSON](https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/facts.json) ## [Qwen: Qwen3 Embedding 4B](https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/) A Qwen3-Embedding-4B a szöveget szemantikus vektorokként ábrázolja többnyelvű visszakereséshez, kódkereséshez, osztályozáshoz és klaszterezéshez. Ez a 4B modell 32K tokenes szekvenciahosszt és 32-től 2 560-ig egyedileg választható vektordimenziót támogat. - [**Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `qwen/qwen3-embedding-4b`](https://ailoot.ai/models/hu/qwen-qwen3-embedding-4b/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Qwen3-Embedding-4B a Qwen beágyazási és újrarangsorolási modellcsaládjának 4B méretű szövegbeágyazó kiadása. A sűrű architektúrájú Qwen3 alapmodellre épülve egy szövegrészt a jelentését kifejező numerikus reprezentációvá alakít. A Qwen a szöveg-visszakeresést, kód-visszakeresést, osztályozást, klaszterezést és kétnyelvű szövegpárok kinyerését nevezi meg alkalmazási területként. Akkor hasznos, ha egy alkalmazásnak kapcsolódó szövegrészeket kell találnia, hasonló rekordokat kell csoportosítania vagy különböző nyelvű szövegeket kell összehasonlítania. A modell kimenete beágyazási vektor, nem beszélgetési válasz vagy átírt dokumentum. Ennek a pontos kiadásnak 32K tokenes szekvenciahossza és legfeljebb 2 560 dimenziós beágyazása van. A Matryoshka Representation Learning révén 32 és 2 560 közötti egyedi kimeneti dimenziót támogat. A választott vektorhossz befolyásolja a reprezentáció tárolását és összehasonlítását, ezért egy gyűjteményben a lekérdezés- és dokumentumvektoroknál tartsa egységesen. A Qwen3-Embedding-8B más modellméretű, és legfeljebb 4 096 dimenziót kínál; sem ez a kimeneti méret, sem a 8B modell identitása nem vihető át erre a 4B kiadásra. Egy meglévő indexnek meg kell őriznie saját, következetesen alkalmazott reprezentációs beállításait. A gyártó több mint 100 nyelv támogatását írja le, a programozási nyelveket is beleértve, többnyelvű, nyelvek közötti és kód-visszakereséssel. Egy szemléltető súgóközponti keresés összehasonlíthatja a felhasználó kérdését több nyelven írt szövegrészekkel, majd visszaadhatja a témához illő eredeti részleteket. Kódkereséskor egy természetes nyelvű leírás vethető össze a releváns függvényekkel és dokumentációjukkal. A szöveg előkészítésekor őrizze meg a jelentéssel bíró címeket, szakterületi kifejezéseket és azonosítókat, és minden reprezentált szövegrészt kapcsoljon a forrásához, hogy az alkalmazás meg tudja jeleníteni a megfelelő anyagot. A Qwen3-Embedding-4B figyelembe veszi az utasításokat. A Qwen azt javasolja, hogy minden lekérdezéshez egy mondatban írja le a feladatot a kívánt visszakeresési kapcsolathoz igazítva, többnyelvű esetekhez pedig angol utasításokat ajánl. A közvetlen példában az Instruct: áll a feladatleírás előtt, a Query: pedig a lekérdezés szövege előtt. A visszakeresendő dokumentumokat e lekérdezési utasítás nélkül kódolják. Egy saját gyakorlati utasítás megadhatja például egy jelentett hibát megmagyarázó dokumentációrészletek vagy a leírt működést megvalósító forráskódrészletek keresését. Ez a reprezentációt az alkalmazás kérdéséhez igazítja, nem válasz megírására kéri a modellt. A hivatalos példák lekérdezés- és dokumentumszövegeket kódolnak, koszinuszhasonlósággal hasonlítják össze a beágyazásaikat, és bemutatják az utolsó token rejtett állapotának összesítését, majd normalizálását. Ebben az alacsonyabb szintű példában a bemenetet egy választott, 8 192 tokenes beállításnál csonkolják; a dokumentált modellszekvencia-hossz továbbra is 32K. Hosszú anyagnál döntse el, mely szövegrészeket reprezentálja, és gondoskodjon róla, hogy a csonkolás ne távolítsa el észrevétlenül a lekérdezéshez szükséges részt. A vektorokat stabil forráshivatkozásokkal tárolja, hasonlítsa össze az előkészített lekérdezést a gyűjteménnyel, és hasonlósági sorrendben adja vissza a hozzájuk tartozó szövegrészeket. A Qwen beágyazó modellje kétkódolós megközelítést használ, míg külön újrarangsoroló modelljei keresztkódolóval értékelik a lekérdezés–dokumentum párokat. A kiadási ismertető ezek együttes használatát írja le: a beágyazások megtalálják a kezdeti jelölteket, majd egy újrarangsoroló finomíthatja a sorrendjüket. Maga a Qwen3-Embedding-4B egyetlen szöveg reprezentációját adja. Vektora nem újrarangsorolási pontszám, ellenőrzött állítás vagy generált válasz. Ha a végső munkafolyamat