用于检索的 Qwen3 嵌入模型与重排序模型现已在 Amazon SageMaker JumpStart 中推出

发布于: 2026年7月13日

今天，AWS 宣布在 Amazon SageMaker JumpStart 中推出 Qwen3-VL-Embedding-2B 和 Qwen3-Reranker-4BB，进一步扩展了面向 AWS 客户的基础模型产品组合。这两种来自千问的模型专用于信息检索和跨模态理解场景，使客户能够在 AWS 基础设施上构建全面的搜索管道。这两种模型通常配合使用：嵌入模型执行高效的初步召回，重排序模型在后续的重排序阶段对结果进行细化。

这两种模型运用专业能力来满足检索管道各个阶段的需求：

Qwen3-VL-Embedding-2B 接受多种输入（包括文本、图像、屏幕截图和视频）以及包含这些模态组合的输入，并生成语义丰富的向量，从而在共享空间中捕获视觉与文本信息。它在图像-文本检索、视频-文本匹配、视觉问答和多模态内容聚类等多种多模态任务中表现出色，同时还支持 30 多种语言。

Qwen3-Reranker-4B 将查询和文档对作为输入，并输出准确的相关性得分，从而优化检索结果。它支持跨 100 多种语言的文本检索、代码检索、文本分类、文本聚类和双文本挖掘，并可通过用户定义的指令，针对特定任务、语言或场景提升性能。

借助 SageMaker JumpStart，客户只需点击几下即可部署这些模型中的任何一个，以解决其特定的人工智能使用案例。要开始使用这些模型，请导航到 SageMaker Studio 的“模型”部分，或使用 SageMaker Python SDK 将模型部署到您的 AWS 账户。有关在 SageMaker JumpStart 中部署和使用基础模型的更多信息，请参阅 Amazon SageMaker JumpStart 文档。