Qwen3-VL-Embedding & Reranker 开源，专为多模态信息检索与跨模态理解设计
阿里通义大模型团队正式开源发布Qwen3-VL-Embedding和Qwen3-VL-Reranker模型系列，这两个模型基于Qwen3-VL构建，专为多模态信息检索与跨模态理解设计，为图文、视频等混合内容的理解与检索提供统一、高效的解决方案。 多模态通用性 两个模型系列均能在统一框架内处理文本、图像、可视化文档（图表、代码、UI组件......）、视频等多种模态输入。在图文检索、视频-文本匹配、视觉问答（VQA），多模态内容聚类等多样化任务中，均达到了业界领先水平。 统一表示学习（Embedding） Qwen3-VL-Embedding充分利用 Qwen3-VL 基础模型的优势，能够生成语义丰富的向量表示，将视觉与文本信息映射到同一语义空间中，从而实现高效的跨模态相似度计算与检索。 图1：统一多模态表示空间示意图。Qwen3-VL-Embedding模型系列将多源数据（文本、图像、视觉文档和视频）映射到共同的高维语义空间。 高精度重排序（Reranker） 作为 Embedding 模型的补充，Qwen3-VL-Reranker接收任意模态组合的查询与文档对（eg：图文查询匹配图文...
