Source: https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/
Canonical: https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/
Language: ms

# Qwen: Qwen3 Embedding 4B

[Markdown](https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/index.md) · [JSON](https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/facts.json)

## [Qwen: Qwen3 Embedding 4B](https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/)

Qwen3-Embedding-4B mewakili teks sebagai vektor semantik untuk perolehan maklumat berbilang bahasa, carian kod, pengelasan dan pengelompokan. Model 4B ini menyokong panjang jujukan 32K token dan dimensi vektor tersuai dari 32 hingga 2,560.

- [**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `qwen/qwen3-embedding-4b`](https://ailoot.ai/models/ms/qwen-qwen3-embedding-4b/#method-0)

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Qwen3-Embedding-4B ialah edisi pembenaman teks 4B dalam keluarga pembenaman dan pemeringkatan semula Qwen. Dibina berasaskan model asas Qwen3 berstruktur padat, ia menukar segmen teks kepada representasi berangka bagi maknanya. Qwen menyenaraikan perolehan teks, perolehan kod, pengelasan, pengelompokan dan perlombongan bitext sebagai bidang aplikasi. Ia berguna apabila aplikasi perlu mencari petikan yang berkaitan, mengumpulkan rekod yang serupa atau membandingkan teks merentas bahasa. Output model ialah vektor pembenaman, bukannya respons perbualan atau dokumen yang ditulis semula.

Edisi khusus ini mempunyai panjang jujukan 32K token dan dimensi pembenaman sehingga 2,560. Ia menyokong dimensi output tersuai dari 32 hingga 2,560 melalui Matryoshka Representation Learning. Panjang vektor yang dipilih mempengaruhi cara representasi disimpan dan dibandingkan, jadi kekalkan panjang yang sama antara vektor pertanyaan dengan vektor dokumen dalam satu koleksi. Qwen3-Embedding-8B mempunyai saiz model yang berbeza dan dimensi maksimum 4,096; saiz output itu mahupun identiti model 8B tidak terpakai pada edisi 4B ini. Indeks sedia ada perlu mengekalkan pilihan representasinya yang konsisten.

Pengeluar menerangkan sokongan untuk lebih daripada 100 bahasa, termasuk bahasa pengaturcaraan, dengan perolehan maklumat berbilang bahasa, rentas bahasa dan kod. Contoh carian pusat bantuan boleh membandingkan soalan pengguna dengan petikan yang ditulis dalam beberapa bahasa, kemudian mengembalikan petikan asal yang sepadan dengan topik. Carian kod boleh membandingkan penerangan bahasa semula jadi dengan fungsi yang berkaitan dan dokumentasinya. Kekalkan tajuk yang bermakna, istilah bidang dan pengecam semasa menyediakan teks, serta kekalkan perkaitan setiap petikan yang diwakili dengan sumbernya supaya aplikasi boleh memaparkan bahan yang sepadan.

Qwen3-Embedding-4B mengambil kira arahan. Qwen mengesyorkan supaya setiap pertanyaan disertai penerangan tugasan sepanjang satu ayat yang disesuaikan dengan hubungan perolehan maklumat yang dimaksudkan, dan mengesyorkan arahan dalam bahasa Inggeris untuk senario berbilang bahasa. Contoh langsung meletakkan Instruct: sebelum penerangan tugasan dan Query: sebelum teks pertanyaan. Dokumen perolehannya dikodkan tanpa arahan pertanyaan tersebut. Arahan asal yang praktikal boleh menetapkan pencarian petikan dokumentasi yang menerangkan ralat yang dilaporkan atau petikan kod sumber yang melaksanakan tingkah laku yang dihuraikan. Ini mengarahkan representasi kepada soalan aplikasi, bukannya meminta model menulis jawapan.

Contoh rasmi mengekodkan teks pertanyaan dan dokumen, membandingkan pembenamannya menggunakan keserupaan kosinus dan menunjukkan pooling keadaan tersembunyi token terakhir yang diikuti penormalan. Dalam contoh peringkat rendah itu, input dipotong pada tetapan 8,192 token yang dipilih; panjang jujukan model yang didokumenkan kekal 32K. Untuk bahan panjang, tentukan petikan yang perlu diwakili dan pastikan pemotongan tidak membuang secara senyap bahagian yang diperlukan oleh pertanyaan. Simpan vektor bersama rujukan sumber yang stabil, bandingkan pertanyaan yang disediakan dengan koleksi dan kembalikan petikan yang berkaitan mengikut urutan keserupaan.

