모델 개요
Tencent WeChat Vision 팀이 개발한 범용 멀티모달 임베딩 모델이다. Qwen3.5를 기반으로 하며, 텍스트·이미지·동영상·시각 문서와 이들이 섞인 입력을 공통 벡터 공간으로 표현한다. 주요 용도는 멀티모달 검색, 추천, 분류 및 에이전트 시스템의 검색이다. (huggingface.co)
기능 및 활용
- 기본 출력은 L2 정규화된 2,560차원 임베딩이다. Matryoshka 표현을 통해 64, 128, 256, 512, 1,024, 2,560차원을 선택할 수 있다. (huggingface.co)
- 공식 MMEB-v2 평가에서 78개 데이터셋 기준 평균 79.2점, 이미지 80.8점, 동영상 72.1점, 시각 문서 82.0점을 기록했다. 이미지·동영상은 Hit@1, 시각 문서는 NDCG@5로 평가했다. (github.com)
- 모델 가중치와 코드를 공개했으며, 공식 모델 카드에 따르면 Tencent가 공개한 코드·파라미터·가중치에는 Apache License 2.0이 적용된다. 제3자 구성요소에는 각자의 라이선스가 적용된다. (huggingface.co)
제한
- 오디오 입력은 지원하지 않는다. 이 모델은 생성형 답변 대신 임베딩 벡터를 반환한다. (huggingface.co)
- 공식 저장소는 추론과 재현성을 위해
transformers==5.2.0을 권장하며, 더 최신 버전에서는 전처리 동작이 달라질 수 있다고 설명한다. (github.com)
발표일
관련 기술 보고서의 최초 제출일은 2026년 8월 25일이다. 이는 보고서 제출일이며, 별도의 모델 최초 공개일은 확인되지 않았다. (arxiv.org)
가격
2026년 11월 16일 조회 기준, Tencent의 중국 국내 및 국제 공식 자료에서 이 모델에 특정된 CNY 또는 USD API 요금을 확인하지 못했다. 따라서 입력 및 출력 과금 단가와 단위는 모두 미확인이다. 공개 가중치를 자체 호스팅할 경우에도 컴퓨팅·저장 비용은 별도로 발생할 수 있다. 공식 가격표에 다른 임베딩 모델의 요금이 있더라도 이 모델의 가격으로 적용하지 않았다. (cloud.tencent.com)