모델 개요
Tencent의 WeChat Vision 팀이 개발한 9B 규모의 범용 멀티모달 임베딩 모델입니다. 텍스트, 이미지, 동영상, 시각 문서와 이들이 섞인 입력을 공통 벡터 공간에 표현합니다. Qwen3.5를 기반으로 합니다. (github.com)
능력과 용도
- 기본 출력은 L2 정규화된 4,096차원 임베딩입니다. Matryoshka 표현을 이용해 64, 128, 256, 512, 1,024, 2,048 또는 4,096차원을 선택할 수 있습니다. (github.com)
- 텍스트와 이미지·동영상 간 검색, 시각 문서 검색, 추천, 분류 및 에이전트 시스템에 활용할 수 있습니다. (arxiv.org)
- 개발팀 보고에 따르면 MMEB-v2의 78개 데이터셋 평가에서 9B 모델의 전체 평균 점수는 80.6입니다. 이는 해당 평가 설정의 결과이며 모든 실제 작업에서의 성능을 보장하지 않습니다. (github.com)
제한 및 배포
- 오디오 입력은 지원하지 않습니다. 이 모델은 답변 생성이 아니라 벡터 표현을 위한 임베딩 모델입니다. (huggingface.co)
- 코드와 모델 가중치는 공개되어 있으며 Apache License 2.0이 적용됩니다. 제3자 구성요소에는 각 구성요소의 라이선스가 적용됩니다. 자체 배포 시 인프라 비용이 발생할 수 있습니다. (huggingface.co)
가격
2026년 11월 16일 확인 기준, 이 모델에 해당하는 공식 API의 입력 및 출력 요금과 과금 단위는 확인되지 않았습니다. Tencent Cloud의 중국 국내 CNY 가격표와 국제 사이트의 USD 가격표를 각각 확인했지만, 확인한 페이지에는 이 모델이 기재되어 있지 않습니다. 다른 임베딩 모델의 가격을 이 모델에 적용하지 않았습니다. (cloud.tencent.com)
날짜와 공식 출처
- 공개일: 입력에 기재된 2026년 8월 25일은 기술 보고서 초판의 arXiv 제출일로 확인됩니다. 모델 가중치의 별도 최초 공개일은 확인되지 않았습니다. (arxiv.org)
- 기술 보고서 초판
- Tencent 공식 GitHub 저장소
- Tencent 공식 모델 카드 및 가중치
- 가격 확인: Tencent Cloud 중국 국내 TokenHub 가격표, Tencent Cloud 국제 사이트 검색 서비스 가격표. 확인일: 2026년 11월 16일.