モデルの位置づけ
Tencentの微信視覚チームが開発した、Qwen3.5ベースの汎用マルチモーダル埋め込みモデルです。入力を共通のベクトル空間に表現し、テキスト生成ではなく特徴抽出や類似度計算に用います。(huggingface.co)
能力と用途
- テキスト、画像、動画、視覚文書、それらを交互に組み合わせた入力に対応します。
- 出力はL2正規化された埋め込みベクトルで、最大2,560次元です。Matryoshka方式により64、128、256、512、1,024、2,560次元を選択できます。
- マルチモーダル検索、推薦、分類、エージェント向けの情報検索などに利用できます。公式リポジトリでは、MMEB-v2の78データセットにおける4Bモデルの平均スコアを79.2と報告しています。(github.com)
制限と提供形態
音声入力には対応していません。Tencentが公開したコード、モデルパラメーター、重みはApache License 2.0の対象で、第三者コンポーネントにはそれぞれのライセンスが適用されます。自己ホスト時は計算資源と運用環境が必要です。(huggingface.co)
価格
2026年11月16日調査時点で、Tencentの中国国内向け公式情報と国際向け公式情報を検索しましたが、このモデルに固有のAPI料金は確認できませんでした。したがって、CNY・USDのいずれについても入力課金・出力課金の金額と単位は未確認です。他のEmbeddingサービスの料金を本モデルの価格として流用していません。(cloud.tencent.com)
公開日と公式情報
- 技術報告の初版提出日:2026年8月25日。これは報告の提出日であり、モデル配布の開始日と同一とは限りません。(arxiv.org)
- Tencent著者による技術報告(arXiv v1)
- Tencent公式モデルカード
- Tencent公式リポジトリ