模型定位
WeMM-Embedding-2B 是腾讯微信视觉团队研发的通用多模态嵌入模型,基于 Qwen3.5,将不同模态映射到统一的向量表示空间;其主要输出是嵌入向量,而非对话文本。(huggingface.co)
能力与用途
- 支持文本、图像、视频、视觉文档及交错多模态输入,适用于跨模态检索、相似度匹配、搜索和推荐等场景。
- 完整输出为 2048 维、经 L2 归一化的向量;支持 64、128、256、512、1024 和 2048 维 Matryoshka 嵌入。截取较短向量后需重新归一化。(huggingface.co)
- 官方报告的 MMEB-v2 评测覆盖 78 个数据集,2B 模型平均分为 77.9;具体效果取决于任务和评测设置。(github.com)
部署与限制
- 当前不支持音频输入。模型代码、公开参数和权重采用 Apache License 2.0;第三方组件仍受其原有许可证约束。
- 可自行部署;官方仓库提供 Transformers、Sentence Transformers、vLLM 和 SGLang 的使用说明。自行部署仍需承担计算和运维成本。(huggingface.co)
发布日期
技术报告 v1 于 2026-08-25 提交 arXiv;该日期是已核实的报告提交日期,不一定等同于模型权重或商业 API 的发布日期。(arxiv.org)
价格
截至 2026-11-16,检索腾讯云国内站人民币报价及腾讯云国际站美元报价,均未查到可核实的本模型官方托管 API 价格;输入和输出计费方式及金额均未核实。开放权重许可不等于托管推理或自行部署没有成本。(huggingface.co)