腾讯开源 WeMM-Embedding 多模态嵌入模型，登顶 MMEB 榜单

腾讯在 Hugging Face 上开源发布 WeMM-Embedding 系列通用多模态嵌入模型，提供 2B、4B、9B 三个规格，均基于 Qwen3.5 并采用 Apache 2.0 许可。该系列可将文本、图像、视频和视觉文档嵌入同一向量空间，支持跨模态检索，尤其面向视频语料场景的混合媒体检索。

已确认

• 三规格：WeMM-Embedding-2B、4B、9B，基于 Qwen3.5，Apache 2.0 开源
• 多模态文档表示：单个输入可交错包含多张图片或多个视频
• MMEB-v2（78 个数据集）成绩：9B 版 80.6 分居首，超过闭源 DME-Medium（78.4）与 Qwen3-VL-Embedding-8B；2B 版以约四分之一参数量反超 8B 模型
• 视频子集优势最大：WeMM-9B 74.3、WeMM-2B 70.8、Qwen3-VL-Embedding-8B 67.1，2B 版领先 8B 达 3.7 分
• MMEB-v3（覆盖 190 个任务，含文本、agent、跨模态检索等）：9B 版 59.5 居榜首，4B 版 58.2，2B 版超过 7B/8B 级模型

为什么重要

• 开源且许可宽松，为跨模态检索、RAG 与视频检索应用提供了可直接落地的统一嵌入方案
• 小尺寸模型在权威基准上反超更大参数量的竞品，说明架构与训练策略的效率优势，降低了部署成本

2026-09-02 ~ 2026-09-02 · 6 条相关

• 【源头】腾讯开源 WeMM-Embedding：文本图像视频统一嵌入，Apache 2.0 — tomaarsen · 2026-09-02
• WeMM-Embedding 登顶 MMEB-v2：2B 版以四分之一参数反超 8B 模型 — tomaarsen · 2026-09-02
• 视频检索差距最大：WeMM-2B 在 MMEB-v2 视频子集超 8B 达 3.7 分 — tomaarsen · 2026-09-02
• 腾讯 WeMM 多模态嵌入模型发布，支持图文视频统一检索 — tomaarsen · 2026-09-02
• 【源头】WeMM-Embedding 登顶 MMEB-v3：9B 得 59.5 分，2B 超 7B/8B 模型 — tomaarsen · 2026-09-02

另有 1 条近重复转述:tomaarsen