刚刚，Qwen3官方开源新系列，再次拿下SOTA！！

主要观点总结

Qwen3团队发布了全新的Embedding系列模型，专为文本表征、检索与排序任务设计。该系列模型包括多种尺寸，并在MTEB多语言Leaderboard榜单中表现优异。模型具有泛化强、架构灵活、支持多语言等亮点，同时支持表征维度自定义和指令适配优化。还发布了排序模型Reranker系列，两者结合使用可兼顾效率和精度。模型已在Hugging Face、ModelScope和GitHub平台开源，并且提供了在阿里云百炼平台使用的最新文本向量模型服务。模型训练过程中采用了多阶段训练范式，并进行了深度优化。

关键观点总结

关键观点1: 全新的Embedding系列模型发布

Qwen3团队推出的Embedding系列模型，专为文本表征、检索与排序任务设计，旨在更有效地处理和理解自然语言。

关键观点2: 模型性能卓越

Embedding系列模型在MTEB多语言Leaderboard榜单中排名第一，性能超越一众商业API服务。

关键观点3: 模型亮点

Embedding系列模型具有泛化强、架构灵活、支持多语言等亮点，还支持表征维度自定义和指令适配优化。

关键观点4: 结合使用Embedding模型和Reranker模型

Embedding模型和Reranker模型结合使用，可以兼顾效率和精度，尤其在RAG系统等应用中表现突出。

关键观点5: 模型训练和架构特点

Embedding系列模型的训练采用了多阶段训练范式，并进行了深度优化。Embedding模型和Reranker模型在架构上分别采用了双塔结构和单塔结构的设计。