Model pembenaman Qwen menggunakan pendekatan dwi-pengekod, manakala model pemeringkatan semulanya yang berasingan menggunakan pengekod silang untuk menilai pasangan pertanyaan–dokumen. Pengumuman keluaran menerangkan penggunaan modul tersebut bersama: pembenaman mencari calon awal, dan reranker kemudian boleh memperhalus urutannya. Qwen3-Embedding-4B sendiri menyediakan representasi bagi satu teks. Vektornya bukan skor reranker, pernyataan yang telah disahkan atau jawapan yang dijana. Jika aliran kerja akhir menjawab soalan daripada bahan yang diperoleh, petikan sumber yang dipilih kekal sebagai bukti yang diberikan kepada peringkat seterusnya itu.

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings` `qwen/qwen3-embedding-4b`

[`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/ms/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings)

Alibaba /`qwen/qwen3-embedding-4b`

### Pengenalan

Qwen3-Embedding-4B mewakili teks sebagai vektor semantik untuk perolehan maklumat berbilang bahasa, carian kod, pengelasan dan pengelompokan. Model 4B ini menyokong panjang jujukan 32K token dan dimensi vektor tersuai dari 32 hingga 2,560.

Input yang diterima

Teks · token\_ids

Hasil

embedding

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Pembenaman** `POST /v1/embeddings`

Input

`text`, `token_ids`

Output

`embedding`

Format output

json

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had qwen/qwen3-embedding-4b | Lalai— |
| Medan`input` | Jenis`string\|string[]\|integer[]\|integer[][]` | KeperluanDiperlukan | Nilai & had Item minimum: 1 Syarat: Kelompok homogen yang tidak kosong. ID token ialah integer bukan negatif. Bajet input: Maksimum: 32,768 · Unit teks: bait UTF8 · Unit token: elemen tatasusunan token | Lalai— |
| Medan`encoding_format` | Jenis`string` | KeperluanPilihan | Nilai & had float | Lalaifloat |
| Medan`dimensions` | Jenis`integer` | KeperluanTidak disokong | Nilai & had Minimum: 1 | Lalai— |
| Medan`user` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`session_id` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`trace` | Jenis`json_value` | KeperluanPilihan | Nilai & had Syarat: Sumber membenarkan medan metadata JSON ini; semantik tepat di pihak huluan bergantung pada model. | Lalai— |
| Medan`provider` | Jenis`object` | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak | Lalai— |

Gabungan bahan input

**text\_to\_embedding**

Parameter kaedah dan kitar hayat

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input |
| Parameter`input_shapes` | Kontrakstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] |
| Parameter`encoding_format` | Kontrakfloat |
| Parameter`dimensions_override` | Kontrakfalse |
| Parameter`max_input_budget_units` | Kontrak32768 |
| Parameter`multimodal_objects` | Kontrakfalse |
| Parameter`material_types` | Kontraktext, token\_ids |

Kitar hayat: `synchronous_json`

Simpan setiap indeks dan dimensi vektor.

Nama model multimodal tidak bermakna objek imej dibenarkan pada laluan khusus ini.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Tidak dinyatakan Apabila mod pantas dipilih

Mod flex

Tidak dinyatakan Apabila mod flex dipilih

Usaha penaakulan maksimum

Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

| Konfigurasi | Jadual kadar | Caj |
| --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input **$0.00004** / 1K token Output · Token output **$0** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Pembenaman

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)
```

### Terima dan simpan hasil

#### Ailoot Ultra · Pembenaman

json

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan setiap vektor bersama indeksnya. Bilangan vektor mesti sama dengan bilangan input; dimensi mesti konsisten.

##### Jika respons asal perlu disemak

Tiada titik akhir tugas pembenaman diperkenalkan.

Medan respons

| Medan | Jenis |
| --- | --- |
| Medan`object` | Jenisstring |
| Medan`model` | Jenisstring |
| Medan`data[].index` | Jenisinteger |
| Medan`data[].embedding` | Jenisfinite float\[\] |
| Medan`usage` | Jenisobject |

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |

### Alias

#### Alias model

**Ailoot Ultra** [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/ms/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings)

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

[`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/ms/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings)

FAQ · Qwen: Qwen3 Embedding 4B

Apakah input dan hasil yang tersedia?

`POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `text`, `token_ids` → `embedding`

Apakah medan yang digunakan oleh permintaan?

`POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `model`, `input`, `encoding_format`, `provider`

Apakah had yang terpakai?

`POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `input.budget.maximum`: `32768` (bait UTF8); `input.min_items`: `1`

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/)

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.