阿里巴巴qwen3-embedding-4b
Qwen3-Embedding-4B是通义千问团队推出的文本嵌入模型，旨在将文本转换为高质量的向量表示，广泛用于检索、分类、聚类等任务。它拥有40亿参数，支持长达32K的上下文。 该模型具备三大优势：一是支持超过100种语言的多语言能力；二是支持灵活的向量维度自定义（32至2560），便于平衡性能与成本；三是具备指令感知能力，能通过提示词适配特定任务。在权威的MTEB多语言榜单上，其8B版本更是取得了第一名的成绩，展现了卓越的性能
公共模型广场
找到适合你的模型
探索文本、图像、视频与音频模型，按能力和厂商快速筛选。
52 个结果 / 全部 52 个模型
勾选卡片，比较 2–3 个模型阿里巴巴阿里巴巴qwen3-embedding-8b
Qwen3-Embedding-8B是Qwen家族专为文本嵌入和排序设计的8B参数模型，支持100+语言和32K长文本，在MTEB多语言榜单以70.58分排名第一。 其双塔结构生成高维向量，结合指令感知技术，显著提升检索、分类等任务性能。 开源版本提供0.6B至8B全尺寸选择，支持自定义向量维度与微调。
阿里巴巴qwen3-next-80b-a3b-instruct
Qwen3-Next是阿里云通义团队于2025年9月发布的下一代大模型基础架构，通过混合注意力机制、高稀疏度MoE结构和多token预测机制等核心改进，实现训练成本较Qwen3-32B降低90%以上，32k以上上下文推理吞吐量提升十倍以上 。该架构总参数规模达800亿，每次推理仅激活约30亿参数，采用512专家路由的3B激活超稀疏MoE结构，结合75%线性注意力与25%原创门控注意力的混合机制 2025年9月，阿里云基于该架构开源Qwen3-Next-80B-A3B系列模型，包含Base、Instruct和Thinking三个版本。Base模型采用15T tokens预训练数据集，GPU资源消耗仅为Qwen3-32B的9.3% ，在编程、数学推理等任务中性能接近或超越Qwen3-32B密集模型 。Instruct模型支持256K上下文处理，指令执行能力与Qwen3-235B-A22B-Instruct相当；Thinking模型在复杂推理任务中超越Gemini-2.5-Flash-Thinking 。该系列通过魔搭社区和HuggingFace开源，原生支持Transformers、SGLang等部署框架
阿里巴巴qwen3-reranker-8b
Qwen3-Reranker-8B是阿里巴巴通义实验室于2025年6月开源的80亿参数重排序模型，支持119种语言和32K超长文本处理。在中文检索（CMTEB-R 77.45分）、多语言检索（MTEB-R 69.02分）和代码检索（MTEB-Code 81.22分）任务中均刷新行业纪录，性能超越BGE等主流模型30%以上。 其创新单塔交叉编码器架构和指令感知能力，可显著提升检索增强生成（RAG）系统的精度与效率。
阿里巴巴qwen3-vl-235b-a22b-instruct
Qwen3-VL-235B-A22B-Instruct是阿里云通义实验室研发的多模态大模型，基于通义千问3.0架构升级，融合视觉与语言理解能力，支持图像、视频、图表等多模态输入。其核心优势包括：2350亿参数规模配合A22B优化技术，在数学推理、代码生成等任务表现突出；多模态交互能力可识别图像文字、物体及场景，完成表格提取、图表分析等复杂任务；通过RLHF强化学习确保内容安全可控。
阿里巴巴qwen3-vl-30b-a3b-instruct
Qwen3-VL-30B-A3B-Instruct是阿里云通义实验室推出的多模态大语言模型，基于通义千问3.0架构，融合视觉与语言理解能力，支持图像、视频、图表等多模态输入。其核心优势在于：30亿参数规模配合A3B优化技术，在数学推理、代码生成等任务中表现高效；多模态交互能力可精准识别图像文字、物体及场景，完成表格提取、图表分析等复杂任务；通过RLHF强化学习确保内容安全可控。
阿里巴巴qwen3.5-122b-a10b
Qwen3.5系列122B-A10B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。该模型的综合表现仅次于Qwen3.5-397B-A17B，文本能力显著优于Qwen3-235B-2507，视觉能力优于Qwen3-VL-235B。
阿里巴巴qwen3.5-27b
Qwen3.5系列27B原生视觉语言Dense模型，融合了线性注意力机制；响应速度快，兼具推理速度和性能。该模型的综合能力接近于Qwen3.5-122B-A10B。
阿里巴巴qwen3.5-35b-a3b
Qwen3.5系列35B-A3B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。该模型的综合表现接近于Qwen3.5-27B。
阿里巴巴qwen3.5-397b-a17b
Qwen3.5系列397B-A17B原生视觉语言模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在语言理解、逻辑推理、代码生成、智能体任务、图像理解、视频理解、图形用户界面（GUI）等多种任务中，均展现出与当前顶尖前沿模型相媲美的卓越性能。具备强大的代码生成与智能体能力，对于各类智能体场景具有良好的泛化性。
阿里巴巴qwen3.5-plus
Qwen3.5原生视觉语言系列Plus模型，基于混合架构设计，融合了线性注意力机制与稀疏混合专家模型，实现了更高的推理效率。在多项任务评测中，3.5系列均展现出与当前顶尖前沿模型相媲美的卓越性能，模型效果在纯文本与多模态方面相较3系列均实现飞跃式进步。
阿里巴巴qwen3.6-flash
Qwen3.6原生视觉语言系列Flash模型，模型效果相较3.5-Flash显著提升。本模型重点提升agentic coding能力（在多项代码智能体基准上大幅超越前代）、数学推理和代码推理能力；视觉方面在空间智能能力上显著增强，物体定位与目标检测提升尤为突出。