微信开源多模态嵌入模型 WeMM-Embedding，已支撑十亿级日调用

腾讯微信视觉团队开源 WeMM-Embedding 多模态嵌入模型，提供 2B、4B、9B 三个版本，关注价值在于文本、图像、视频和视觉文档能否由同一表示空间支持检索与推荐。

• 论文《WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report》于 2026-08-25 提交，明确列出三种参数规模和多模态输入范围。
• 论文报告称，9B 版本在 MMEB-v2 上取得 80.6 分，2B 版本为 77.9 分；这些数字属于论文所述评测结果，不等同于所有业务场景的效果。
• GitHub 仓库说明模型支持文本、图片、视频、视觉文档及交错输入，当前不支持音频，并提供推理与服务示例。
• 论文还称模型已用于微信推荐和搜索相关应用，但“十亿级日调用”属于腾讯方面披露，外部难以仅凭公开材料复核。
• 影响/看点：如果开源权重、代码和评测流程能被社区复现，企业可能降低多模态检索系统的自研门槛；实际收益仍取决于领域数据、部署成本、向量库规模和线上延迟。
• 资料依据:
• WeMM-Embedding 技术报告（2026-08-25）：https://arxiv.org/abs/2608.24053
• Tencent WeMM-Embedding GitHub 仓库（2026-09-04）：https://github.com/Tencent/WeMM-Embedding

本内容由 AI 生成，仅供参考，请注意甄别