हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।

Qwen: Qwen3 Embedding 4B

qwen/qwen3-embedding-4b

Embeddingsइनपुट: text33K28 अक्टू॰ 2025 को जोड़ा गया

playground में खोलें Qwen: Qwen3 Embedding 4B के लिए API key पाएं

Qwen: Qwen3 Embedding 4B अभी आज़माएं

ऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।

इसे इस्तेमाल करने के लिए साइन इन करेंमुफ्त अकाउंट बनाएं

इनपुट (हर लाइन में एक)

नतीजे यहां दिखेंगे।

आज 5 में से 5 मुफ्त मैसेज बाकी, मुफ्त अकाउंट से अतिरिक्त मुफ्त उपयोग और API key मिलती है।मुफ्त अकाउंट बनाएं साइन इनसेशन लागत $0.00

Qwen: Qwen3 Embedding 4B एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन के करीब है।
32,768 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।

Qwen: Qwen3 Embedding 4B के बारे में

Qwen: Qwen3 Embedding 4B, Qwen का एक embedding मॉडल है, जो Qwen3 Embedding श्रृंखला का हिस्सा है। इस श्रृंखला को Qwen का नवीनतम proprietary मॉडल परिवार बताया गया है, जो विशेष रूप से text embedding और ranking कार्यों के लिए बनाया गया है, और यह व्यापक Qwen परिवार की बहुभाषी क्षमताओं तथा लंबे टेक्स्ट को संभालने की विशेषताओं को विरासत में लेता है। यदि आपके एप्लिकेशन को जनरेट किए गए टेक्स्ट के बजाय vectors चाहिए, तो यह उस प्रकार का मॉडल है जिसके लिए यह श्रृंखला बनाई गई है।

मॉडल इनपुट के रूप में टेक्स्ट लेता है और आउटपुट के रूप में embeddings लौटाता है, इसलिए यह गद्य, कोड या चैट उत्तर उत्पन्न नहीं करता। यह 32768 tokens की context length का समर्थन करता है, जिससे आप काफी लंबे दस्तावेज़ों को छोटे हिस्सों में विभाजित करने के बजाय एक ही अनुरोध में embed कर सकते हैं। अधिकतम आउटपुट 29491 के रूप में सूचीबद्ध है। चूंकि इनपुट modality केवल टेक्स्ट है, इसलिए चित्र, ऑडियो और अन्य गैर-टेक्स्ट इनपुट यहां के दायरे से बाहर हैं।

व्यावहारिक उपयोग इन गुणों से सीधे निकलते हैं। आप semantic search या retrieval-augmented generation के लिए दस्तावेज़ों और queries को embed कर सकते हैं, जहां लंबे context का अर्थ है कम हिस्से और एक ही अनुच्छेद का कम विखंडन। श्रृंखला के विवरण को देखते हुए बहुभाषी सामग्री एक उचित उपयुक्तता है, इसलिए क्रॉस-लैंग्वेज retrieval और matching संभावित workloads हैं। Embeddings clustering, deduplication, विषय समूहीकरण और classification pipelines के लिए भी उपयुक्त हैं, और ranking कार्य स्पष्ट रूप से उन चीज़ों का हिस्सा हैं जिनके लिए यह श्रृंखला डिज़ाइन की गई है। जहां भी आपको जनरेट किए गए उत्तर के बजाय टेक्स्ट का निश्चित vector प्रतिनिधित्व चाहिए, यह मॉडल एक उम्मीदवार है।

आप इसे api14 के OpenAI-compatible API के माध्यम से मॉडल id "qwen/qwen3-embedding-4b" का उपयोग करके कॉल करते हैं। चूंकि इंटरफ़ेस OpenAI embeddings परंपरा का पालन करता है, आप अपना टेक्स्ट input फ़ील्ड में भेजते हैं और प्रतिक्रिया में embedding vectors प्राप्त करते हैं, जिससे मौजूदा OpenAI client लाइब्रेरी और कोड पथ न्यूनतम बदलावों के साथ काम करते रहते हैं। ध्यान दें कि इस मॉडल के लिए समर्थित parameters की सूची खाली है, इसलिए यह न मानें कि dimensions, encoding format या truncation नियंत्रण जैसे विकल्प उपलब्ध हैं; input भेजें और endpoint द्वारा लागू defaults पर भरोसा करें।

सीमाओं पर, ध्यान में रखने वाली मुख्य बात यह है कि यह केवल embeddings वाला मॉडल है। यह प्रश्नों का उत्तर नहीं देगा, निर्देशों का पालन नहीं करेगा या संवादात्मक आउटपुट उत्पन्न नहीं करेगा, इसलिए यदि आपको टेक्स्ट जनरेशन, tool calling या reasoning चाहिए, तो chat या completion मॉडल बेहतर उपयुक्त है और यह मॉडल retrieval घटक के रूप में उसके पीछे होना चाहिए। यह भी जांचें कि आपके इनपुट 32768 token context के भीतर रहें, क्योंकि लंबे दस्तावेज़ों को embedding से पहले विभाजित करना आवश्यक है।

Qwen: Qwen3 Embedding 4B API कैसे कॉल करें

अपने dashboard में API key बनाएं।
अपनी भाषा के लिए आधिकारिक openai SDK इंस्टॉल करें।
baseURL को https://api14.com/api/v1 और model को "qwen/qwen3-embedding-4b" पर सेट करें।

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.embeddings.create({
  "model": "qwen/qwen3-embedding-4b",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 32,768
अधिकतम आउटपुट: 29,491
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Qwen: Qwen3 Embedding 4B: अक्सर पूछे जाने वाले सवाल

Qwen: Qwen3 Embedding 4B API की कीमत कितनी है?: Qwen: Qwen3 Embedding 4B की कीमत इनपुट $0.07 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Qwen: Qwen3 Embedding 4B की context window कितनी है?: Qwen: Qwen3 Embedding 4B हर request में 32,768 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 29,491 आउटपुट tokens तक लिखता है।
Qwen: Qwen3 Embedding 4B क्या कर सकता है?: Qwen: Qwen3 Embedding 4B text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Qwen: Qwen3 Embedding 4B कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "qwen/qwen3-embedding-4b" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Qwen: Qwen3 Embedding 4B के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: VoyageAI by MongoDB: voyage-4-lite, OpenAI: Text Embedding 3 Small, Perplexity: Embed V1 4B। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Qwen: Qwen3 Embedding 4B कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Qwen: Qwen3 Embedding 4B के बारे में पहला टॉपिक खोलें।