微信开源重磅模型

腾讯旗下的微信团队, 正式对外宣告开源WeMM – 多模态嵌入模型, 此一决定, 在AI领域引发了较为显著的波动。需明确的是, 微信每日都要对数量庞大的内容予以处理, 当下却甘愿将这一套体系拿出来进行分享, 着实展现出了一定的诚意。

WeMM给出2B版本, 给出4B版本, 还给出9B版本, 这三个版本覆盖了从移动端直至服务端的不一样的算力需求, 开发者能够依据自身条件挑选恰当的版本, 不用一次性投入过多资源就能够使用大厂的技术。

技术架构很能打

WeMM这般选择, 是以基于Qwen3.5多模态架构做统一骨干, 使得图像、视频以及文字自起始就在同一个模型里开展共同进程, 此样设计能躲开鉴于多个模型拼接导致的效率耗损, 处理速度更为疾快并且也愈发稳定。

模型对文本、图像、视频、视觉文档实施支持, 还有任意交错着的多模态输入也予以支持, 可谓几乎把所有内容形式都涵盖了。对于从事推荐系统工作的这般团队而言, 这样的灵活性具备着非常实用的特性。对于做搜索引擎的那些团队来讲, 这样的灵活性有着颇为实用的特质。

榜单成绩很亮眼

于权威多模态嵌入榜单MMEB – v2之上, WeMM–9B凭借80.6分处于首位。2B版本亦是有着出色表现, 获取了77.9分, 超越了先前领先的8B开源模型。小体积伴随大性能, 这是诸多开发者所关注的话题。

微信真实的业务打磨造就了成绩背后的情况。这个模型并非实验室所产出的东西, 它是那种经过了海量真实数据予以检验的实战类别系统, 涵盖稳定性以及泛化能力都历经了长期验证。

应用场景广泛

WeMM在微信的推荐跟搜索系统里已被规模极大地进行了部署, 涵盖视频号, 直播, 公众号, 电商以及朋友圈等好些场景, 每日调用的数量已经达到10亿的量级, 这个数目完全能够表明其价值。

用于候选检索的, 是模型生成的多模态表示, 用于排序特征构建的, 也是模型生成的多模态表示, 用于用户序列建模的, 同样是模型生成的多模态表示, 用于跨域内容理解等环节的, 还是模型生成的多模态表示。这些, 乃是整个推荐系统的核心模块, 直接同用户体验以及商业变现相关联。

内部评测数据好

在微信内部所设定的26项任务基准之上, WeMM — 2B相较于同规模的基线, 分数从60.9分提升到了72.0分, 其提升的幅度堪称相当可观, 在分类任务上取得了提升, 在搜索任务上取得了提升, 在跨域匹配任务上取得了提升, 在文章相关任务上取得了提升, 在视频相关任务上取得了提升。

存在诸多方面的全面提升, 这表明模型并非在某一个方面进行投机取巧, 而是整体能力得以增强, 对于开发者而言, 这就意味着能够信任模型的通用性, 不必针对特定场景去单独开展调优工作。

开源影响深远

微信将WeMM进行开源, 这对于AI生态所具有的意义的确是没办法被忽视掉的。那些大厂居然愿意把核心的基础设施给开放出来, 这样一来就会使得中小团队所面临的技术门槛有所降低, 进而能够让更多的人拥有使用高质量模型的机会。

这同样释放出了一个信号, 国内科技巨头正从封闭向着开放而行, 对于开发者来讲, 这是一个能够尝试新方案、探索新玩法的良好时机, 你认为这个开源举措会给行业带来怎样的变化?