Мультиязычный text embedding Qwen — поколение 3.
text-embedding-v3 — мультиязычная text-embedding модель Qwen третьего поколения общего назначения. Производит плотные векторы для retrieval, семантического поиска, кластеризации, классификации и RAG-индексации по китайскому, английскому и другим основным языкам.
Для новых проектов берите text-embedding-v4 — v3 оставлен для совместимости с индексами и пайплайнами, построенными до релиза v4. TheRouter выбирает более дешёвый из bailian-cn / bailian-sg на запрос.
| Тип | Ставка |
|---|---|
| Вход | $0.0756 за 1 млн токенов |
| Семейство модели | Alibaba Cloud text-embedding v3help.aliyun.com ↗ | проверено |
| Размерность embedding | 64, 128, 256, 512, 768 или 1 024 (по умолчанию)help.aliyun.com ↗ | проверено |
| Поддерживаемые языки | Китайский, английский, испанский, французский, португальский, индонезийский, японский, корейский, немецкий, русский и 50+ других основных языковhelp.aliyun.com ↗ | проверено |
| Длина контекста TheRouter | 8 192 токенаtherouter.ai ↗ | проверено |
| Цена входа TheRouter | $0.144 за 1 млн входных токеновtherouter.ai ↗ | проверено |
| Совместимость API публичного облака Alibaba | OpenAI-совместимый /v1/embeddings и нативный DashScope APIhelp.aliyun.com ↗ | проверено |
| Основной endpoint в TheRouter | POST /v1/embeddingstherouter.ai ↗ | проверено |
| Модель-преемник | qwen/text-embedding-v4qwenlm.github.io ↗ | проверено |
| Количество параметров | Не раскрыто в документации Alibaba Model Studio по v3 | неизвестно |
| Дата отсечения данных | Не раскрыто | неизвестно |
| Лицензия | Не раскрыто для hosted API модели | неизвестно |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
Alibaba Cloud documented embedding tasks Alibaba документирует модель для semantic search, рекомендаций, кластеризации и классификации, но не публикует таблицу benchmark для text-embedding-v3 на странице API. | — | Не раскрыто | — |
Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "qwen/text-embedding-v3",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'Генерируйте dense-векторы через OpenAI-совместимый endpoint TheRouter /v1/embeddings. Используйте dimensions, чтобы балансировать качество recall, объём хранения и размер ANN-индекса.
curl https://api.therouter.ai/v1/embeddings \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen/text-embedding-v3",
"input": [
"TheRouter routes embedding requests through one OpenAI-compatible API.",
"Qwen text-embedding-v3 supports configurable vector dimensions."
],
"encoding_format": "float",
"dimensions": 1024
}'Alibaba Qwen представила серии Qwen3 Embedding и Reranker с акцентом на более сильный мультиязычный retrieval. Для пользователей TheRouter это означает, что qwen/text-embedding-v4 — практичный преемник для новых индексов, а v3 остаётся моделью совместимости для уже существующих векторных пространств.
Используйте v3, если у вас уже есть векторы, созданные v3, и вы не можете сразу переиндексировать. Для новых проектов или миграций, где можно заново embed-ить все документы и запросы одной генерацией модели, выбирайте v4.
Да. Alibaba Cloud документирует поддержку dimensions для text-embedding-v3: 64, 128, 256, 512, 768 и 1 024. В одном индексе сохраняйте одну размерность; её изменение требует нового vector-поля или переиндексации.
Да. Alibaba документирует OpenAI-совместимый embeddings API для текстовых embedding-моделей, а TheRouter предоставляет тот же стиль интеграции через https://api.therouter.ai/v1 с model ID qwen/text-embedding-v3.
Нет. Считайте каждое поколение embedding-модели и каждую размерность отдельным векторным пространством. При миграции с v3 на v4 перестраивайте индекс на v4 embeddings, а не добавляйте v4-векторы рядом с v3.
| источник | URL | получено | |
|---|---|---|---|
| Семейство модели | help.aliyun.com ↗ | 2026-07-24 | проверено |
| Размерность embedding | help.aliyun.com ↗ | 2026-07-24 | проверено |
| Поддерживаемые языки | help.aliyun.com ↗ | 2026-07-24 | проверено |
| Длина контекста TheRouter | therouter.ai ↗ | 2026-07-24 | проверено |
| Цена входа TheRouter | therouter.ai ↗ | 2026-07-24 | проверено |
| Совместимость API публичного облака Alibaba | help.aliyun.com ↗ | 2026-07-24 | проверено |
| Основной endpoint в TheRouter | therouter.ai ↗ | 2026-07-24 | проверено |
| Модель-преемник | qwenlm.github.io ↗ | 2026-07-24 | проверено |
| Количество параметров | — | — | неизвестно |
| Дата отсечения данных | — | — | неизвестно |
| Лицензия | — | — | неизвестно |
| Alibaba Cloud documented embedding tasks | help.aliyun.com ↗ | 2026-07-24 | неизвестно |
| Qwen3 Embedding стал путём обновления к v4 | qwenlm.github.io ↗ | 2026-07-24 | проверено |
| Что выбрать: text-embedding-v3 или text-embedding-v4? | qwenlm.github.io ↗ | 2026-07-24 | к проверке |
| Можно ли изменить размерность embedding? | help.aliyun.com ↗ | 2026-07-24 | к проверке |
| Поддерживает ли text-embedding-v3 OpenAI-совместимые клиенты? | help.aliyun.com ↗ | 2026-07-24 | к проверке |
| Можно ли смешивать v3 и v4 векторы в одном индексе vector DB? | qwenlm.github.io ↗ | 2026-07-24 | к проверке |