Qwen3-Embedding 4B
Qwen3-Embedding 4B braucht mit der Stufe Q4_K_M bei 8.192 Token Eingabe rund 5,9 GB Speicher und passt auf 702 von 740 geführten Geräten.
Auf 12 weiteren Geräten passt es nicht in den Grafikspeicher, läuft dort aber auf dem Prozessor.
Ein Embedding-Modell schreibt keinen Text. Es macht aus einem Abschnitt eine Zahlenreihe, einen Vektor, über den eine Suche ähnliche Abschnitte findet, auch wenn andere Wörter darin stehen. So sucht eine lokale Dokumentensuche (RAG) in Ihren Unterlagen, bevor ein Sprachmodell antwortet.
Speicher heißt hier: die Datei plus der Zuschlag, den wir am 19. Oktober 2026 selbst gemessen haben, mit dem Startbefehl unten bei 8.192 Token. Mit kleinerem Kontext sinkt der Bedarf; das haben wir nicht gemessen. Wie wir messen, steht in der Methodik.
- Art
- Embedding (Texteinbettung)
- Anbieter
- Alibaba (Qwen)
- Parameter
- 4.000 Mio.
- Vektorlänge
- 2.560 Zahlen
- Längste Eingabe
- 32.768 Token
- Bettet ein
- Text
- Auf Hugging Face seit
- 3. Juni 2025
- Lizenz
- Apache 2.0
- Laufzeit
- llama.cpp (llama-server)
So starten Sie es
Mit llama.cpp, gebaut oder heruntergeladen laut Anleitung. Beim ersten Aufruf lädt -hf das Modell von Hugging Face. -c, -ub und -b auf 8.192 erlauben Abschnitte bis zu dieser Länge in einem Stück; mit der Voreinstellung von 512 Token bricht llama-server bei längeren Abschnitten ab.
Server starten
$ llama-server Einen Abschnitt einbetten
$ curl Was der Anbieter angibt
Parameter, Vektorlänge, längste Eingabe und was das Modell einbetten kann, wörtlich von der Modellkarte. Wie gut es sucht, haben wir nicht geprüft.
Number of Parameters: 4B
Context Length: 32k
Embedding Dimension: Up to 2560, supports user-defined output dimensions ranging from 32 to 2560
Model Type: Text Embedding
Lizenz
Laut Anbieter steht das Modell unter Apache 2.0. Die Quelle sagt dazu wörtlich:
License: apache-2.0
Das ist keine Rechtsberatung. Maßgeblich ist der Lizenztext selbst.
Sprachen
Der Anbieter nennt die Zahl der Sprachen, Deutsch nicht einzeln. Wie gut das Modell deutsche Texte einbettet, haben wir nicht geprüft.
Supported Languages: 100+ Languages
Geräte und Grafikkarten
Passt auf 702 von 740 Geräten und auf 96 von 115 Grafikkarten im Katalog.
Stufen
Größe der Datei je Stufe und der Speicher beim Laufen bei 8.192 Token. Gemessen ist die Standardstufe; für die übrigen nehmen wir denselben Zuschlag an.
| Stufe | Datei | Speicher beim Laufen |
|---|---|---|
| Q4_K_M | 2,5 GB | 5,9 GB |
| Q5_K_M | 2,9 GB | 6,3 GB |
| Q6_K | 3,3 GB | 6,7 GB |
| Q8_0 | 4,3 GB | 7,7 GB |
| F16 | 8,0 GB | 11,5 GB |
Quellen: https://huggingface.co/Qwen/Qwen3-Embedding-4B · https://huggingface.co/Qwen/Qwen3-Embedding-4B-GGUF · https://welche.ai/methodik#einbettung
Weitere Ratgeber
- DeepSeek Harness installieren und lokal nutzenDeepSeek Harness ist der quelloffene Programmier-Agent von DeepSeek. Wie Sie ihn installieren, mit einem lokalen Modell verbinden und was an DeepSeek geht.
- KI auf dem eigenen PC installieren: Reicht Ihr Rechner, oder müssen Sie etwas kaufen?Zum Ausprobieren brauchen Sie meist weder neue Hardware noch das Terminal. Was mit 8 und 16 GB Arbeitsspeicher läuft, welche Programme ohne Befehle auskommen und wann sich ein Kauf lohnt.
- Lokale KI: Was das heißt, was Sie brauchen, was sie kannLokale KI heißt, dass die Modelldatei auf Ihrem Gerät liegt und die Rechenarbeit dort stattfindet. Was Sie dafür brauchen, was heute gut funktioniert und wo die Grenzen liegen.
- Qwen lokal betreiben: welche Fassung auf welches GerätQwen gibt es in vielen Größen. Die kleinste aktuelle Fassung in unserem Katalog, Qwen3.5 4B, braucht 4,4 GB und läuft damit auf praktisch jedem Rechner, Qwen3.8 27B flüssig auf 232 von 740 Geräten. Welche Fassung zu Ihrem Rechner passt und wie Sie sie starten.
- Qwen-Image: KI-Bilder lokal erzeugen und die richtige Fassung wählenQwen-Image erzeugt Bilder auf dem eigenen Rechner. Die neue Fassung 2.1 ist nur für Forschung und Erprobung freigegeben, für Unternehmen ist 2512 die Fassung. Was beide an Speicher brauchen und wie lange ein Bild auf unserer Karte dauerte.
