O que é Qwen3-Embedding and Qwen3-Reranker?
O Qwen3-Embedding é uma família de modelos abertos de embedding de texto da equipe Qwen da Alibaba, lançada em 5 de junho de 2025 sob Apache 2.0 nos tamanhos 0.6B, 4B e 8B, com modelos Qwen3-Reranker correspondentes. Um reranker pontua de novo uma lista curta de resultados de busca lendo cada consulta e documento juntos, o que é mais lento, mas mais preciso que comparar vetores.
Todos os tamanhos leem até 32K tokens e suportam mais de 100 idiomas naturais e de programação. Os vetores de saída vão até 1.024, 2.560 ou 4.096 dimensões, conforme o tamanho, e podem ser cortados para apenas 32, e os dois tipos de modelo aceitam instruções de tarefa, que segundo a Qwen melhoram os resultados de 1% a 5%. O modelo de 0.6B registrou cerca de 8,3 milhões de downloads no Hugging Face no último mês e o de 8B, cerca de 2 milhões.
Qwen3-Embedding and Qwen3-Reranker vale a pena?
O Qwen3-Embedding continua sendo a família aberta de embedding de texto por onde começar, principalmente porque cobre as duas etapas de um pipeline de busca sob Apache 2.0. A Qwen relata 70,58 no MTEB multilíngue para o 8B, primeiro no leaderboard em 5 de junho de 2025, e 64,33 para o 0.6B; na mesma tabela, o text-embedding-3-large da OpenAI marcou 58,93 e o multilingual v3 da Cohere, 61,12. Esses números dos rivais foram obtidos em maio de 2025, e os dois fornecedores lançaram modelos mais novos desde então.
O reranker é a metade subestimada. Pontuando de novo os 100 primeiros resultados do embedder de 0.6B, o Qwen3-Reranker-4B eleva a recuperação em inglês de 61,82 para 69,76 e a recuperação de código de 75,41 para 81,20, à frente dos rerankers BGE, Jina e GTE na comparação da Qwen. O 4B fica a até 1,5 ponto do 8B em todas as linhas e o supera em duas, o que faz dele o padrão sensato.
Dois detalhes de uso decidem os resultados. As consultas precisam de uma instrução de tarefa de uma frase, escrita em inglês mesmo para outros idiomas, enquanto os documentos não; a Qwen diz que omitir as instruções custa de 1% a 5%. Os vetores podem ser cortados de 4.096 dimensões para apenas 32, o que encolhe um banco de vetores a um custo de acurácia que a Qwen não quantifica.
Ele é só de texto. Para imagens e páginas digitalizadas, a Qwen oferece o Qwen3-VL-Embedding, separado, que marca 67,88 no MTEB multilíngue contra 70,58 deste 8B, então a busca em mídia mista custa cerca de três pontos em texto. Equipes que preferem não rodar GPUs podem usar o text-embedding-v4 do Qwen Cloud, baseado no Qwen3, a US$ 0,07 por milhão de tokens, pouco mais da metade dos US$ 0,12 do voyage-4-large.
Onde ele se destaca
Um engenheiro de busca em uma empresa de ferramentas para desenvolvedores que indexa 2 milhões de arquivos de código
Adicionar busca semântica de código sem tarifas por token
Gere os embeddings com o 0.6B em uma única GPU e depois reordene os 100 primeiros com o Qwen3-Reranker-4B, que segundo a Qwen eleva o MTEB-Code de 75,41 para 81,20. O custo é tempo de GPU em vez de uma conta de API, e a etapa de reranking acrescenta latência a cada consulta.
Um gerente de produto em um marketplace europeu com anúncios em 12 idiomas
Melhorar a relevância da busca entre idiomas
Rode o 8B com instruções de tarefa em inglês nas consultas; a Qwen relata 70,58 no MTEB multilíngue. Os pesos têm cerca de 16 GB em BF16 pelas nossas contas, então uma GPU de 24 GB o serve e os anúncios nunca saem da sua infraestrutura.
Um CTO de startup sem orçamento para GPU
Gerar embeddings de 5 bilhões de tokens de artigos de ajuda e tickets
O text-embedding-v4 do Qwen Cloud custa cerca de US$ 350 por esse volume a US$ 0,07 por milhão de tokens, contra cerca de US$ 600 no voyage-4-large. Os seus limites de 1 milhão de tokens e 1.000 requisições por minuto fazem com que um backfill desse tamanho leve vários dias.
