pro Model HubDocs

Qwen3-VL Embedding 8B

Embedding-Modell von Alibaba/Qwen für semantische Suche und RAG, mehrsprachig und stark auf deutschen Texten.

Beta

Steckbrief

API-ID (model)qwen3-vl-embedding-8b
AnbieterAlibaba/Qwen
KategorieEmbeddings
Kontextfenster8.192 Token
Credit-Faktor0,25× (Credits pro Token)

Verbrauch pro Request: (Input-Token + Output-Token) × Credit-Faktor, siehe Abrechnung.

Stärken

  • Findet in unseren Tests auf deutschen Fachtexten den richtigen Abschnitt öfter auf Platz 1 als das bisherige 2B-Modell
  • Vektoren mit bis zu 4.096 Dimensionen, kürzbar ab 64 (dimensions)
  • Aufgabenspezifische Anweisung pro Anfrage (instruction)
  • Läuft an zwei Standorten

Schwächen

  • Über die API nur Text (Bilder in Vorbereitung)
  • Vektoren passen nicht zu anderen Embedding-Modellen: Ein Wechsel heißt neu indexieren

Empfohlene Einsatzbereiche

  • Semantische Suche
  • RAG über Handbücher, Wissensdatenbanken und Tickets
  • Ähnlichkeitssuche und Clustering

API-Hinweise

  • dimensions von 64 bis 4096 (Standard 4096). Auf 1024 gekürzt verliert die Suche in unseren Tests kaum.
  • Höchstens 8.192 Token pro Text.
  • Zusätzliches Feld instruction für Suchanfragen, z. B. "Retrieve passages that answer the question". Dokumente ohne Anweisung einbetten (siehe API-Referenz Embeddings).
  • Nur Text: Eine Bild-Data-URI als input wird als Text eingebettet und ergibt keinen sinnvollen Vektor.

Beispiel

Den API-Key legst du im Portal unter API-Keys an, siehe Schnellstart.

curl https://api.promodelhub.de/v1/embeddings \
  -H "Authorization: Bearer $PRO_MODEL_HUB_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-vl-embedding-8b",
    "input": ["Wie kündige ich meinen Vertrag?", "Die Kündigung ist jederzeit zum Monatsende möglich."]
  }'
import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.promodelhub.de/v1",
    api_key=os.environ["PRO_MODEL_HUB_API_KEY"],
)

result = client.embeddings.create(
    model="qwen3-vl-embedding-8b",
    input=["Wie kündige ich meinen Vertrag?"],
)
print(len(result.data[0].embedding))