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 8B

qwen/qwen3-embedding-8b

Embeddingsइनपुट: text41K28 अक्टू॰ 2025 को जोड़ा गया

playground में खोलें Qwen: Qwen3 Embedding 8B के लिए API key पाएं

Qwen: Qwen3 Embedding 8B 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 8B एक नज़र में

इनपुट कीमत 34 Embeddings मॉडल के मीडियन से 50% कम है।
40,960 tokens की context window, लंबे दस्तावेज़ों और कई चरणों वाली बातचीत के लिए काफी।

Qwen: Qwen3 Embedding 8B के बारे में

Qwen3 Embedding 8B, Qwen का एक टेक्स्ट एम्बेडिंग मॉडल है, जो Qwen3 Embedding श्रृंखला का हिस्सा है, जिसे Qwen अपनी नवीनतम proprietary लाइन बताता है जो विशेष रूप से टेक्स्ट एम्बेडिंग और रैंकिंग कार्यों के लिए बनाई गई है। यह चैट श्रेणी के बजाय embeddings श्रेणी में आता है, इसलिए इसका काम संवादात्मक उत्तर उत्पन्न करने के बजाय टेक्स्ट को वेक्टर में बदलना है। यह श्रृंखला व्यापक Qwen परिवार की बहुभाषी क्षमताओं और लंबे टेक्स्ट को संभालने की विशेषता विरासत में लेती है, जो इस मॉडल को तब प्रासंगिक बनाती है जब आप एक से अधिक भाषाओं की सामग्री या ऐसे दस्तावेज़ों के साथ काम करते हैं जो छोटे अंशों में नहीं समाते।

मॉडल इनपुट के रूप में टेक्स्ट स्वीकार करता है और आउटपुट के रूप में embeddings लौटाता है, और कुछ नहीं। इसकी context window 32,768 tokens है, और अधिकतम आउटपुट 29,491 के रूप में सूचीबद्ध है, जो आपको कई छोटे chunks में विभाजित करने के बजाय एक ही अनुरोध में काफी लंबे अंशों को embed करने की गुंजाइश देता है। कॉल की बुनियादी बातों के अलावा कोई समर्थित request parameters नहीं हैं, इसलिए आपको यह उम्मीद नहीं करनी चाहिए कि temperature या top_p जैसे tuning knobs परिणाम बदलेंगे। provider की रिलीज़ तिथि 2025-10-28 है।

चूंकि आउटपुट टेक्स्ट के बजाय एक वेक्टर है, व्यावहारिक उपयोग जनरेशन के बजाय समानता और रैंकिंग से निकलते हैं। आप किसी corpus पर semantic search बनाने के लिए दस्तावेज़ों और queries को embed कर सकते हैं, वेक्टर दूरियों की तुलना करके टेक्स्ट को cluster या deduplicate कर सकते हैं, या embeddings को एक अलग generation model के सामने retrieval चरण में दे सकते हैं। श्रृंखला के विवरण को देखते हुए बहुभाषी सामग्री एक उचित उपयुक्तता है, और लंबा context इसका मतलब है कि किसी दस्तावेज़ के पूरे अनुभागों को आक्रामक truncation के बिना embed किया जा सकता है। रैंकिंग कार्य, जिनके लिए यह श्रृंखला स्पष्ट रूप से डिज़ाइन की गई है, एक और स्वाभाविक अनुप्रयोग है।

आप मॉडल को api14 के OpenAI-compatible API के माध्यम से model id "qwen/qwen3-embedding-8b" का उपयोग करके कॉल करते हैं। चूंकि इंटरफ़ेस OpenAI embeddings प्रारूप का पालन करता है, आप अपना टेक्स्ट input field में भेजते हैं और response से वेक्टर पढ़ते हैं, उन्हीं client libraries और request shape का उपयोग करते हुए जो आप gateway पर अन्य embedding endpoints के लिए उपयोग करेंगे। मॉडल कोई अतिरिक्त parameters समर्थित नहीं करता, इसलिए अनुरोधों को सरल रखें और ऐसे sampling options पास करने से बचें जिनका यहाँ कोई प्रभाव नहीं है।

एक बात विचार करने योग्य है कि यह केवल एक embedding model है। यदि आपको generated text, tool calls, या reasoning output चाहिए, तो चैट मॉडल सही विकल्प है, और यह मॉडल उस उद्देश्य की पूर्ति नहीं करेगा। यदि आपके इनपुट नियमित रूप से 32,768 tokens से अधिक होते हैं, तो आपको उन्हें भेजने से पहले chunk करना होगा। उन सीमाओं के भीतर, यह search, clustering, और ranking pipelines के लिए एक सीधा विकल्प है जिन्हें बहुभाषी, लंबे टेक्स्ट embeddings की आवश्यकता होती है।

Qwen: Qwen3 Embedding 8B 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-8b" 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-8b",
  "input": [
    "The quick brown fox",
    "Lorem ipsum"
  ]
});
console.log(result.data.map((d) => d.embedding.length));

स्पेसिफिकेशन

Context लंबाई: 40,960
अधिकतम आउटपुट: 32,000
इनपुट: text
आउटपुट: embeddings

api14 पर requests · पिछले 7 दिन

Qwen: Qwen3 Embedding 8B: अक्सर पूछे जाने वाले सवाल

Qwen: Qwen3 Embedding 8B API की कीमत कितनी है?: Qwen: Qwen3 Embedding 8B की कीमत इनपुट $0.04 / 1M tokens है। शुल्क आपके USD बैलेंस से सिर्फ सफल requests के लिए कटता है; फेल हुई requests मुफ्त हैं।
Qwen: Qwen3 Embedding 8B की context window कितनी है?: Qwen: Qwen3 Embedding 8B हर request में 40,960 tokens तक पढ़ता है, prompt, इतिहास और दस्तावेज़ मिलाकर। यह हर जवाब में 32,000 आउटपुट tokens तक लिखता है।
Qwen: Qwen3 Embedding 8B क्या कर सकता है?: Qwen: Qwen3 Embedding 8B text स्वीकार करता है और embeddings लौटाता है।
अपने कोड से Qwen: Qwen3 Embedding 8B कैसे कॉल करूं?: किसी भी OpenAI SDK को https://api14.com/api/v1 पर पॉइंट करें और model को "qwen/qwen3-embedding-8b" पर सेट करें, कोड में और कोई बदलाव नहीं। इस पेज के कोड पैनल से तैयार उदाहरण कॉपी करें।
Qwen: Qwen3 Embedding 8B के विकल्प क्या हैं?: मिलती-जुलती कीमत वाले Embeddings मॉडल: Thenlper: GTE-Large, Intfloat: E5-Large-v2, Intfloat: Multilingual-E5-Large। सभी एक ही API key से चलते हैं, इसलिए बदलना बस एक string बदलना है।

Qwen: Qwen3 Embedding 8B कम्युनिटी

नया टॉपिक

इस कम्युनिटी में अभी कोई टॉपिक नहीं है। Qwen: Qwen3 Embedding 8B के बारे में पहला टॉपिक खोलें।