Source: https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/ Canonical: https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/ Language: ru # Qwen: Qwen3 Embedding 8B [Markdown](https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/index.md) · [JSON](https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/facts.json) ## [Qwen: Qwen3 Embedding 8B](https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/) Qwen3-Embedding-8B преобразует текст в семантические векторы для многоязычного поиска, поиска кода, классификации и кластеризации. Она поддерживает последовательности длиной 32K токенов и настраиваемую размерность эмбеддингов от 32 до 4 096. - [**Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `qwen/qwen3-embedding-8b`](https://ailoot.ai/models/ru/qwen-qwen3-embedding-8b/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Qwen3-Embedding-8B — текстовая модель эмбеддингов Qwen с 8 миллиардами параметров, построенная на плотной базовой модели Qwen3. Она представляет текст числовыми векторами, а не генерирует разговорные ответы. Qwen перечисляет среди поддерживаемых областей применения поиск текста и кода, классификацию, кластеризацию и поиск параллельных текстов. Поисковая система может использовать эти векторы для сравнения вопроса с подходящими фрагментами; коллекция документов — для поиска семантически связанных материалов или объединения записей в группы. Именно эта модель поддерживает длину последовательности 32K токенов и эмбеддинги размерностью до 4 096. Она также поддерживает задаваемую пользователем размерность вывода от 32 до 4 096 через Matryoshka Representation Learning. Поэтому длина вектора — осознанный выбор при проектировании: короткий вектор изменяет размер представления, а полный выход сохраняет максимальную размерность модели. Используйте одинаковую выбранную размерность для документов и запросов, сравниваемых в одном индексе. Qwen3-Embedding-4B — отдельная редакция с другой максимальной размерностью, а не взаимозаменяемый источник векторов для существующей коллекции 8B. Производитель описывает поддержку более 100 языков, включая языки программирования, а также многоязычный, межъязыковой поиск и поиск кода. Практическая коллекция может содержать документы на нескольких языках, в которых запросы ищут нужный смысл, или фрагменты исходного кода, индексируемые для вопроса на естественном языке. Сохраняйте во входных данных важные идентификаторы, заголовки и предметные термины. Для кода оставляйте рядом с фрагментом объяснение функции или модуля, если этот контекст является частью вопроса. Выход остаётся векторным представлением; возврат текста найденного документа — следующий шаг поискового приложения. Модель учитывает инструкции. Qwen рекомендует инструкцию из одного предложения, подходящую для задачи поиска, а при многоязычном использовании рекомендует писать её на английском. В прямом примере производителя запрос оформляется как Instruct: с последующим описанием задачи и Query: с последующим вопросом. Документам для поиска в этом примере не нужен такой же префикс инструкции. Подходящая собственная постановка может описывать поиск технических фрагментов, объясняющих ошибку пользователя, а затем включать описание конкретной ошибки в запрос. Инструкция описывает тип семантической связи, которому поиск должен отдавать предпочтение. Примеры Qwen отдельно кодируют запросы и документы, сравнивают их векторы по косинусному сходству и показывают процедуру нижнего уровня, которая извлекает скрытое состояние последнего токена и нормализует эмбеддинг перед сравнением через скалярное произведение. Полезный процесс сохраняет связь вектора каждого фрагмента с идентификатором его источника, сравнивает подготовленный запрос с сохранёнными векторами и возвращает соответствующие фрагменты в порядке сходства. Значение усечения 8 192 токена в примере — выбранная настройка обработки ввода, отличная от документированной длины последовательности модели 32K. При подготовке длинного ввода проверяйте, какие данные сохраняются. В выпуске Qwen модели эмбеддингов и переранжирования — разные компоненты. Модель эмбеддингов представляет один текстовый сегмент и позволяет выполнить начальный поиск по сходству. Отдельный переранжировщик оценивает связь между запросом и фрагментами-кандидатами и может уточнить их порядок. Qwen описывает объединение этих двух модулей, но сама Qwen3-Embedding-8B возвращает эмбеддинги, а не оценку релевантности переранжировщика или письменный ответ. Для поиска с последующим ответом сохраняйте найденный исходный текст и передавайте эти основания на этап формирования ответа. Выберите и последовательно сохраняйте модель, размерность и инструкцию