TomoroAI/tomoro-colqwen3-embed-4b是一款先進的ColPali風格多模態嵌入模型，能夠將文本查詢、視覺文檔（如圖像、PDF）或短視頻映射為對齊的多向量嵌入。該模型結合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的優勢，在ViDoRe基準測試中表現出色，同時顯著減少了嵌入佔用空間。

多模態Transformers其他

這是使用llm-compressor對Qwen/Qwen3-Embedding-0.6B進行壓縮後的版本，採用W8A8量化方案。該模型在保持性能的同時顯著減少了存儲和計算資源需求，適用於資源受限環境下的特徵提取任務。

自然語言處理Safetensors多語言

這是一個基於Qwen3-Embedding-0.6B模型轉換的4位量化版本，專為MLX框架優化。

自然語言處理Mlx

Qwen3-Embedding-8B是阿里巴巴通義千問團隊開發的80億參數文本嵌入模型，基於MLX庫優化實現，專門用於句子相似度計算和文本特徵提取任務。

自然語言處理Mlx

Qwen3-Embedding-8B 是 Qwen 家族的最新專有模型，專為文本嵌入和排序任務設計，基於 Qwen3 系列的密集基礎模型構建，具有卓越的多語言能力和長文本理解能力。

自然語言處理Sentence-transformers

Qwen3-Embedding-4B是基於Qwen3系列構建的文本嵌入模型，專為文本嵌入和排序任務設計，在多語言文本處理和代碼檢索等方面表現優異。

自然語言處理Sentence-transformers

這是一個基於ONNX的量化模型，是Qwen/Qwen3-Embedding-0.6B的uint8量化版本，在保持檢索性能的同時減少了模型大小。

自然語言處理Sentence-transformers

這是一個基於Qwen/Qwen3-Embedding-8B轉換的4位DWQ量化版本，適用於MLX框架的嵌入模型。

自然語言處理Mlx

Qwen3 Embedding 模型系列是通義家族的最新自研模型，專為文本嵌入和排序任務設計，支持100多種語言，在MTEB多語言排行榜上排名第一。

自然語言處理Sentence-transformers

這是經過GPTQ量化的Qwen3-Embedding-4B模型，顯存使用量顯著降低，性能損失較小。

自然語言處理Sentence-transformers

Qwen3-Embedding-8B的GPTQ量化版本，顯著降低顯存需求同時保持高性能

自然語言處理Sentence-transformers

Qwen3-Embedding-0.6B的GPTQ量化版本，顯存使用優化，性能損失較小

自然語言處理Sentence-transformers

這是一個基於Qwen3-Embedding-4B模型轉換的4位量化版本，專為MLX框架優化

自然語言處理Mlx

這是Qwen3-Embedding-0.6B模型的4位深度量化版本，專為MLX框架優化。該模型提供高效的文本嵌入生成能力，適用於各種自然語言處理任務。

自然語言處理Mlx