Qwen3.7-Text-Embedding
Qwen3.7-Text-Embedding — мультиязычная модель Alibaba для векторного поиска, группировки и классификации текстов с настраиваемой размерностью векторов.
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.