qwen3-embedding-4b

О модели Qwen3 Embedding 4b

Qwen3 Embedding 4b — это модель эмбеддингов (векторных представлений) от QWEN. Модель преобразует текст в числовые векторы фиксированной размерности, что позволяет измерять семантическую близость текстов. Максимальная длина входного текста — 32 768 токенов.

Эмбеддинги используются для семантического поиска, рекомендательных систем, кластеризации документов и построения RAG-систем (Retrieval-Augmented Generation). Qwen3 Embedding 4b идеально подходит для проектов, где требуется понимание смысла текста, а не простое сопоставление ключевых слов.

Доступ к API Qwen3 Embedding 4b в России предоставляется через AITUNNEL без VPN с оплатой в рублях. API полностью совместим с OpenAI SDK — достаточно заменить base URL на api.aitunnel.ru и использовать ваш ключ AITUNNEL.

Цены на Qwen3 Embedding 4b

Калькулятор стоимости API

Стоимость типовых задач с Qwen3 Embedding 4b

Примерная стоимость использования Qwen3 Embedding 4b для распространённых задач (рассчитано на основе актуальных цен AITUNNEL):

Особенности модели

Пример использования Qwen3 Embedding 4b

Модель Qwen3 Embedding 4b преобразует текст в векторные представления (embeddings), которые используются для семантического поиска, кластеризации и рекомендательных систем.

from openai import OpenAI

client = OpenAI(
    api_key="ваш_ключ_aitunnel",
    base_url="https://api.aitunnel.ru/v1/"
)

response = client.embeddings.create(
    model="qwen3-embedding-4b",
    input="Пример текста для векторизации"
)

# Получение вектора эмбеддинга
embedding = response.data[0].embedding
print(f"Размерность вектора: {len(embedding)}")
print(f"Первые 5 значений: {embedding[:5]}")

Часто задаваемые вопросы о Qwen3 Embedding 4b