Tencent lança WeMM-Embedding: modelo multimodal para processamento de consultas
Tencent lança WeMM-Embedding: modelo multimodal para processamento de consultas
A Tencent apresentou o WeMM-Embedding, um novo modelo multimodal que processa cerca de 1 bilhão de consultas diárias. Suportando texto, imagens e vídeo, o sistema oferece flexibilidade dimensional para diversas tarefas.
A Tencent lançou o WeMM-Embedding — um modelo multimodal que processa aproximadamente 1 bilhão de consultas por dia dentro da plataforma Weixin.
O modelo funciona com texto, imagens e vídeos, levando em consideração a ordem em que esses elementos aparecem.
A versão de 9B parâmetros ficou em primeiro lugar no benchmark MMEB-v2, com uma pontuação de 80,6.
Já a versão menor, de 2B parâmetros, mantém 98,7% da qualidade mesmo quando a dimensionalidade é reduzida para 256.
Além disso, a dimensionalidade pode ser ajustada dinamicamente: reduzida para 64 para buscas rápidas ou aumentada para 2048 para rankings mais precisos — tudo isso sem necessidade de retreinar o modelo.
Atualmente, o WeMM-Embedding está disponível em acesso aberto.
Por que isso importa
AnáliseEste modelo abre novas possibilidades para o processamento de consultas multimídia, podendo aprimorar significativamente a experiência do usuário em diversas aplicações. O acesso aberto ao código também impulsionará o desenvolvimento de tecnologias de IA.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores