Qwen3-Reranker-4B
О Qwen3-Reranker-4B
Qwen3-Reranker-4B — это мощная модель повторной оценки Text из серии Qwen3, содержащая 4 миллиарда параметров. Она разработана для значительного повышения релевантности результатов поиска путем переупорядочивания начального списка документов на основе запроса. Эта Model наследует основные преимущества своей основы Qwen3, включая исключительное понимание длинного Text (до 32k контекста) и надежные возможности в более чем 100 языках. Согласно бенчмаркам, Model Qwen3-Reranker-4B демонстрирует превосходную производительность в различных оценках извлечения Text и кода.
Узнайте, как Qwen3-Reranker-4B повышает эффективность поиска информации, интеллектуально переупорядочивая результаты поисковых запросов, гарантируя, что пользователи быстро находят наиболее релевантный контент на различных языках и в длинных текстах.
Поиск в корпоративной сети
Улучшите релевантность поиска внутренних документов, повышая производительность сотрудников и раскрытие информации.
Пример использования:
"Переупорядочены 100 внутренних документов по политике HR по запросу "руководства по удаленной работе", размещая наиболее актуальные и релевантные политики наверху, экономя сотрудникам значительное время на поиски."
Переранжирование в электронной коммерции
Усовершенствуйте рекомендации по продуктам, переупорядочивая товары на основе пользовательских запросов и предпочтений, увеличивая конверсии.
Пример использования:
"Для пользователя, ищущего "игровой ноутбук", переупорядочено 50 первоначальных совпадений продуктов для приоритизации тех, которые оснащены мощными GPU и имеют положительные отзывы, что приводит к увеличению коэффициента кликов на 15%."
Поиск ресурсов для разработчиков
Улучшайте поиск кода и открытие документации для разработчиков, быстро находя наиболее релевантные решения.
Пример использования:
"Переупорядочены 20 возможных фрагментов кода JavaScript для запроса на интеграцию конкретного компонента React, выделяя наиболее эффективный и обновленный пример, сокращая время разработки."
Релевантность юридических документов
Ускорьте юридическое исследование, переупорядочивая судебные решения, статуты или контракты, чтобы выделить наиболее важную информацию.
Пример использования:
"По запросу "соответствие GDPR для утечек данных", переупорядочены 30 юридических документов, размещая наиболее последние и непосредственно применимые нормативные акты наверху, значительно помогая юридическому советнику в их обзоре."
Метаданные
Спецификация
Государство
Deprecated
Архитектура
Dense Transformer
Калибровка
Да
Смешение экспертов
Нет
Общее количество параметров
4B
Активированные параметры
4B
Мышление
Нет
Точность
ФП8
Контекст length
33K
Максимум Tokens
Сравнить с другими Model
Посмотрите, как эта Model сравнивается с другими.

Qwen
chat
Qwen3-VL-32B-Instruct
Выпуск: 21 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens

Qwen
chat
Qwen3-VL-32B-Thinking
Выпуск: 21 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens

Qwen
chat
Qwen3-VL-8B-Instruct
Выпуск: 15 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens

Qwen
chat
Qwen3-VL-8B-Thinking
Выпуск: 15 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.18
/ M Tokens
Output:
$
2
/ M Tokens

Qwen
chat
Qwen3-VL-235B-A22B-Instruct
Выпуск: 4 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens

Qwen
chat
Qwen3-VL-235B-A22B-Thinking
Выпуск: 4 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens

Qwen
chat
Qwen3-VL-30B-A3B-Instruct
Выпуск: 5 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens

Qwen
chat
Qwen3-VL-30B-A3B-Thinking
Выпуск: 11 окт. 2025 г.
Общий Контекст:
262K
Максимальный Output:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1
/ M Tokens

Qwen
image-to-video
Wan2.2-I2V-A14B
Выпуск: 13 авг. 2025 г.
$
0.29
/ Video
