Source: https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/ Canonical: https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/ Language: pl # Qwen: Qwen3 Embedding 4B [Markdown](https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/index.md) · [JSON](https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/facts.json) ## [Qwen: Qwen3 Embedding 4B](https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/) Qwen3-Embedding-4B przedstawia tekst jako wektory semantyczne do wielojęzycznego wyszukiwania, wyszukiwania kodu, klasyfikacji i grupowania. Ten model 4B obsługuje sekwencje o długości 32K tokenów i konfigurowalne wymiary wektora od 32 do 2 560. - [**Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `qwen/qwen3-embedding-4b`](https://ailoot.ai/models/pl/qwen-qwen3-embedding-4b/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Qwen3-Embedding-4B to edycja 4B do embeddingów tekstu w rodzinie modeli embeddingów i rerankingu Qwen. Zbudowana na gęstym modelu bazowym Qwen3, zamienia segment tekstu w liczbową reprezentację jego znaczenia. Qwen wskazuje wyszukiwanie tekstu, wyszukiwanie kodu, klasyfikację, grupowanie i wydobywanie tekstów równoległych jako obszary zastosowań. Model jest przydatny, gdy aplikacja musi znajdować powiązane fragmenty, grupować podobne rekordy lub porównywać teksty między językami. Jego wynikiem jest wektor embeddingu, a nie odpowiedź w rozmowie czy przepisany dokument. Ta konkretna edycja ma długość sekwencji 32K tokenów i wymiar embeddingu do 2 560. Obsługuje konfigurowalne wymiary wyjściowe od 32 do 2 560 dzięki Matryoshka Representation Learning. Wybrana długość wektora wpływa na przechowywanie i porównywanie reprezentacji, dlatego zachowaj ją spójną między wektorami zapytań i dokumentów w jednym zbiorze. Qwen3-Embedding-8B ma inny rozmiar modelu i maksimum 4 096 wymiarów; ani ten rozmiar wyjścia, ani tożsamość modelu 8B nie przenoszą się na edycję 4B. Istniejący indeks powinien zachować własne, spójne ustawienia reprezentacji. Producent opisuje obsługę ponad 100 języków, w tym języków programowania, wraz z wyszukiwaniem wielojęzycznym, międzyjęzykowym i wyszukiwaniem kodu. Przykładowa wyszukiwarka centrum pomocy może porównać pytanie użytkownika z fragmentami napisanymi w kilku językach, a następnie zwrócić oryginalne fragmenty pasujące do tematu. Wyszukiwanie kodu może porównywać opis w języku naturalnym z odpowiednimi funkcjami i ich dokumentacją. Przygotowując tekst, zachowaj znaczące nagłówki, terminy dziedzinowe i identyfikatory oraz powiązanie każdego reprezentowanego fragmentu ze źródłem, aby aplikacja mogła pokazać dopasowany materiał. Qwen3-Embedding-4B uwzględnia instrukcje. Qwen zaleca dodanie do każdego zapytania jednozdaniowego opisu zadania, dopasowanego do zamierzonej relacji wyszukiwania, oraz stosowanie instrukcji w języku angielskim w scenariuszach wielojęzycznych. Bezpośredni przykład umieszcza Instruct: przed opisem zadania i Query: przed tekstem zapytania. Dokumenty do wyszukiwania są kodowane bez tej instrukcji zapytania. Praktyczna, własna instrukcja może określać wyszukanie fragmentów dokumentacji wyjaśniających zgłoszony błąd lub fragmentów kodu źródłowego implementujących opisane zachowanie. Ukierunkowuje to reprezentację na pytanie aplikacji, zamiast prosić model o napisanie odpowiedzi. Oficjalne przykłady kodują teksty zapytań i dokumentów, porównują ich embeddingi za pomocą podobieństwa cosinusowego oraz pokazują agregację stanu ukrytego ostatniego tokenu z następującą po niej normalizacją. W tym przykładzie niższego poziomu wejście jest obcinane przy wybranym ustawieniu 8 192 tokenów; udokumentowana długość sekwencji modelu pozostaje 32K. Przy długim materiale zdecyduj, które fragmenty reprezentować, i upewnij się, że obcięcie nie odrzuca po cichu części potrzebnej zapytaniu. Przechowuj wektory ze stabilnymi odwołaniami do źródeł, porównuj przygotowane zapytanie ze zbiorem i zwracaj powiązane fragmenty w kolejności podobieństwa. Model embeddingów Qwen stosuje podejście dual-encoder, podczas gdy osobne modele rerankingu używają cross-encodera do oceny par zapytanie–dokument. Publikacja opisuje wspólne wykorzystanie tych modułów: embeddingi znajdują początkowych kandydatów, a reranker może następnie doprecyzować ich kolejność. Sam Qwen3-Embedding-4B dostarcza