Perplexity 发布双尺寸多模态嵌入模型 pplx-embed-v2-late

Perplexity 发布 pplx-embed-v2-late 多模态嵌入模型系列，包含 0.6B 和 9B 两种规模，能够在同一嵌入空间中处理文本、图像和视觉文档，关注价值在于它尝试把检索质量与查询成本拆分优化。

• Hugging Face 模型卡显示，两款模型每个 token 输出 128 维向量，并采用 ColBERT 式 late interaction 与 MaxSim 进行匹配。
• 0.6B 模型可作为轻量查询编码器，9B 模型可用于构建索引；官方称二者共享嵌入空间，因此可以用较小模型查询较大模型建立的索引。
• 模型卡列出的 ViDoRe v3 图像检索 nDCG@10 为 0.6B 的 62.3% 和 9B 的 65.2%，这些数字属于发布方列示的测试结果，不等同于所有数据集上的统一结论。
• 模型采用 MIT 许可证，但当前模型卡显示没有推理服务商部署，实际使用仍需自行准备硬件和软件环境。
• 影响/看点：查询端与索引端分离可能降低在线检索成本；能否形成实际优势取决于索引体积、延迟、领域迁移效果以及多模态文档的部署成本。
• 资料依据:
• MarkTechPost（2026-10-07）：https://www.marktechpost.com/2026/10/07/perplexity-ai-releases-pplx-embed-v2-late-a-0-6b-edge-model-and-a-9b-model-scoring-92-4-on-madqa/
• Hugging Face 模型卡（2026-10-07）：https://huggingface.co/perplexity-ai/pplx-embed-v2-late-0.6b

本内容由 AI 生成，仅供参考，请注意甄别