Source: https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/ Canonical: https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/ Language: sv # Qwen: Qwen3 Embedding 4B [Markdown](https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/index.md) · [JSON](https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/facts.json) ## [Qwen: Qwen3 Embedding 4B](https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/) Qwen3-Embedding-4B representerar text som semantiska vektorer för flerspråkig informationssökning, kodsökning, klassificering och klustring. Denna 4B-modell stöder en sekvenslängd på 32K token och valbara vektordimensioner från 32 till 2 560. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `qwen/qwen3-embedding-4b`](https://ailoot.ai/models/sv/qwen-qwen3-embedding-4b/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Qwen3-Embedding-4B är 4B-versionen för textembeddings i Qwens familj för embeddings och omrangering. Den bygger på den täta basmodellen Qwen3 och omvandlar ett textsegment till en numerisk representation av dess betydelse. Qwen anger textsökning, kodsökning, klassificering, klustring och utvinning av parallella texter som användningsområden. Modellen är användbar när en applikation behöver hitta relaterade textavsnitt, gruppera liknande poster eller jämföra text mellan språk. Modellens utdata är en embeddingvektor, inte ett konversationssvar eller ett omskrivet dokument. Den exakta versionen har en sekvenslängd på 32K token och en embeddingdimension på upp till 2 560. Den stöder valbara utdatadimensioner från 32 till 2 560 genom Matryoshka Representation Learning. Den valda vektorlängden påverkar hur representationen lagras och jämförs, så håll den konsekvent mellan fråge- och dokumentvektorer i samma samling. Qwen3-Embedding-8B har en annan modellstorlek och högst 4 096 dimensioner; varken den utdatastorleken eller 8B-modellens identitet överförs till denna 4B-version. Ett befintligt index bör behålla konsekventa val av representation. Tillverkaren beskriver stöd för fler än 100 språk, inklusive programmeringsspråk, med flerspråkig sökning, sökning mellan språk och kodsökning. Ett exempel på sökning i ett hjälpcenter kan jämföra användarens fråga med avsnitt skrivna på flera språk och sedan returnera de ursprungliga avsnitt som matchar ämnet. En kodsökning kan jämföra en beskrivning på naturligt språk med relevanta funktioner och deras dokumentation. Bevara meningsfulla rubriker, domäntermer och identifierare när du förbereder texten, och behåll kopplingen mellan varje representerat avsnitt och dess källa så att applikationen kan visa det matchande materialet. Qwen3-Embedding-4B kan ta hänsyn till instruktioner. Qwen rekommenderar att varje fråga får en uppgiftsbeskrivning på en mening, anpassad till den avsedda sökrelationen, och rekommenderar instruktioner på engelska i flerspråkiga scenarier. Det direkta exemplet placerar Instruct: före uppgiftsbeskrivningen och Query: före frågetexten. Dokumenten som söks kodas utan denna frågeinstruktion. En egen praktisk instruktion kan ange att modellen ska hitta dokumentationsavsnitt som förklarar ett rapporterat fel eller källkodsutdrag som implementerar det beskrivna beteendet. Det riktar representationen mot applikationens fråga i stället för att be modellen skriva ett svar. De officiella exemplen kodar fråge- och dokumenttexter, jämför deras embeddings med cosinuslikhet och visar poolning av den sista tokenens dolda tillstånd följt av normalisering. I det exemplet på lägre nivå trunkeras indata vid en vald inställning på 8 192 token; modellens dokumenterade sekvenslängd är fortfarande 32K. För långt material avgör du vilka avsnitt som ska representeras och säkerställer att trunkeringen inte tyst tar bort den del som frågan behöver. Lagra vektorer med stabila källreferenser, jämför den förberedda frågan med samlingen och returnera de tillhörande avsnitten i likhetsordning. Qwens embeddingmodell använder en dual-encoder-metod, medan dess separata omrangeringsmodeller använder en cross-encoder för att bedöma fråge–dokument-par. Lanseringen beskriver hur dessa moduler används tillsammans: embeddings hittar de första kandidaterna, och en omrangeringsmodell kan sedan förfina deras ordning. Qwen3-Embedding-4B ger själv representationen av en enskild text. Dess vektor är inte ett poängvärde från en omrangeringsmodell, ett verifierat påstående eller ett genererat svar. Om det slutliga arbetsflödet besvarar frågor utifrån hämtat material förblir de valda källavsnitten underlaget som skickas till det senare steget. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `qwen/qwen3-embedding-4b` [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) Alibaba /`qwen/qwen3-embedding-4b` ### Start Qwen3-Embedding-4B representerar text som semantiska vektorer för flerspråkig informationssökning, kodsökning, klassificering och klustring. Denna 4B-modell stöder en sekvenslängd på 32K token och valbara vektordimensioner från 32 till 2 560. Godkända indata Text · token\_ids Resultat embedding ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Indatatyper `text`, `token_ids` Utdatatyper `embedding` Utdataformat json | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser qwen/qwen3-embedding-4b | Standard— | | Fält`input` | Typ`string\|string[]\|integer[]\|integer[][]` | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 Villkor: En homogen batch som inte är tom. Token-ID:n är heltal som är större än eller lika med noll. Indatabudget: Maximum: 32 768 · Textenhet: UTF8-byte · Tokenenhet: element i en tokenarray | Standard— | | Fält`encoding_format` | Typ`string` | KravValfritt | Värden & gränser float | Standardfloat | | Fält`dimensions` | Typ`integer` | KravStöds inte | Värden & gränser Minimum: 1 | Standard— | | Fält`user` | Typ`json_value` | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— | | Fält`session_id` | Typ`json_value` | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— | | Fält`trace` | Typ`json_value` | KravValfritt | Värden & gränser Villkor: Källan tillåter detta JSON-metadatafält; den exakta innebörden hos leverantören beror på modellen. | Standard— | | Fält`provider` | Typ`object` | KravValfritt | Värden & gränser Villkor: provider.options avvisades | Standard— | Kombinationer av indatamaterial **text\_to\_embedding** Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input | | Parameter`input_shapes` | Avtalstring, string\[\], nonnegative\_integer\_token\_array, nonnegative\_integer\_token\_array\[\] | | Parameter`encoding_format` | Avtalfloat | | Parameter`dimensions_override` | Avtalfalse | | Parameter`max_input_budget_units` | Avtal32768 | | Parameter`multimodal_objects` | Avtalfalse | | Parameter`material_types` | Avtaltext, token\_ids | Livscykel: `synchronous_json` Behåll varje vektorindex och dimension. Att modellen har ett multimodalt namn innebär inte att bildobjekt tillåts på just denna anropsväg. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.00004** / 1K token Utdata · Utdatatoken **$0** / 1K token Indata · Cacheläsning **—** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Embeddings curlPython SDK ```bash set -eu : "${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) ``` ### Ta emot och spara resultat #### Ailoot Ultra · Embeddings json ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Behåll varje vektor tillsammans med dess index. Antalet vektorer måste vara lika med antalet indataobjekt; dimensionerna måste vara konsekventa. ##### Om det ursprungliga svaret behöver kontrolleras Ingen endpoint för inbäddningsjobb införs. Svarsfält | Fält | Typ | | --- | --- | | Fält`object` | Typstring | | Fält`model` | Typstring | | Fält`data[].index` | Typinteger | | Fält`data[].embedding` | Typfinite float\[\] | | Fält`usage` | Typobject | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | ### Alias #### Modellalias **Ailoot Ultra** [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen/qwen3-embedding-4b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-4b&route=Ultra&caller=qwen%2Fqwen3-embedding-4b&fmt=embeddings) FAQ · Qwen: Qwen3 Embedding 4B Vilka indata och resultat finns? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `text`, `token_ids` → `embedding` Vilka fält använder begäran? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `model`, `input`, `encoding_format`, `provider` Vilka gränser gäller? `POST /v1/embeddings` · `qwen/qwen3-embedding-4b`: `input.budget.maximum`: `32768` (UTF8-byte); `input.min_items`: `1` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.