Qwen3-Embedding and Qwen3-Rerankerとは？
Qwen3-Embeddingは、AlibabaのQwenチームによるオープンなテキスト埋め込みモデル群で、2025年6月5日にApache 2.0で0.6B、4B、8Bのサイズで公開され、対応するQwen3-Reranker モデルもあります。リランカーは、クエリと文書を一緒に読んで検索結果の候補を採点し直すもので、ベクトルを比較するより遅いものの、より正確です。
すべてのサイズが最大32Kトークンを読み、100以上の自然言語とプログラミング言語に対応しています。出力ベクトルはサイズに応じて最大1,024、2,560、4,096次元で、最小32次元まで削れます。どちらの種類のモデルもタスクの指示を受け付け、Qwenによると結果が1%から5%改善します。直近1か月のHugging Faceのダウンロードは、0.6Bモデルが約830万（8.3 million）件、8Bが約200万（2 million）件でした。
Qwen3-Embedding and Qwen3-Rerankerは使う価値があるか？
Qwen3-Embeddingは、今も最初に試すべきオープンなテキスト埋め込みモデル群です。主な理由は、検索パイプラインの両段階をApache 2.0でまかなえることです。Qwenの報告では、8BのMTEB多言語のスコアは70.58で、2025年6月5日時点でリーダーボードの首位、0.6Bは64.33です。同じ表でOpenAIのtext-embedding-3-largeは58.93、Cohereのmultilingual v3は61.12でした。これらの競合の数値は2025年5月に取られたもので、両社はその後新しいモデルを出しています。
過小評価されているのはリランカーのほうです。0.6Bの埋め込みモデルの上位100件を採点し直すと、Qwen3-Reranker-4Bは英語の検索を61.82から69.76に、コードの検索を75.41から81.20に引き上げ、Qwenの比較ではBGE、Jina、GTEのリランカーを上回ります。4Bはすべての行で8Bとの差が1.5ポイント以内で、2つの行では8Bを上回るため、妥当な既定の選択です。
結果を左右する使い方の細部が2つあります。クエリには、他の言語でも英語で書いた1文のタスク指 示が必要ですが、文書には不要です。Qwenによると、指示を省くと1%から5%下がります。ベクトルは4,096次元から最小32次元まで削れ、ベクトルデータベースを小さくできますが、その精度の代償をQwenは数値で示していません。
テキスト専用です。画像やスキャンしたページ向けには、Qwenは別のQwen3-VL-Embeddingを出しており、MTEB多言語のスコアは67.88で、この8Bの70.58に比べてテキストで約3ポイント劣ります。GPUを運用したくないチームは、Qwen3をベースにしたQwen Cloudのtext-embedding-v4を100万トークンあたり$0.07で使えます。voyage-4-largeの$0.12の半分を少し上回る程度です。
真価を発揮する場面
200万（2 million）件のコードファイルをインデックス化する開発者ツール企業の検索エンジニア
トークン単位の料金なしに、意味に基づくコード検索を加える
GPU 1枚で0.6Bを使って埋め込み、上位100件をQwen3-Reranker-4Bで採点し直します。QwenはこれでMTEB-Codeが75.41から81.20に上がると報告しています。コストはAPIの請求ではなくGPUの時間で、リランキングの工程はすべてのクエリにレイテンシを加えます。
12言語の出品があるヨーロッパのマーケットプレイスのプロダクトマネージャー
言語をまたいだ検索の関連性を高める
クエリに英語のタスク指示を付けて8Bを動かします。QwenはMTEB多言語で70.58と報告しています。当サイトの計算では重みはBF16で約16 GBなので、24 GBのGPU 1枚で配信でき、出品データが自社のインフラの外に出ることはありません。
GPUの予算がないスタートアップのCTO
ヘルプ記事とチケットの50億（5 billion）トークンを埋め込む
Qwen Cloudのtext-embedding-v4は100万トークンあたり$0.07で、この量なら約$350です。voyage-4-largeでは約$600です。毎分100万（1 million）トークン、1,000リクエストという上限があるため、この規模の一括処理には数日かかります。
導入前に確認すること
- 導入
