模型定位
WeMM-Embedding-9B 是 Tencent 微信視覺團隊開發的通用多模態嵌入模型,為 WeMM-Embedding 系列的 9B 版本。它將不同模態的內容映射至共同向量空間,主要用於表示與檢索,而非生成式對話。(arxiv.org)
能力與用途
- 支援文字、圖片、影片、視覺文件及交錯排列的多模態輸入,可用於跨模態檢索、推薦、分類和內容匹配等任務。(arxiv.org)
- 支援 Matryoshka 可變維度向量:64、128、256、512、1,024、2,048 和 4,096 維;可截取向量後重新進行 L2 正規化。(github.com)
- 官方報告的 MMEB-v2 評測涵蓋 78 個資料集,9B 版本平均分數為 80.6;實際效果仍取決於資料與任務。(github.com)
- 官方報告稱此系列已用於微信影片號、公眾號、朋友圈及電商等搜尋與推薦場景。(arxiv.org)
限制與部署
- 官方儲存庫註明目前不支援音訊輸入。(github.com)
- 模型權重與程式碼已公開,依 Apache License 2.0 授權;第三方元件仍適用各自的授權。可自行部署,但運算及託管成本須另行評估。(huggingface.co)
發布日期
技術報告第一版於 2026-08-25 提交至 arXiv;此日期指報告提交日期。(arxiv.org)
價格
截至 2026-11-16,檢索 Tencent 官方中國大陸站及國際站後,未能核實此特定模型的官方人民幣(CNY/RMB)或美元(USD)API 報價;輸入及輸出計費均未核實,因此不列金額。官方的一般計費說明不代表此模型已有可用 API 或適用該頁的價格。(cloud.tencent.com)