2026年 1 月 8 日，阿里通义大模型正式发布并开源 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 模型系列。这两款基于 Qwen3-VL 构建的新模型，专为多模态信息检索与跨模态理解设计，为图文、视频等混合内容的处理提供了统一高效的解决方案，标志着多模态检索技术在开源领域实现重要突破。

此次发布的双模型系列具备强大的多模态通用性，可在统一框架内处理文本、图像、可视化文档（含图表、代码、UI 组件等）及视频等多种输入类型。在图文检索、视频 - 文本匹配、视觉问答、多模态内容聚类等核心任务中，模型性能达到业界领先水平，展现出广泛的应用适配能力。

技术架构上，两款模型各司其职又协同增效。Qwen3-VL-Embedding 采用双塔架构，能将视觉与文本信息映射到同一语义空间，生成语义丰富的向量表示，实现高效跨模态相似度计算与快速召回。Qwen3-VL-Reranker 则以单塔交叉注意力架构为核心，接收任意模态组合的查询与文档对，输出精确相关性分数，完成精细化重排序。这种 "Embedding 召回 + Reranker 重排" 的两阶段检索流程，大幅提升了检索结果的精准度。

在权威基准测试中，该系列模型表现亮眼。Qwen3-VL-Embedding-8B 在 MMEB-v2 评测中超越所有此前的开源模型和闭源商业服务；Reranker 模型各版本性能均优于基础 Embedding 模型及基线 Reranker，8B 版本在多数任务中表现最佳。同时，模型继承了 Qwen3-VL 的多语言能力，支持超过 30 种语言，且提供灵活的向量维度选择与任务指令定制，量化后仍保持优秀性能，便于开发者快速集成。

当前，多模态 AI 市场正高速增长，据前瞻产业研究院数据，2030 年中国多模态大模型市场规模预计将突破 969 亿元。Qwen3-VL 双模型的开源，不仅为开发者提供了高性能的技术工具，更将推动多模态检索在电商导购、智能教育、工业质检、内容审核等场景的规模化应用。

开发者可通过 GitHub 仓库（https://github.com/QwenLM/Qwen3-VL-Embedding）或魔搭 ModelScope 平台获取模型，快速部署至现有系统。这一系列模型的开源，将进一步降低多模态技术的应用门槛，加速跨模态理解与检索技术的产业落地。