visszakeresett anyag alapján válaszol kérdésekre, a kiválasztott forrásszövegrészek maradnak a következő lépésnek átadott bizonyítékok. **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` `qwen/qwen3-embedding-4b` [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/hu/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) Alibaba /`qwen/qwen3-embedding-4b` ### Kezdő lépések A Qwen3-Embedding-4B a szöveget szemantikus vektorokként ábrázolja többnyelvű visszakereséshez, kódkereséshez, osztályozáshoz és klaszterezéshez. Ez a 4B modell 32K tokenes szekvenciahosszt és 32-től 2 560-ig egyedileg választható vektordimenziót támogat. Elfogadott bemenetek Szöveg · token\_ids Eredmények embedding ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Beágyazások** `POST /v1/embeddings` Bemenet `text`, `token_ids` Kimenet `embedding` Kimeneti formátum json | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok qwen/qwen3-embedding-4b | Alapértelmezett— | | Mező`input` | Típus`string\|string[]\|integer[]\|integer[][]` | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 Feltételek: Nem üres, homogén köteg. A tokenazonosítók nemnegatív egész számok. Bemeneti keret: Maximum: 32 768 · Szövegegység: UTF8-bájtok · Tokenegység: tokentömb elemei | Alapértelmezett— | | Mező`encoding_format` | Típus`string` | KövetelményOpcionális | Értékek és korlátok float | Alapértelmezettfloat | | Mező`dimensions` | Típus`integer` | KövetelményNem támogatott | Értékek és korlátok Minimum: 1 | Alapértelmezett— | | Mező`user` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`session_id` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`trace` | Típus`json_value` | KövetelményOpcionális | Értékek és korlátok Feltételek: A forrás engedélyezi ezt a JSON-metaadatmezőt; a szolgáltatónál érvényes pontos jelentése modellenként eltér. | Alapértelmezett— | | Mező`provider` | Típus`object` | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasítva | Alapértelmezett— | Bemeneti anyagok kombinációi **text\_to\_embedding** Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input | | Paraméter`input_shapes` | Szerződésstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Paraméter`encoding_format` | Szerződésfloat | | Paraméter`dimensions_override` | Szerződésfalse | | Paraméter`max_input_budget_units` | Szerződés32768 | | Paraméter`multimodal_objects` | Szerződésfalse | | Paraméter`material_types` | Szerződéstext, token\_ids | Életciklus: `synchronous_json` Őrizze meg minden vektor indexét és dimenzióját. A multimodális modell neve ezen a pontos útvonalon nem teszi lehetővé képobjektumok használatát. ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként | Beállítás | Díjtáblázat | Díj | | --- | --- | --- | | BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek **$0.00004** / 1K token Kimenet · Kimeneti tokenek **$0** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Beágyazások curlPython SDK ```bash set -eu : "${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-4b", "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 ``` ```python 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-4b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Beágyazások json ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizzen meg minden vektort az indexével együtt. A vektorok számának meg kell egyeznie a bemenetek számával; a dimenzióknak egységesnek kell lenniük. ##### Ha az eredeti választ ellenőrizni kell Nem kerül bevezetésre külön beágyazási feladatvégpont. Válaszmezők | Mező | Típus | | --- | --- | | Mező`object` | Típusstring | | Mező`model` | Típusstring | | Mező`data[].index` | Típusinteger | | Mező`data[].embedding` | Típusfinite float\[\] | | Mező`usage` | Típusobject | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/hu/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/hu/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) FAQ · Qwen: Qwen3 Embedding 4B Milyen bemenetek és eredmények érhetők el? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `text`, `token_ids` → `embedding` Mely mezőket használja a kérés? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `model`, `input`, `encoding_format`, `provider` Milyen korlátok érvényesek? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `input.budget.maximum`: `32768` (UTF8-bájtok); `input.min_items`: `1` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.