- sentence-transformers（transformers 4.51以降）をpip installし、Qwen/Qwen3-Embedding-0.6Bを読み込みます。vLLM 0.8.5以降と、CPU用イメージを含むText Embeddings Inferenceにも対応しています。
- 連携
- Sentence Transformers、Transformers、vLLM、Hugging FaceのText Embeddings Inferenceに対応し、最大4,096次元の浮動小数点ベクトルを保存できるベクトルデータベースなら何でも使えます。Qwen Cloudのホスト版text-embedding-v4は"based on Qwen3"とだけ説明され、次元は64から2,048です 。どのオープンなチェックポイントに相当するのか、あるいは相当するものがあるのかを、Qwenは明らかにしていません。
- データとプライバシー
- 利用制限のないApache 2.0です。セルフホストなら文書は自社のハードウェアに留まります。
- 大規模利用時のコスト
- 当サイトの計算では、重みはBF16で0.6Bが約1.2 GB、8Bが約16 GBなので、小さいモデルはほぼどのGPUでも動き、8Bは24 GBのカード1枚で動きます。ホスト版のtext-embedding-v4は100万トークンあたり$0.07です。
- 制限
- 入力は32Kトークンまでです。ベクトルはサイズに応じて最大1,024、2,560、4,096次元です。テキストのみです。リランカーはクエリと文書を一緒に読むため、100件の候補を採点し直すとクエリごとに100回の順伝播が必要です。
良い点
- Qwenによると8BのMTEB多言語スコアは70.58
- 3サイズの対応するリランカー。4Bは8Bに迫る
- 32Kトークンの入力、100以上の言語、Apache 2.0
- 出力次元を32から4,096まで調整可能
気になる点
- ベンチマークの首位は2025年6月時点のもの
- テキスト専用
- 報告どおりのスコアにはクエリへのタスク指示が必要
- 8Bは重みだけで約16 GBのGPUメモリが必要
おすすめの人
多言語やコードの検索をセルフホストし、埋め込みとリランキングの両方を1つのオープンなライセンスでそろえたいチーム。
Qwen3-Embedding and Qwen3-Rerankerの代替
Qwen3-Embedding and Qwen3-Reranker：よくある質問
- Qwen3-Embedding and Qwen3-Rerankerは使う価値があるか？
- 埋め込みモデルとリランカーを1つのライセンスでそろえた完全なオープンの検索スタックですが、リーダーボードの首位は2025年6月時点のものです。 評価は5点満点中4.2点です。
- Qwen3-Embedding and Qwen3-Rerankerの料金は？
- Apache 2.0で無料です。Qwen3をベースにしたQwen Cloudのホスト版text-embedding-v4は、100万トークンあたり$0.07です。
- Qwen3-Embedding and Qwen3-Rerankerの欠点は？
- ベンチマークの首位は2025年6月時点のもの; テキスト専用; 報告どおりのスコアにはクエリへのタスク指示が必要; 8Bは重みだけで約16 GBのGPUメモリが必要.
- Qwen3-Embedding and Qwen3-Rerankerは誰に向いているか？
- 多言語やコードの検索をセルフホストし、埋め込みとリランキングの両方を1つのオープンなライセンスでそろえたいチーム。
- チームや本番環境でQwen3-Embedding and Qwen3-Rerankerを使うと費用はいくらか？
- 当サイトの計算では、重みはBF16で0.6Bが約1.2 GB、8Bが約16 GBなので、小さいモデルはほぼどのGPUでも動き、8Bは24 GBのカード1枚で動きます。ホスト版のtext-embedding-v4は100万トークンあたり$0.07です。
- Qwen3-Embedding and Qwen3-Rerankerは企業データを扱っても安全か？
- 利用制限のないApache 2.0です。セルフホストなら文書は自社のハードウェアに留まります。
- Qwen3-Embedding and Qwen3-Rerankerの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はvoyage-4-large, Cohere Embed 5 、 EmbeddingGemma 2です。
回答確認日：2026年10月26日