TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。

多模态Transformers其他

这是使用llm-compressor对Qwen/Qwen3-Embedding-0.6B进行压缩后的版本，采用W8A8量化方案。该模型在保持性能的同时显著减少了存储和计算资源需求，适用于资源受限环境下的特征提取任务。

自然语言处理Safetensors支持多种语言

这是一个基于Qwen3-Embedding-0.6B模型转换的4位量化版本，专为MLX框架优化。

自然语言处理Mlx

Qwen3-Embedding-8B是阿里巴巴通义千问团队开发的80亿参数文本嵌入模型，基于MLX库优化实现，专门用于句子相似度计算和文本特征提取任务。

自然语言处理Mlx

Qwen3-Embedding-8B 是 Qwen 家族的最新专有模型，专为文本嵌入和排序任务设计，基于 Qwen3 系列的密集基础模型构建，具有卓越的多语言能力和长文本理解能力。

自然语言处理Sentence-transformers

Qwen3-Embedding-4B是基于Qwen3系列构建的文本嵌入模型，专为文本嵌入和排序任务设计，在多语言文本处理和代码检索等方面表现优异。

自然语言处理Sentence-transformers

这是一个基于ONNX的量化模型，是Qwen/Qwen3-Embedding-0.6B的uint8量化版本，在保持检索性能的同时减少了模型大小。

自然语言处理Sentence-transformers

这是一个基于Qwen/Qwen3-Embedding-8B转换的4位DWQ量化版本，适用于MLX框架的嵌入模型。

自然语言处理Mlx

Qwen3 Embedding 模型系列是通义家族的最新自研模型，专为文本嵌入和排序任务设计，支持100多种语言，在MTEB多语言排行榜上排名第一。

自然语言处理Sentence-transformers

这是经过GPTQ量化的Qwen3-Embedding-4B模型，显存使用量显著降低，性能损失较小。

自然语言处理Sentence-transformers

Qwen3-Embedding-8B的GPTQ量化版本，显著降低显存需求同时保持高性能

自然语言处理Sentence-transformers

Qwen3-Embedding-0.6B的GPTQ量化版本，显存使用优化，性能损失较小

自然语言处理Sentence-transformers

这是一个基于Qwen3-Embedding-4B模型转换的4位量化版本，专为MLX框架优化

自然语言处理Mlx

这是Qwen3-Embedding-0.6B模型的4位深度量化版本，专为MLX框架优化。该模型提供高效的文本嵌入生成能力，适用于各种自然语言处理任务。

自然语言处理Mlx