微信开源 WeMM-Embedding：9B 模型登顶 MMEB-v2，已用于视频号、公众号与电商检索

多模态模型文本渲染开源模型模型评测与对比视觉理解本地化运行多模态生成Apache 2.0协议GitHub开源

2026-08-27 11:45

124 浏览

0 点赞

AI 速览

微信开源多模态嵌入模型 WeMM-Embedding，支持文本、图片、视频统一向量表示，适用于检索、RAG 和推荐系统开发者。核心事实 - 模型主体：微信视觉团队开发的 WeMM-Embedding，含 2B/4B/9B 三档参数规模 - 技术特点：统一表示文本、图片、视频与视觉文档，支持 matryoshka 式多维输出（64–4096 维） - 开源协议：权重以 Apache 2.0 协议发布于 GitHub 与 Hugging Face - 性能表现：9B 版在 MMEB-v2 榜单总分 80.6 登顶，MMEB-v3 190 项任务亦称第一 - 应用场景：已用于微信视频号、公众号、朋友圈及电商的搜索与推荐系统 - 输入限制：官方明确暂不支持音频输入避坑提示 - 基准分数为作者自评结果，尚未经过社区复现验证 - 实际生产效果需开发者自行实测，尤其在非支持模态（如音频）场景价值点为多模态检索与 RAG 开发者提供了一个已在真实业务中落地、支持多模态统一表示且算力可选的开源嵌入模型选项。

8月27日消息，腾讯微信视觉团队开源多模态嵌入模型 WeMM-Embedding。这是一个统一表示文本、图片、视频与视觉文档的嵌入模型族，分为 2B、4B、9B 三档，权重以 Apache 2.0 协议发布在 GitHub 与 Hugging Face。官方称，9B 版在 MMEB-v2 上以 80.6 的总分位列第一，在 MMEB-v3 上同样领先；该模型已用于视频号、公众号、朋友圈与电商等场景的搜索与推荐。

嵌入模型负责把内容转成向量，是向量检索、RAG 与推荐系统里的基础组件。WeMM-Embedding 的意义在于把文本、图片、视频统一成同一套表示，并提供了可从多档维度输出的适配能力。

微信开源 WeMM-Embedding：9B 模型登顶 MMEB-v2，已用于视频号、公众号与电商检索

微信的多模态嵌入模型族

WeMM-Embedding 由微信视觉团队开发，为文本、图片、视频、视觉文档以及交错的多模态输入提供统一表示，支持 matryoshka 式多输出维度：以 9B 为例，可从 64 一路到 4096 维截取，便于按算力与存储灵活取舍。嵌入取自最后一层隐藏状态中的 token 位置，再经 L2 归一化。官方明确音频输入目前不支持。

开源的 2B、4B、9B 三档覆盖不同算力档位，文本、图片、视频输入均通过 Transformers 或 Sentence Transformers 使用，官方给出 vLLM 与 SGLang 的服务配置。配套的技术报告发布在 arXiv（2608.24053）。

9B 在 MMEB 上领先

在 MMEB-v2 榜单上，WeMM-Embedding 9B 以 80.6 的总分领先表中其他开源与闭源条目，包括页面上标注为「未公开权重与公共推理端点」的闭源提交。按官方公布口径，9B 在 MMEB-v3 的 190 项任务上同样位列第一。需要说明的是，这些基准分数是作者在开源榜上的自评结果，有待社区复现验证。

已在微信生产里，向开发者开源

微信视觉团队称，WeMM-Embedding 已为视频号、公众号、朋友圈与电商等场景的文本、图片与视频搜索和推荐提供动力。一个在真实内容与交易场景里服役的模型被拿出来开源，对做检索、RAG 与多模态搜索的开发者的直接意义是：多了一个有 MMEB 背书、支持文本/图片/视频统一表示、并按算力档给出 2B/4B/9B 的选择。至于它的实际检索与推荐效果能否达到生产水准，以及音频等暂不支持的方向，仍要看开发者自己的实测与后续版本。

好文章，需要你的鼓励