← 全部模型

WeMM-Embedding-4B

发布时间 发布主体 Tencent

模型定位

WeMM-Embedding-4B 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,将不同模态的内容映射到统一的向量表示。它主要用于特征提取和相似度计算,而不是生成式对话。(huggingface.co)

能力与用途

  • 支持文本、图像、视频、视觉文档以及交错排列的多模态输入。
  • 默认输出 2,560 维、经过 L2 归一化的向量;支持 Matryoshka 嵌入维度 64、128、256、512、1,024 和 2,560。缩减维度时需截取向量并重新归一化。
  • 可用于跨模态检索、内容匹配、相似度计算,以及多模态检索增强生成等场景。(huggingface.co)

部署与限制

  • 当前不支持音频输入。
  • 官方提供模型权重和代码,可使用 Transformers 或 Sentence Transformers 加载,也提供服务部署说明。官方建议推理和复现时使用 transformers==5.2.0;更新版本的预处理行为可能不同。
  • 腾讯公开的代码、模型参数和权重采用 Apache License 2.0;第三方组件仍遵循各自许可证。(huggingface.co)

评测

腾讯官方仓库报告,4B 模型在覆盖 78 个数据集的 MMEB-v2 上平均得分为 79.2;在覆盖 190 个任务的 MMEB-v3 上总体得分为 58.0,其中不支持的音频任务按零分计入。评测结果取决于所用数据集和评测方法,不能保证实际应用效果。(github.com)

发布日期

关联技术报告的 arXiv 首次提交日期为 2026 年 8 月 25 日;该日期不必然等同于模型权重的发布日期。(arxiv.org)

价格

查询日期:2026 年 11 月 16 日。检索腾讯云国内站与国际站的官方定价资料后,未核实到专门适用于 WeMM-Embedding-4B 的 API 报价,其输入和输出计费金额及单位均未核实。其他嵌入模型或通用接口的价格不能直接套用于本模型。自行部署则需考虑计算和基础设施成本。(cloud.tencent.com)

官方来源