用於擷取的 Qwen3 嵌入與重新排序模型現已在 Amazon SageMaker JumpStart 推出

張貼日期: 2026年7月13日

AWS 今日宣佈在 Amazon SageMaker JumpStart 中提供 Qwen3-VL-Embedding-2B 和 Qwen3-Reranker-4B，從而擴大 AWS 客戶可用的基礎模型產品組合。這些來自 Qwen 的模型專為資訊擷取和跨模態理解而設計，讓客戶能在 AWS 基礎設施上建置全面的搜尋管道。這兩種模型通常搭配使用：嵌入模型可有效執行初步召回，而重新排序模型則會在後續的重新排序階段精煉結果。

這些模型透過專門功能處理擷取管道的不同階段：

Qwen3-VL-Embedding-2B 可接受多樣化輸入，包括文字、影像、螢幕擷取畫面和影片，以及包含這些模態混合內容的輸入，並產生語義豐富的向量，在共享空間中擷取視覺與文字資訊。它在影像文字擷取、影片文字比對、視覺問答和多模態內容分群等多樣化多模態任務中提供卓越效能，並支援超過 30 種語言。

Qwen3-Reranker-4B 會將查詢和文件配對作為輸入，並輸出精準的相關性分數，用以取得最佳的檢索結果。它支援超過 100 種語言的文字擷取、程式碼擷取、文字分類、文字分群和雙語文本探勘，並可透過使用者定義的指示，提升特定任務、語言或情境的效能。

透過 SageMaker JumpStart，客戶只需點擊幾下，即可部署任何一種模型來滿足其特定 AI 使用案例。若要著手使用這些模型，請瀏覽至 SageMaker Studio 的「模型」區段，或使用 SageMaker Python SDK 將模型部署至您的 AWS 帳戶。如需在 SageMaker JumpStart 中部署與使用基礎模型的詳細資訊，請參閱 Amazon SageMaker JumpStart 文件。