Все модели

Qwen

Qwen3 Embedding 4B

Экономичные эмбеддинги Qwen3

Текст
Вектор 2560
Тип
Эмбеддинги
Контекст
33K токенов
Русский язык
высокий
Цена
1,6 ₽ / 1M токенов
Размер вектора
2560
Дата выхода
Июнь 2025
chat/completions
import OpenAI from "openai"
const client = new OpenAI({
baseURL: "https://api.yenisei.ru/v1",
apiKey: process.env.YENISEI_API_KEY,
})
const stream = await client.chat.completions.create({
model: "qwen3-embedding-4b",
messages: [{ role: "user", content: "Привет!" }],
stream: true,
})
for await (const chunk of stream) {
process.stdout.write(chunk.choices[0]?.delta?.content ?? "")
}

О модели

Qwen3 Embedding 4B — более лёгкая модель эмбеддингов линейки Qwen с балансом качества и стоимости. Она превращает тексты в векторы для семантического поиска и RAG и держит хорошую точность поиска при меньшем размере и цене. Модель многоязычна и уверенно работает с русским, что удобно для международных продуктов. Полученные векторы хорошо подходят для кластеризации, рекомендаций, дедупликации и классификации. За счёт компактности она экономична на большом потоке.

Сильные стороны

  • Хорошая точность поиска при меньшей цене
  • Многие языки, включая русский
  • Экономичность на большом потоке
  • Векторы для кластеризации и рекомендаций
  • Подходит для RAG и семантического поиска

Где применить

  • Семантический поиск по документам
  • RAG-конвейеры и вопросно-ответные системы
  • Кластеризация и тематическая группировка
  • Рекомендательные системы
  • Дедупликация и поиск похожего
  • Классификация текстов по векторам