Qwen3-Embedding-8B es el modelo propietario más reciente de la serie Qwen3 Embedding, diseñado específicamente para tareas de clasificación y embedding de texto. Basado en los modelos fundacionales densos de la serie Qwen3, este modelo de 8B parámetros admite longitudes de contexto de hasta 32K y puede generar embeddings con dimensiones de hasta 4096. El modelo hereda unas capacidades multilingües excepcionales que admiten más de 100 idiomas, junto con habilidades de razonamiento y comprensión de textos largos. Ocupa el puesto número 1 en la clasificación multilingüe MTEB (a fecha de 5 de junio de 2025, con una puntuación de 70,58) y demuestra un rendimiento de vanguardia en diversas tareas, que incluyen la recuperación de texto, la recuperación de código, la clasificación de texto, la agrupación en clústeres y la minería de bitextos. El modelo ofrece dimensiones de vector flexibles (de 32 a 4096) y capacidades basadas en instrucciones para un rendimiento mejorado en tareas y escenarios específicos....

Qwen3-Embedding-4B es el modelo propietario más reciente de la serie Qwen3 Embedding, diseñado específicamente para tareas de clasificación y text embedding. Basado en los modelos fundacionales densos de la serie Qwen3, este modelo de 4B de parámetros admite longitudes de contexto de hasta 32K y puede generar embeddings con dimensiones de hasta 2560. El modelo hereda capacidades multilingües excepcionales que admiten más de 100 idiomas, junto con habilidades de razonamiento y comprensión de textos largos. Logra un rendimiento excelente en la clasificación de MTEB multilingüe (puntuación de 69.45) y muestra resultados sobresalientes en diversas tareas, que incluyen recuperación de text, recuperación de código, clasificación de text, agrupamiento (clustering) y minería de bitextos. El modelo ofrece dimensiones vectoriales flexibles (de 32 a 2560) y capacidades sensibles a instrucciones para un mejor rendimiento en tareas y escenarios específicos, proporcionando un equilibrio óptimo entre eficiencia y eficacia....

Qwen3-Embedding-0.6B es el último modelo propietario de la serie Qwen3 Embedding, diseñado específicamente para tareas de Embedding y clasificación de Text. Desarrollado a partir de los modelos fundacionales densos de la serie Qwen3, este modelo de 0.6B parámetros admite longitudes de contexto de hasta 32K y puede generar embeddings con dimensiones de hasta 1024. El modelo hereda unas capacidades multilingües excepcionales que admiten más de 100 idiomas, junto con habilidades de comprensión y razonamiento de Text largo. Logra un sólido rendimiento en la clasificación multilingüe MTEB (puntuación de 64.33) y demuestra resultados excelentes en diversas tareas, incluida la recuperación de Text, la recuperación de código, la clasificación de Text, la agrupación y la minería de bitextos. El modelo ofrece dimensiones vectoriales flexibles (de 32 a 1024) y capacidades sensibles a instrucciones para un rendimiento mejorado en tareas y escenarios específicos, lo que lo convierte en una opción ideal para aplicaciones que priorizan tanto la eficiencia como la eficacia...