微信开源多模态Embedding模型族

#HF_PAPERS HuggingFace Papers 2026.08.27

推荐指数 74.0 NO. 025 · 2026.08.27

upvotes54comments1

为什么值得看

WeMM-Embedding 是微信推出的通用多模态嵌入模型系列，支持文本、图像、视频及交错输入，提供 2B/4B/9B 三档尺寸和灵活输出维度，已在微信大规模业务中验证。对需要构建跨模态检索、推荐系统的团队，这是少数经过超大规模生产环境打磨的开源方案。

媒体预览

编辑判断

多模态 embedding 赛道之前被 Jina AI、OpenAI 的 text-embedding-3 和 Google 的 multimodal embedding 占据，但要么不开源、要么只支持图文。WeMM 的差异化在于原生支持视频和任意交错格式，且输出维度可调——这对长视频检索和文档理解场景很关键。

9B 版本在 MMEB 等基准上超过 E5-V 和 GME 等开源方案，但论文未披露训练数据规模和具体微信业务场景的性能数字，复现时需注意。

如果你在做电商商品检索、短视频推荐或 Agent 的多模态记忆模块，建议优先试 4B 版本，性价比最均衡。