Qwen: Qwen3 Embedding 4B
Qwen3-Embedding-4B biểu diễn văn bản bằng vectơ ngữ nghĩa để truy xuất đa ngôn ngữ, tìm kiếm mã, phân loại và phân cụm. Mô hình 4B này hỗ trợ độ dài chuỗi 32K token và số chiều vectơ tùy chỉnh từ 32 đến 2.560.
Về mô hình
Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.
Qwen3-Embedding-4B là phiên bản embedding văn bản 4B trong dòng mô hình embedding và xếp hạng lại của Qwen. Được xây dựng trên mô hình nền tảng Qwen3 dạng đặc, mô hình chuyển một đoạn văn bản thành biểu diễn số về ý nghĩa của nó. Qwen xác định các ứng dụng gồm truy xuất văn bản, truy xuất mã, phân loại, phân cụm và khai thác cặp văn bản song ngữ. Mô hình hữu ích khi ứng dụng cần tìm các đoạn liên quan, nhóm bản ghi tương tự hoặc so sánh văn bản giữa các ngôn ngữ. Đầu ra của mô hình là vectơ embedding, không phải câu trả lời hội thoại hay tài liệu được viết lại.
Phiên bản này có độ dài chuỗi 32K token và số chiều embedding tối đa 2.560. Mô hình hỗ trợ số chiều đầu ra tùy chỉnh từ 32 đến 2.560 thông qua Matryoshka Representation Learning. Độ dài vectơ được chọn ảnh hưởng đến cách lưu và so sánh biểu diễn, vì vậy hãy giữ nhất quán giữa vectơ truy vấn và vectơ tài liệu trong cùng một tập dữ liệu. Qwen3-Embedding-8B có kích thước mô hình khác và tối đa 4.096 chiều; cả kích thước đầu ra lẫn định danh của mô hình 8B đều không áp dụng sang phiên bản 4B này. Chỉ mục hiện có cần giữ các lựa chọn biểu diễn nhất quán của riêng nó.
Nhà sản xuất mô tả khả năng hỗ trợ hơn 100 ngôn ngữ, bao gồm ngôn ngữ lập trình, với truy xuất đa ngôn ngữ, xuyên ngôn ngữ và truy xuất mã. Ví dụ, tìm kiếm trong trung tâm trợ giúp có thể so sánh câu hỏi của người dùng với các đoạn viết bằng nhiều ngôn ngữ rồi trả về những đoạn gốc phù hợp với chủ đề. Tìm kiếm mã có thể so sánh mô tả bằng ngôn ngữ tự nhiên với các hàm liên quan và tài liệu của chúng. Giữ tiêu đề có ý nghĩa, thuật ngữ chuyên ngành và mã định danh khi chuẩn bị văn bản, đồng thời giữ mỗi đoạn được biểu diễn gắn với nguồn để ứng dụng có thể hiển thị nội dung phù hợp.
Qwen3-Embedding-4B có khả năng sử dụng chỉ dẫn. Qwen khuyến nghị cung cấp cho mỗi truy vấn một câu mô tả tác vụ, được điều chỉnh theo mối quan hệ truy xuất mong muốn, và khuyến nghị dùng chỉ dẫn tiếng Anh cho các tình huống đa ngôn ngữ. Ví dụ trực tiếp đặt Instruct: trước phần mô tả tác vụ và Query: trước văn bản truy vấn. Các tài liệu cần truy xuất được mã hóa mà không kèm chỉ dẫn dành cho truy vấn đó. Một chỉ dẫn thực tế tự xây dựng có thể yêu cầu tìm các đoạn tài liệu giải thích lỗi đã báo hoặc tìm đoạn mã nguồn thực hiện hành vi được mô tả. Cách này hướng biểu diễn vào câu hỏi của ứng dụng thay vì yêu cầu mô hình viết câu trả lời.
Các ví dụ chính thức mã hóa văn bản truy vấn và tài liệu, so sánh embedding của chúng bằng độ tương đồng cosin và minh họa việc gộp biểu diễn từ trạng thái ẩn của token cuối rồi chuẩn hóa. Trong ví dụ ở mức thấp hơn đó, đầu vào được cắt theo thiết lập 8.192 token đã chọn; độ dài chuỗi của mô hình trong tài liệu vẫn là 32K. Với tài liệu dài, xác định những đoạn cần biểu diễn và bảo đảm việc cắt đầu vào không âm thầm bỏ mất phần truy vấn cần. Lưu vectơ cùng tham chiếu nguồn ổn định, so sánh truy vấn đã chuẩn bị với tập dữ liệu và trả về các đoạn liên quan theo thứ tự tương đồng.
Mô hình embedding của Qwen sử dụng cách tiếp cận bộ mã hóa kép, còn các mô hình xếp hạng lại riêng sử dụng bộ mã hóa chéo để đánh giá cặp truy vấn–tài liệu. Bản công bố mô tả việc kết hợp các mô-đun này: embedding tìm ứng viên ban đầu, rồi mô hình xếp hạng lại có thể tinh chỉnh thứ tự. Bản thân Qwen3-Embedding-4B cung cấp biểu diễn của một văn bản đơn lẻ. Vectơ của nó không phải điểm xếp hạng lại, một khẳng định đã được xác minh hay câu trả lời được tạo ra. Nếu quy trình cuối trả lời câu hỏi từ nội dung truy xuất, các đoạn nguồn được chọn vẫn là bằng chứng chuyển cho bước sau.