Antes de decidir
- Configuração
- pip install sentence-transformers (com transformers 4.51 ou posterior) e carregue Qwen/Qwen3-Embedding-0.6B; vLLM 0.8.5+ e Text Embeddings Inference, incluindo uma imagem para CPU, também são suportados.
- Integrações
- Sentence Transformers, Transformers, vLLM e Text Embeddings Inference do Hugging Face; qualquer banco de vetores que armazene vetores float de até 4.096 dimensões. O text-embedding-v4 hospedado no Qwen Cloud é descrito apenas como "based on Qwen3", com 64 a 2.048 dimensões; a Qwen não diz a qual checkpoint aberto ele corresponde, se a algum.
- Dados e privacidade
- Apache 2.0 sem restrições de uso; auto-hospedar mantém os documentos no seu próprio hardware.
- Custo em escala
- Os pesos têm cerca de 1,2 GB para o 0.6B e 16 GB para o 8B em BF16 pelas nossas contas, então o modelo pequeno roda em quase qualquer GPU e o 8B em uma placa de 24 GB. O text-embedding-v4 hospedado custa US$ 0,07 por milhão de tokens.
- Limites
- Entrada de 32K tokens; vetores de até 1.024, 2.560 ou 4.096 dimensões conforme o tamanho. Só texto. Os rerankers leem cada consulta e documento juntos, então pontuar de novo 100 candidatos significa 100 passagens pelo modelo por consulta.
O que é bom
- 70,58 no MTEB multilíngue para o 8B, segundo a Qwen
- Rerankers correspondentes em três tamanhos; o 4B fica perto do 8B
- Entrada de 32K tokens, mais de 100 idiomas, Apache 2.0
- Dimensões de saída ajustáveis de 32 a 4.096
O que não é
- A liderança nos benchmarks é de junho de 2025
- Só texto
- As consultas precisam de instruções de tarefa para chegar às notas relatadas
- O 8B precisa de cerca de 16 GB de memória de GPU só para os pesos
Ideal para
Equipes que auto-hospedam busca multilíngue ou de código e querem embedding e reranking sob uma única licença aberta.
Alternativas ao Qwen3-Embedding and Qwen3-Reranker
Qwen3-Embedding and Qwen3-Reranker: perguntas frequentes
- Qwen3-Embedding and Qwen3-Reranker vale a pena?
- Uma pilha de busca aberta completa sob uma única licença, embedder e reranker juntos, embora a sua coroa no leaderboard seja de junho de 2025. Damos nota 4.2 de 5.
- Quanto custa Qwen3-Embedding and Qwen3-Reranker?
- Gratuito sob Apache 2.0. O text-embedding-v4 hospedado no Qwen Cloud, baseado no Qwen3, custa US$ 0,07 por 1M de tokens.
- Quais são as desvantagens de Qwen3-Embedding and Qwen3-Reranker?
- A liderança nos benchmarks é de junho de 2025; só texto; as consultas precisam de instruções de tarefa para chegar às notas relatadas; o 8B precisa de cerca de 16 GB de memória de GPU só para os pesos.
- Para quem Qwen3-Embedding and Qwen3-Reranker é indicado?
- Equipes que auto-hospedam busca multilíngue ou de código e querem embedding e reranking sob uma única licença aberta.
- Quanto custa Qwen3-Embedding and Qwen3-Reranker para uma equipe ou em produção?
- Os pesos têm cerca de 1,2 GB para o 0.6B e 16 GB para o 8B em BF16 pelas nossas contas, então o modelo pequeno roda em quase qualquer GPU e o 8B em uma placa de 24 GB. O text-embedding-v4 hospedado custa US$ 0,07 por milhão de tokens.
- Qwen3-Embedding and Qwen3-Reranker é seguro para dados da empresa?
- Apache 2.0 sem restrições de uso; auto-hospedar mantém os documentos no seu próprio hardware.
- Quais são as melhores alternativas ao Qwen3-Embedding and Qwen3-Reranker?
- As alternativas mais próximas que analisamos são voyage-4-large, Cohere Embed 5 e EmbeddingGemma 2.
Respostas verificadas em 26 de out. de 2026.