微信开源多模态嵌入模型 WeMM-Embedding，已用于推荐与搜索系统
Miranda 微信AI团队于9月4日宣布，开源通用多模态嵌入模型 WeMM-Embedding，提供 2B、4B、9B 三个参数版本。该模型可处理文本、图像、视频、视觉文档以及任意交错的多模态输入，并在微信推荐与搜索系统中承担每日十亿量级的调用。
微信AI团队介绍，WeMM-Embedding 采用 Qwen3.5 多模态架构作为统一骨干，使图像、视频和文字在同一个模型中共同处理。在 MMEB-v2 多模态嵌入评测中，9B 版本以 80.6 分排名第一；2B 版本获得 77.9 分，超过此前领先的 8B 开源模型。
目前，该模型已经部署在视频号、直播、公众号、电商与朋友圈等场景，生成的多模态表示用于候选检索、排序特征构建、用户序列建模和跨域内容理解等环节。微信内部 26 项任务基准显示，WeMM-Embedding-2B 的得分从同规模基线的 60.9 提升至 72.0，在分类、搜索、跨域匹配、文章相关和视频相关五类任务上均有提高。
代码仓库与模型集合已在 GitHub 和 Hugging Face 公开。
