微信开源 WeMM 多模态嵌入登顶 MMEB-v2

腾讯微信视觉团队开源了 WeMM-Embedding，一组通用多模态嵌入模型，代码和权重同时挂上 GitHub 与 Hugging Face，代码部分采用 Apache 2.0 协议。覆盖文本、图像、视频、视觉文档及任意交错混排输入，音频暂不支持。

系列给了 2B、4B、9B 三个规格。在 MMEB-v2 的 78 个数据集上，**2B 综合拿到 77.9 分**，比同规格的 Qwen3-VL-Embedding-2B 高 4.7 分，同时略微超过参数量四倍的 Qwen3-VL-Embedding-8B（77.8 分）；9B 则以 80.6 分登顶榜单。训练靠两段走：先大规模多模态对齐，再用精选数据精修，加入细粒度监督与跨尺度知识迁移，把大模型学到的往小模型上导。

💡 为什么值得看2B 超越 8B 参数，降维输出利好国产多模态 RAG 成本。