reprezentację pojedynczego tekstu. Jego wektor nie jest oceną rerankera, zweryfikowanym stwierdzeniem ani wygenerowaną odpowiedzią. Jeśli końcowy proces odpowiada na pytania na podstawie wyszukanego materiału, wybrane fragmenty źródłowe pozostają podstawą przekazywaną do tego późniejszego etapu. **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` `qwen/qwen3-embedding-4b` [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/pl/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) Alibaba /`qwen/qwen3-embedding-4b` ### Start Qwen3-Embedding-4B przedstawia tekst jako wektory semantyczne do wielojęzycznego wyszukiwania, wyszukiwania kodu, klasyfikacji i grupowania. Ten model 4B obsługuje sekwencje o długości 32K tokenów i konfigurowalne wymiary wektora od 32 do 2 560. Akceptowane dane wejściowe Tekst · token\_ids Wyniki embedding ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Reprezentacje wektorowe** `POST /v1/embeddings` Wejście `text`, `token_ids` Wyjście `embedding` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity qwen/qwen3-embedding-4b | Domyślnie— | | Pole`input` | Typ`string\|string[]\|integer[]\|integer[][]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 Warunki: Niepusta, jednorodna partia danych. Identyfikatory tokenów są nieujemnymi liczbami całkowitymi. Budżet wejścia: Maksimum: 32 768 · Jednostka tekstu: bajty UTF8 · Jednostka tokenów: elementy tablicy tokenów | Domyślnie— | | Pole`encoding_format` | Typ`string` | WymaganieOpcjonalne | Wartości i limity float | Domyślniefloat | | Pole`dimensions` | Typ`integer` | WymaganieNieobsługiwane | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`user` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`session_id` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`trace` | Typ`json_value` | WymaganieOpcjonalne | Wartości i limity Warunki: Źródło dopuszcza to pole metadanych JSON; dokładna semantyka po stronie dostawcy zależy od modelu. | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: Odrzucono provider.options | Domyślnie— | Kombinacje materiałów wejściowych **text\_to\_embedding** Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input | | Parametr`input_shapes` | Kontraktstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parametr`encoding_format` | Kontraktfloat | | Parametr`dimensions_override` | Kontraktfalse | | Parametr`max_input_budget_units` | Kontrakt32768 | | Parametr`multimodal_objects` | Kontraktfalse | | Parametr`material_types` | Kontrakttext, token\_ids | Cykl życia: `synchronous_json` Zachowaj indeks i liczbę wymiarów każdego wektora. Nawet jeśli nazwa modelu wskazuje na multimodalność, ta konkretna ścieżka nie obsługuje obiektów obrazów. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji | Konfiguracja | Tabela stawek | Opłata | | --- | --- | --- | | KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe **$0.00004** / 1K tokenów Wyjście · Tokeny wyjściowe **$0** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Reprezentacje wektorowe curlPython SDK ```bash set -eu : "${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) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Reprezentacje wektorowe json ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdy wektor wraz z jego indeksem. Liczba wektorów musi być równa liczbie elementów wejściowych; wszystkie wektory muszą mieć tę samą liczbę wymiarów. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Nie wprowadzono endpointu zadań generowania osadzeń. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`object` | Typstring | | Pole`model` | Typstring | | Pole`data[].index` | Typinteger | | Pole`data[].embedding` | Typfinite float\[\] | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/pl/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/pl/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) FAQ · Qwen: Qwen3 Embedding 4B Jakie dane wejściowe i wyniki są dostępne? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `text`, `token_ids` → `embedding` Jakich pól używa żądanie? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `model`, `input`, `encoding_format`, `provider` Jakie limity obowiązują? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `input.budget.maximum`: `32768` (bajty UTF8); `input.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.