Das Qwen Team hat die Qwen3-Embedding-Serie veröffentlicht und nach eigenen Angaben die Modelle für Text-Embeddings und Reranking unter der Apache-2.0-Lizenz auf Hugging Face und ModelScope zugänglich gemacht. Technischen Bericht und zugehörigen Code hat das Team demnach auf GitHub publiziert.
Modelle für die Retrieval-Pipeline
Die Serie basiert laut Qwen auf dem Qwen3-Foundation-Modell und ist für drei miteinander verbundene Aufgaben ausgelegt: Text in Vektorrepräsentationen umzuwandeln (Embeddings), passende Inhalte zu einer Anfrage abzurufen (Retrieval) und Suchtreffer neu zu sortieren (Reranking).
Qwen bietet für beide Modelltypen Größen von 0,6 bis 8 Milliarden Parametern an. Damit richtet sich die Reihe nach Darstellung des Teams an unterschiedliche Anforderungen zwischen Effizienz und Leistungsfähigkeit.
Sprach- und Codeunterstützung
Nach Angaben von Qwen unterstützen die Modelle mehr als 100 Sprachen, einschließlich verschiedener Programmiersprachen. Das Team nennt mehrsprachiges, sprachübergreifendes sowie Code-Retrieval als vorgesehene Fähigkeiten.
Für Anwendungen mit Dokumentensuche oder Wissensabruf ist diese Ausrichtung relevant: Embedding- und Reranking-Modelle sind Bausteine, um Inhalte zunächst semantisch zu finden und anschließend die mutmaßlich relevantesten Ergebnisse höher zu platzieren. Die Ankündigung belegt jedoch lediglich die von Qwen beschriebenen Fähigkeiten, nicht deren Leistung in konkreten unabhängigen Anwendungen.
Benchmark-Angabe stammt vom Anbieter
Qwen berichtet, dass das Embedding-Modell mit 8 Milliarden Parametern am 5. Juni 2025 mit einem Wert von 70,58 Rang eins auf dem mehrsprachigen MTEB-Leaderboard belegt habe.
Diese Benchmark-Angabe ist eine Herstellerangabe aus dem Qwen-Blog. Im vorliegenden Material gibt es keine unabhängige Quelle, die den Rang, den Messaufbau oder die Vergleichbarkeit mit anderen Modellen überprüft. Der genannte Platz beschreibt zudem ausdrücklich den Stand zu einem bestimmten Datum und nicht notwendigerweise die aktuelle Rangliste.
Nächster geplanter Schritt
Qwen kündigt außerdem an, sein multimodales Repräsentationssystem um Fähigkeiten zum semantischen Verständnis über verschiedene Modalitäten hinweg erweitern zu wollen. Konkrete Modelle, ein Zeitplan oder technische Details dafür nennt das vorliegende Material nicht.
Wie es weitergeht
Entwickler können die veröffentlichten Modelle, den technischen Bericht und den Code prüfen. Ob sich die von Qwen gemeldeten Benchmark-Ergebnisse und die Sprach- sowie Code-Retrieval-Fähigkeiten in unabhängigen Tests bestätigen, bleibt offen.
Änderungsvermerk: Erstfassung auf Basis einer primären Ankündigung des Qwen Teams vom 5. Juni 2025.