Qwen3-VL-Reranker

开源权重 · 阿里巴巴 Qwen · 更新于 2026 年 10 月 15 日

Qwen3-VL-Reranker（2B / 8B）给查询和文档打相关性分，文档可以是文字、图片、截图、视频，或它们的组合。扫描页或幻灯片按图片本身来排序，而不是靠 OCR 碰巧识别出来的文字。它基于 Qwen3-VL，32K 上下文，支持 30 多种语言，Apache 2.0 许可。如果文档只有文字，应该看它的同门 Qwen3-Reranker。

模型版本

两个版本都支持任务指令。Qwen 称加指令通常能提升 1–5%，并建议即使处理其他语言也用英文写指令。这个系列和 Qwen3-VL-Embedding 配套：后者负责同类输入的第一阶段召回。

分数，以及是谁测的

Qwen 自己的测试，数据来自模型卡。模型卡没有说明每个重排序模型重排的是哪个第一阶段的结果。MMEB-v2 包括图片、视频和视觉文档检索；JinaVDR 和 ViDoRe v3 是视觉文档（页面图片）基准；MMTEB 检索是纯文本。它们都不是 BEIR。

在 Qwen 的表里，2B 和 jina-reranker-m0 很接近（m0 是 Jina 的多模态重排序模型，权重只允许非商业使用）：图片和 ViDoRe v3 上领先，视觉文档和 JinaVDR 上落后。8B 每一列都领先。还有一个外部测试：做竞品模型的 LightOn 用 BM25 召回前 100 个结果做 BEIR，取 11 个没进过他们训练数据的数据集平均。在那里 2B 得 49.08，jina-reranker-m0 得 51.97：在这次纯文本测试里，2B 落后于 m0。

快速上手

sentence-transformers

pip install sentence-transformers

from sentence_transformers import CrossEncoder

model = CrossEncoder("Qwen/Qwen3-VL-Reranker-2B")

query = "A woman playing with her dog on a beach at sunset."
documents = [
    "A woman shares a joyful moment with her golden retriever on a beach at sunset.",
    "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg",
    {"text": "Golden retriever on the beach", "image": "https://qianwen-res.oss-cn-beijing.aliyuncs.com/Qwen-VL/assets/demo.jpeg"},
]

prompt = "Retrieve images or text relevant to the user's query."
rankings = model.rank(query, documents, prompt=prompt)

文档可以是文字、图片的 URL 或路径，或者同时包含两者的 dict。不传 prompt 时，默认指令是“Retrieve text relevant to the user’s query.”。模型卡还给了直接用 transformers 的写法（需要 Qwen GitHub 仓库里的辅助脚本）和 vLLM 的写法。

托管选项

阿里云百炼提供 qwen3-vl-rerank，硅基流动托管了 Qwen3-VL-Reranker-8B，两者在中国大陆都能直接访问；接口地址和价格见国内重排序指南。阿里云没有公布托管版本的分数。

什么时候选 Qwen3-VL-Reranker

• 适合：文档是页面图片：扫描件、幻灯片、截图、看板。
• 适合：查询要匹配图片或视频，或者图文混排的文档。
• 可能不适合：文档是纯文本。用 Qwen3-Reranker 或其他文本重排序模型，同样的活计算量更小。
• 可能不适合：只有 CPU 的部署。即使是 2B 也需要 GPU，而且有图片时每一对的打分成本都比纯文本高。

优缺点

其他模型