Ailoot Ultra · Biểu diễn nhúng POST /v1/embeddings qwen/qwen3-embedding-4b
qwen/qwen3-embedding-4bBắt đầu
Qwen3-Embedding-4B biểu diễn văn bản bằng vectơ ngữ nghĩa để truy xuất đa ngôn ngữ, tìm kiếm mã, phân loại và phân cụm. Mô hình 4B này hỗ trợ độ dài chuỗi 32K token và số chiều vectơ tùy chỉnh từ 32 đến 2.560.
- Đầu vào được chấp nhận
- Văn bản · token_ids
- Kết quả
- embedding
Có trên Ailoot · đầu vào & phương thức
Ailoot Ultra · Biểu diễn nhúng POST /v1/embeddings
- Đầu vào
text,token_ids- Đầu ra
embedding- Định dạng đầu ra
- json
| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
|---|---|---|---|---|
Trườngmodel | Loạistring | Yêu cầuBắt buộc | Giá trị & giới hạn qwen/qwen3-embedding-4b | Mặc định— |
Trườnginput | Loạistring|string[]|integer[]|integer[][] | Yêu cầuBắt buộc | Giá trị & giới hạn Số mục tối thiểu: 1 Điều kiện: Lô không rỗng và đồng nhất. ID token là số nguyên không âm. Ngân sách đầu vào: Tối đa: 32.768 · Đơn vị văn bản: byte UTF8 · Đơn vị token: phần tử của mảng token | Mặc định— |
Trườngencoding_format | Loạistring | Yêu cầuKhông bắt buộc | Giá trị & giới hạn float | Mặc địnhfloat |
Trườngdimensions | Loạiinteger | Yêu cầuKhông hỗ trợ | Giá trị & giới hạn Tối thiểu: 1 | Mặc định— |
Trườnguser | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngsession_id | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngtrace | Loạijson_value | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: Nguồn tài liệu cho phép trường siêu dữ liệu JSON này; ý nghĩa chính xác tại hệ thống nguồn phụ thuộc vào từng mô hình. | Mặc định— |
Trườngprovider | Loạiobject | Yêu cầuKhông bắt buộc | Giá trị & giới hạn Điều kiện: provider.options bị từ chối | Mặc định— |
Tổ hợp tư liệu đầu vào
text_to_embedding
Tham số phương thức và vòng đời
| Tham số | Hợp đồng |
|---|---|
Tham sốcontent_type | Hợp đồngapplication/json |
Tham sốrequired | Hợp đồngmodel, input |
Tham sốinput_shapes | Hợp đồngstring, string[], nonnegative_integer_token_array, nonnegative_integer_token_array[] |
Tham sốencoding_format | Hợp đồngfloat |
Tham sốdimensions_override | Hợp đồngfalse |
Tham sốmax_input_budget_units | Hợp đồng32768 |
Tham sốmultimodal_objects | Hợp đồngfalse |
Tham sốmaterial_types | Hợp đồngtext, token_ids |
Vòng đời: synchronous_json
Giữ lại chỉ mục và số chiều của mọi vector.
Việc mô hình mang tên đa phương thức không có nghĩa là đường dẫn cụ thể này chấp nhận đối tượng ảnh.
Bảng giá
Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.
- Chế độ nhanh
- Chưa chỉ định Khi chọn chế độ nhanh
- Chế độ Flex
- Chưa chỉ định Khi chọn chế độ flex
- Mức độ suy luận tối đa
- Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa
Mức phí Ailoot
Giá theo cấu hình
| Cấu hình | Biểu mức phí | Phí |
|---|---|---|
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Phí Đầu vào · Token đầu vào $0.00004 / 1K token Đầu ra · Token đầu ra $0 / 1K token Đầu vào · Đọc bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm — / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ — / 1K token |
Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →
Ví dụ yêu cầu
Ailoot Ultra · Biểu diễn nhúng
set -eu
: "${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
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)
Nhận và lưu kết quả
Ailoot Ultra · Biểu diễn nhúng
json
Lưu tất cả kết quả đã hoàn tất
Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.
Giữ lại mọi vector kèm chỉ mục của nó. Số lượng vector phải bằng số lượng đầu vào; số chiều phải nhất quán.
Nếu cần kiểm tra phản hồi gốc
Không có điểm cuối tác vụ embedding nào được bổ sung.
Trường phản hồi
| Trường | Loại |
|---|---|
Trườngobject | Loạistring |
Trườngmodel | Loạistring |
Trườngdata[].index | Loạiinteger |
Trườngdata[].embedding | Loạifinite float[] |
Trườngusage | Loạiobject |
Lỗi và bước tiếp theo
| Phản hồi | Điều kiện | Bước tiếp theo |
|---|---|---|
Phản hồi400 · invalid_request_error | Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ | Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới. |
Bí danh
Bí danh mô hình
Ailoot Ultra qwen/qwen3-embedding-4b
Bí danh đường dẫn phương thức
Dùng các đường dẫn phương thức hiển thị ở trên.
ID gọi liên quan
FAQ · Qwen: Qwen3 Embedding 4B
- Có những đầu vào và kết quả nào?
POST /v1/embeddings·qwen/qwen3-embedding-4b:text,token_ids→embedding- Yêu cầu sử dụng những trường nào?
POST /v1/embeddings·qwen/qwen3-embedding-4b:model,input,encoding_format,provider- Áp dụng những giới hạn nào?
POST /v1/embeddings·qwen/qwen3-embedding-4b:input.budget.maximum:32768(byte UTF8);input.min_items:1