запроса для коллекции, в которой выполняется поиск. **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` `qwen/qwen3-embedding-8b` [`qwen/qwen3-embedding-8b`](https://ailoot.ai/models/ru/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) Alibaba /`qwen/qwen3-embedding-8b` ### Начало Qwen3-Embedding-8B преобразует текст в семантические векторы для многоязычного поиска, поиска кода, классификации и кластеризации. Она поддерживает последовательности длиной 32K токенов и настраиваемую размерность эмбеддингов от 32 до 4 096. Допустимые входные данные Текст · token\_ids Результаты embedding ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Эмбеддинги** `POST /v1/embeddings` Входные данные `text`, `token_ids` Результат `embedding` Контекст 32 768 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения qwen/qwen3-embedding-8b | По умолчанию— | | Поле`input` | Тип`string\|string[]\|integer[]\|integer[][]` | ТребованиеОбязательно | Значения и ограничения Минимум элементов: 1 Условия: Непустой однородный пакет. ID токенов — неотрицательные целые числа. Входной бюджет: Максимум: 32 768 · Текстовая единица: байты UTF8 · Единица токенов: элементы массива токенов | По умолчанию— | | Поле`encoding_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения float | По умолчаниюfloat | | Поле`dimensions` | Тип`integer` | ТребованиеНе поддерживается | Значения и ограничения Минимум: 1 | По умолчанию— | | Поле`user` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`session_id` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`trace` | Тип`json_value` | ТребованиеНеобязательно | Значения и ограничения Условия: Source допускает это поле метаданных JSON; точная семантика у исходного поставщика зависит от модели. | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения Условия: provider.options отклоняется | По умолчанию— | Сочетания входных материалов **text\_to\_embedding** Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input | | Параметр`input_shapes` | Контрактstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Параметр`encoding_format` | Контрактfloat | | Параметр`dimensions_override` | Контрактfalse | | Параметр`max_input_budget_units` | Контракт32768 | | Параметр`multimodal_objects` | Контрактfalse | | Параметр`material_types` | Контрактtext, token\_ids | Жизненный цикл: `synchronous_json` Сохраняйте индекс и размерность каждого вектора. Название мультимодальной модели не означает допуск объектов изображений на этом конкретном маршруте. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Стандартный тариф При выборе быстрого режима Режим flex Стандартный тариф При выборе режима flex Максимальная интенсивность рассуждений Стандартный тариф При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям | Конфигурация | Шкала ставок | Плата | | --- | --- | --- | | КонфигурацияБазовые ставки за токены | Шкала ставокБазовая ставка | Плата Вход · Входные токены **$0.00002** / 1K токенов Выход · Выходные токены **$0** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Эмбеддинги curlPython SDK ```bash set -eu : "${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-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 ``` ```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-8b',input=["First document","Second document"]) print(result) for item in result.data:print(item.index,item.embedding) ``` ### Получить и сохранить результаты #### Ailoot Ultra · Эмбеддинги json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый вектор с его индексом. Число векторов должно совпадать с числом входных элементов; размерности должны быть согласованы. ##### Если нужно проверить исходный ответ Отдельный эндпоинт заданий эмбеддингов не вводится. Поля ответа | Поле | Тип | | --- | --- | | Поле`object` | Типstring | | Поле`model` | Типstring | | Поле`data[].index` | Типinteger | | Поле`data[].embedding` | Типfinite float\[\] | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`qwen/qwen3-embedding-8b`](https://ailoot.ai/models/ru/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`qwen/qwen3-embedding-8b`](https://ailoot.ai/models/ru/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) FAQ · Qwen: Qwen3 Embedding 8B Какие входные данные и результаты доступны? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `text`, `token_ids` → `embedding` Какие поля использует запрос? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `model`, `input`, `encoding_format`, `provider` Какие ограничения действуют? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `ctx`: `32768`; `input.budget.maximum`: `32768` (байты UTF8); `input.min_items`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.