Tencent lanza WeMM-Embedding — un modelo multimodal para el procesamiento de consultas
Tencent lanza WeMM-Embedding — un modelo multimodal para el procesamiento de consultas
Tencent ha presentado WeMM-Embedding, un nuevo modelo multimodal que procesa alrededor de 1 mil millones de consultas diarias. El modelo admite texto, imágenes y video, ofreciendo flexibilidad en la dimensionalidad para diversas tareas.
Tencent ha lanzado WeMM-Embedding — un modelo multimodal que procesa aproximadamente 1 mil millones de consultas por día dentro de Weixin.
El modelo trabaja con texto, imágenes y videos, teniendo en cuenta el orden en que aparecen.
La versión de 9B ocupó el primer lugar en MMEB-v2 con una puntuación de 80,6.
La versión más pequeña de 2B mantiene el 98,7% de calidad incluso con una dimensionalidad de 256.
Además, la dimensionalidad se puede reducir a 64 para una búsqueda rápida o aumentar a 2048 para un ranking más preciso, sin necesidad de volver a entrenar el modelo.
Ahora, WeMM-Embedding está disponible en acceso abierto.
Por qué es importante
AnálisisEste modelo abre nuevas posibilidades para el procesamiento de consultas multimedia, lo que puede mejorar significativamente la experiencia del usuario en diversas aplicaciones. El acceso abierto al modelo también fomentará el desarrollo de tecnologías de IA.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Tencent lanza Hy4: un modelo con pesos abiertos que desafía a DeepSeek
Tencent presentó Hy4, un modelo multimodal que obtuvo 75,2 puntos en APEX-Agents en pruebas internas, por delante de DeepSeek V4.1 Flash-1017. La empresa planea publicar los pesos.
JSON — Datos estructurados para programas, APIs y agentes de IA
Guía práctica y completa sobre JSON: especificación de sintaxis, serialización con parse y stringify, consumo de APIs REST, validación con JSON Schema y salidas estructuradas para LLMs.
Formato CSV: guía completa para automatizaciones y flujos de IA
Guía práctica sobre el formato CSV en flujos de IA: estándar RFC 4180, comparativa con XLSX y JSON, limpieza masiva, enriquecimiento de datos, scripts en Python y prompts para producción.
Google Gemini Pro (Modelo de Google con Contexto Infinito)
Modelo de trabajo principal de Google DeepMind con una ventana de contexto récord de más de 2 millones de tokens. Capaz de analizar libros completos, grabaciones de video y enormes bases de código en una sola consulta.