模型定位
WeMM-Embedding-2B 是 Tencent 微信視覺團隊開發的通用多模態嵌入模型,屬於 WeMM-Embedding 系列的 2B 版本。它將不同模態的內容表示為向量,供相似度計算與檢索使用。(github.com)
能力與用途
- 支援文字、圖片、影片、視覺文件及交錯多模態輸入,可用於跨模態搜尋、內容匹配和多模態檢索增強生成(RAG)。
- 完整嵌入向量為 2048 維,亦支援 64、128、256、512、1024 維的 Matryoshka 截斷表示;截斷後需重新正規化。官方表示,在 MMEB-v2 測試中,256 維保留了完整維度圖片及影片效能的 98.7%。
- 可使用 Transformers 或 Sentence Transformers 推論,亦提供 vLLM 和 SGLang 部署方式。(github.com)
限制與授權
- 目前不支援音訊輸入;降低向量維度可能損失部分效能。
- 官方建議使用
transformers==5.2.0進行推論及重現,因更新版本的預處理行為可能不同。 - 模型程式碼、參數及權重以 Apache License 2.0 發布;第三方元件仍受其原有授權條款約束。(github.com)
發布日期
技術報告初版於 2026-08-25 提交至 arXiv;此日期是報告提交日期,不應直接視為已核實的託管 API 上線日期。(arxiv.org)
價格
截至 2026-11-16,檢索 Tencent 中國大陸官方站及國際官方站,未核實到此特定模型的官方 API 報價。因此,人民幣或美元的輸入及輸出計費金額、計費單位均未核實。可自行部署已發布的模型,但部署所需的運算資源費用取決於所用環境。