Qwen3.7-Text-Embedding

Qwen3.7-Text-Embedding — модель Alibaba, которая преобразует текст в числовые представления для поиска и анализа сходства. QwenCloud добавила её в журнал моделей 11 августа 2026 года. Модель предназначена для извлечения признаков из текстов, а не для генерации диалоговых ответов.

Где применяют текстовые векторы

Семантический поиск и организация документов

Векторные представления можно использовать в системах поиска по базе знаний, для группировки похожих материалов и предварительной классификации. Модель поддерживает несколько языков; компания отдельно выделяет поиск между китайским и английским языками, а также поиск по программному коду.

Настройка размера представления

Размерность можно подобрать под инфраструктуру

В документации указана настраиваемая размерность от 256 до 2560. Более компактный вектор может сократить требования к хранению и поиску, а выбор конфигурации нужно проверять на качестве результатов для конкретного корпуса. Qwen сообщает об улучшении оценки MTEB относительно text-embedding-v4; это сравнение разработчика на его выбранном наборе тестов.

Отличие от генеративных моделей Qwen

Векторизация текста — отдельная задача

Embedding-модель не заменяет чат-модель: она кодирует текст, а поиск, хранение и формирование ответа выполняет остальная система. Для генерации и анализа запросов можно использовать семейства Qwen 3.8 и Qwen3.7-Max.

Дата выпуска и источник

Облачная модель для поисковых конвейеров

QwenCloud датировала появление сервиса 11 августа 2026 года. Модель присутствует в каталоге компании; условия доступа и допустимые размеры векторов следует сверять с актуальной документацией API.

Официальный источник: журнал выпусков QwenCloud.

Сведения о разработчике и его моделях: Alibaba в Вики Futuretools.ru.