Source: https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/ Canonical: https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/ Language: sv # Qwen: Qwen3 Embedding 8B [Markdown](https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/index.md) · [JSON](https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/facts.json) ## [Qwen: Qwen3 Embedding 8B](https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/) Qwen3-Embedding-8B omvandlar text till semantiska vektorer för flerspråkig sökning, kodsökning, klassificering och klustring. Den stöder en sekvenslängd på 32K token och anpassade inbäddningsdimensioner från 32 till 4 096. - [**Ailoot Ultra · Embeddings** `POST /v1/embeddings` `qwen/qwen3-embedding-8b`](https://ailoot.ai/models/sv/qwen-qwen3-embedding-8b/#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-8B är Qwens 8B-modell för textinbäddningar, byggd på den täta grundmodellen Qwen3. Den representerar text som numeriska vektorer i stället för att generera samtalssvar. Qwen anger textsökning, kodsökning, klassificering, klustring och utvinning av parallella texter bland de stödda användningsområdena. Ett söksystem kan använda vektorerna för att jämföra en fråga med relevanta textstycken; en dokumentsamling kan använda dem för att hitta semantiskt relaterat material eller ordna poster i grupper. Just denna modell stöder en sekvenslängd på 32K token och inbäddningar med upp till 4 096 dimensioner. Den stöder också användardefinierade utdatadimensioner från 32 till 4 096 genom Matryoshka Representation Learning. Det gör vektorlängden till ett medvetet designval: en kortare vektor ändrar representationens storlek, medan fullständiga utdata bevarar modellens maximala dimensionalitet. Håll den valda dimensionen konsekvent för dokument och frågor som jämförs i ett index. Qwen3-Embedding-4B är en separat utgåva med en annan maximal dimension, snarare än en utbytbar vektorkälla för en befintlig 8B-samling. Tillverkaren beskriver stöd för fler än 100 språk, inklusive programmeringsspråk, samt flerspråkig sökning, sökning mellan språk och kodsökning. En praktisk samling kan innehålla dokument på flera språk medan frågor söker efter relevant betydelse, eller källkodsstycken indexerade för en fråga på naturligt språk. Bevara viktiga identifierare, titlar och domäntermer i indata. För kod bevaras den omgivande förklaringen till funktionen eller modulen tillsammans med utdraget när den kontexten ingår i frågan. Utdata förblir en vektorrepresentation; att returnera den matchande dokumenttexten är sökapplikationens nästa steg. Modellen tar hänsyn till instruktioner. Qwen rekommenderar en instruktion på en mening anpassad till sökuppgiften och rekommenderar vid flerspråkig användning att instruktionen skrivs på engelska. Det direkta exemplet formaterar en fråga med Instruct: följt av uppgiftsbeskrivningen och Query: följt av frågan. Dokument för sökningen behöver inte samma instruktionsprefix i det exemplet. En lämplig egen uppgiftsbeskrivning kan handla om att hitta tekniska textstycken som förklarar användarens fel, och därefter placera den specifika felbeskrivningen i frågan. Instruktionen beskriver vilken sorts semantisk relation sökningen ska prioritera. Qwens exempel kodar frågor och dokument separat, jämför deras vektorer med cosinuslikhet och visar en procedur på lägre nivå som poolar den sista tokenens dolda tillstånd och normaliserar inbäddningen före en jämförelse med skalärprodukten. Ett användbart arbetsflöde håller varje textstyckes vektor kopplad till dess källidentifierare, jämför en förberedd fråga med de lagrade vektorerna och returnerar motsvarande textstycken i ordning efter likhet. Exemplets trunkeringsinställning på 8 192 token är en vald inställning för indatabearbetning, skild från modellens dokumenterade sekvenslängd på 32K. Granska vad som behålls när långa indata förbereds. Inbäddnings- och omrangeringsmodellerna är olika komponenter i Qwens utgåva. En inbäddningsmodell representerar ett textsegment och möjliggör en inledande likhetssökning. En separat omrangeringsmodell bedömer relationen mellan en fråga och kandidattextstycken och kan förfina deras ordning. Qwen beskriver en kombination av de två modulerna, men Qwen3-Embedding-8B returnerar själv inbäddningar snarare än en omrangeringsmodells relevansbedömning eller ett skriftligt svar. För sökning följd av ett svar bevaras den matchande källtexten och dessa belägg förs vidare till svarsstadiet. Välj och behåll en konsekvent modell, dimension och frågeinstruktion för samlingen som genomsöks. **Ailoot Ultra · Embeddings** `POST /v1/embeddings` `qwen/qwen3-embedding-8b` [`qwen/qwen3-embedding-8b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) Alibaba /`qwen/qwen3-embedding-8b` ### Start Qwen3-Embedding-8B omvandlar text till semantiska vektorer för flerspråkig sökning, kodsökning, klassificering och klustring. Den stöder en sekvenslängd på 32K token och anpassade inbäddningsdimensioner från 32 till 4 096. Godkända indata Text · token\_ids Resultat embedding ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Embeddings** `POST /v1/embeddings` Indatatyper `text`, `token_ids` Utdatatyper `embedding` Kontext 32 768 tokens Utdataformat json | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser qwen/qwen3-embedding-8b | 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 Standardpris När snabbt läge är valt Flex-läge Standardpris När läget flex är valt Högsta resonemangsnivå Standardpris När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration | Konfiguration | Prislista | Avgift | | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken **$0.00002** / 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-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) ``` ### 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-8b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen/qwen3-embedding-8b`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen3-embedding-8b&route=Ultra&caller=qwen%2Fqwen3-embedding-8b&fmt=embeddings) FAQ · Qwen: Qwen3 Embedding 8B Vilka indata och resultat finns? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `text`, `token_ids` → `embedding` Vilka fält använder begäran? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `model`, `input`, `encoding_format`, `provider` Vilka gränser gäller? `POST /v1/embeddings` · `qwen/qwen3-embedding-8b`: `ctx`: `32768`; `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.