腾讯开源 WeMM-Embedding 多模态嵌入模型，9B 版 MMEB 双榜登顶
腾讯于 8 月 25 日在 Hugging Face 发布通用多模态嵌入模型家族 WeMM-Embedding，次日发布配套技术报告。该系列基于 Qwen3.5 构建，提供 2B、4B、9B 三种规模，将文本、图像、视频、视觉文档及任意交错多模态输入对齐到共享表示空间，返回 4096 维 L2 归一化嵌入向量。9B 版本在 MMEB v2 与 v3 双榜登顶，模型已在微信生态大规模落地。
已确认
- 模型家族含 2B、4B、9B 三个版本，基于 Qwen3.5 架构，2B 版本采用 MRL（Multi-Resolution Representation Learning）技术
- 支持文本、图像、视频、视觉文档与交错多模态输入，输出 4096 维 L2 归一化嵌入；暂不支持音频输入
- 9B 版本在 MMEB v2 与 v3 基准上达到 SOTA
- 据 @NielsRogge 对比，该模型在 COCO 图文检索（图像到文本）等任务上表现领先
- 训练分两阶段：大规模多模态对齐阶段与使用精选数据的后续阶段
- 据 @aigclink 介绍，模型由腾讯微信视觉团队开源，已应用于微信视频号、公众号、朋友圈及电商的搜索推荐
- 据 @reachsumit 转述，2B 小模型即超越 8B 基线
为什么重要
统一多模态嵌入空间是实现跨模态检索与推荐的关键组件；WeMM-Embedding 将文本、图像、视频、文档映射到共享表示空间并在 MMEB 上登顶，且小规模版本即具竞争力，对检索与推荐应用具有较高实用价值。其在大规模微信应用中的落地也提供了真实场景验证。
2026-08-25 ~ 2026-08-26 · 7 条相关
一手来源
- 腾讯 WeMM-Embedding 多模态嵌入模型技术报告 — tencent ·
- 腾讯发布 WeMM-Embedding-2B 多模态嵌入模型 — tencent ·
- 腾讯发布通用多模态嵌入模型，登顶 MMEB 榜单 — NielsRogge ·
- 【源头】腾讯发布 WeMM-Embedding-2B 多模态嵌入模型 — tencent · 2026-08-25
- 腾讯发布 WeMM-Embedding 多模态嵌入模型 — jacek2023 · 2026-08-25
- 【源头】腾讯发布通用多模态嵌入模型，登顶 MMEB 榜单 — NielsRogge · 2026-08-25
另有 4 条近重复转述:tencent · _reachsumit · aigclink · aigclink