- DSGVO-konforme KI: Welche Daten verlassen bei welchem Aufbau Ihr Haus?Lokal heißt nicht telemetriefrei, und eine EU-Zusage hängt am Bereitstellungstyp. Was bei vier gängigen Aufbauten wirklich übertragen wird, mit Zitaten aus den Datenschutzerklärungen der Anbieter.
- KI für Berufsgeheimnisträger: Was § 203 StGB bei ChatGPT & Co. verlangtHat ChatGPT eine Schweigepflicht? Worauf Anwälte, Ärzte, Steuerberater und Psychotherapeuten bei KI achten müssen, was die Kammern sagen und warum lokale KI die einfachste Antwort ist.
- KI lokal betreiben, ohne Terminal: So läuft ein Sprachmodell auf Ihrem RechnerLokale KI-Modelle brauchen auf Mac und Windows keine Befehlszeile mehr. Was Sie an Hardware brauchen, wie die Einrichtung Schritt für Schritt gelingt und wo die Grenzen liegen.
- Lokale KI-Modelle: Welches läuft auf Ihrer Hardware?Ob ein lokales KI-Modell auf Ihrem Rechner läuft, entscheidet der Speicher. Wie Sie die richtige Zahl finden und was die Stufen hinter dem Namen bedeuten.
- Whisper lokal: Interviews und Besprechungen auf dem eigenen Rechner transkribierenWhisper lokal installieren und nutzen, mit Programm oder im Terminal: Welches Modell für deutsche Aufnahmen passt, wie viel Speicher es braucht und wo die Grenzen liegen.
- KI-Agenten mit lokalem Modell: zwölf Werkzeuge im VergleichOpenClaw, Hermes Agent, DeepSeek Harness und neun weitere Agenten mit einem Modell auf dem eigenen Rechner: was jeder verlangt, was Ihr Gerät hergibt und welcher zu Ihnen passt.
- Mac mini für lokale KI: Welche Ausstattung reicht und wann es der Mac Studio sein mussBeim Mac zählt der Arbeitsspeicher, nicht die ganze Zahl. Was der Mac mini mit M4, M5 Pro und M6 trägt, wann es der Mac Studio sein muss und was gebraucht zählt.
- Deutsche und europäische KI-Modelle: Welche es gibt und was davon lokal läuftTeuken aus Deutschland, EuroLLM aus einem EU-Projekt, Mistral aus Paris, Apertus aus der Schweiz. Lizenz, Größe und auf wie vielen der 740 Geräte sie flüssig laufen.
- gpt-oss: OpenAIs offenes Modell auf dem eigenen Rechnergpt-oss gibt es in zwei Größen. Die kleine läuft auf 429 von 740 geführten Geräten flüssig, die große auf 77. Was Sie brauchen und wo das Modell nicht passt.
- Grafikkarte für KI: Worauf es bei lokalen Modellen ankommtFür KI zählt an einer Grafikkarte zuerst der Speicher, dann das Tempo. Welche Speicherklasse wie viele Modelle trägt und was der Schritt von 16 auf 24 GB bringt.
- Hermes Agent lokal: mit Ollama oder LM Studio nutzenHermes Agent lokal mit Ollama oder LM Studio: Er braucht mindestens 64.000 Token Kontext, ein Modell mit Werkzeugaufrufen und genug Speicher.
- KI selbst hosten: Was sich ändert, sobald mehrere zugreifenSelbst hosten heißt, dass einer betreibt und mehrere nutzen. Was dafür nötig ist, warum die Voreinstellungen dafür nicht gemacht sind und welche Fragen ab dem zweiten Nutzer keine Technikfragen mehr sind.
- Open Source KI: Welche Modelle wirklich offen sindDie meisten Modelle, die „Open Source KI“ heißen, geben nur die fertigen Modelldateien frei, nicht den Weg dorthin. Was der Begriff bedeutet, welche Familien es gibt und was davon auf eigener Hardware läuft.
- OpenClaw lokal: mit Ollama oder LM Studio einrichtenOpenClaw mit einem lokalen Modell über Ollama oder LM Studio: installieren, einrichten, passende Modelle wählen und wissen, was trotzdem ins Netz geht.
- Ornith 1.5: Welche der drei Größen auf Ihrem Rechner läuftOrnith 1.5 in drei Größen: Die kleinste läuft beim Ausprobieren auf 502 von 740 Geräten flüssig, die größte auf 9. Was jede braucht und wann ein Verbund hilft.
- Ollama oder LM Studio: Was ist der Unterschied, und welches passt zu Ihnen?Beide laden offene Sprachmodelle auf Ihren Rechner und rechnen mit demselben Unterbau. Was sie wirklich unterscheidet, was sie kosten und welche Daten dabei Ihr Haus verlassen.
- Was ist Ollama, und welche Alternativen gibt es?Ollama, LM Studio, llama.cpp und vLLM tauchen in vielen Anleitungen für lokale KI auf. Was jedes davon ist, wie die vier zusammenhängen und welches Sie wofür brauchen.
- Was kostet ChatGPT wirklich, und ab wann lohnt sich eigene Hardware?Die Rechnung hat vier Posten, und drei davon stehen auf keiner Preisliste. Was ein Modell über die Schnittstelle kostet, was eigene Hardware dagegenstellt, und ab welchem Punkt sich der Wechsel rechnet.