tencent/WeMM-Embedding 9B/4B/2B
摘要
腾讯推出 WeMM-Embedding，这是一系列基于 Qwen3.5 构建的通用多模态嵌入模型，提供 9B、4B 和 2B 尺寸，支持文本、图像、视频和视觉文档的嵌入生成。
WeMM-Embedding-9B 是一款基于 Qwen3.5 构建的通用多模态嵌入模型。它接受文本、图像、视频、视觉文档以及交错的多模态输入，并返回一个 4096 维的 L2 归一化嵌入。不支持音频输入。https://huggingface.co/tencent/WeMM-Embedding-9B https://huggingface.co/tencent/WeMM-Embedding-4B https://huggingface.co/tencent/WeMM-Embedding-2B https://github.com/Tencent/WeMM-Embedding/blob/main/assets/WeMM_Embedding_tech_report.pdf
相似文章
Nemotron-3-Embed 1B/8B
NVIDIA 发布了 Nemotron-3-Embed 1B 和 8B 模型，这是最先进的多语言文本嵌入模型，用于检索和语义相似度，针对 RAG 系统进行了优化。
UEmbed：统一稀疏与稠密多模态嵌入
UEmbed 是一个仅解码器的多模态嵌入模型，能够在一次前向传播中同时生成稀疏和稠密表示，已发布 2B、4B 和 9B 三种规模。它在 MMEB-v2 上优于现有基于公开数据训练的多模态嵌入模型，并在 BEIR 上保持竞争力。
Qwen3.7预览版登陆Arena（1分钟阅读）
阿里巴巴Qwen宣布两大重要模型发布：Qwen3-Omni，首个原生端到端全模态AI，统一处理文本、图像、音频和视频；以及Qwen3-Next-80B-A3B，一款超高效MoE模型，每个token激活30亿参数，实现了SOTA性能，推理速度比Qwen3-32B快10倍。
tencent/EVIE-Preview-4.5B · Hugging Face
EVIE-Preview-4.5B 是一款来自Tencent的最先进的多语言视觉文档检索模型，采用ColBERT风格的晚期交互，在ViDoRe基准测试中表现领先，使用128维的token嵌入。
Qwen3.8-27B
Qwen 发布了 Qwen3.8-27B 的开源权重，这是一个原生多模态稠密模型，拥有 27B 参数，整体性能超越 Qwen3.7-Plus，支持 262K 原生上下文并可扩展至 1M，采用 Apache 2.0 许可。