TLDR AIメディア報道·2026年8月27日 09:00·約7分

WeChat Vision チームがマルチモーダル埋め込みモデル「WeMM-Embedding」を公開

本文の状態

日本語全文あり

詳細モードで約7分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

TLDR AI

30秒でわかる

WeChat Vision チームがテキスト、画像、動画、視覚文書、および複合マルチモーダル入力を統一的に表現する「WeMM-Embedding」モデルファミリーを公開し、複数のベンチマークで最高性能を達成した。

記事の3ポイント

多様なモダリティへの対応
テキスト、画像、動画、視覚文書、そしてこれらが混在する複合入力までを統一的な表現に変換できるマルチモーダルモデルである。
高性能の達成とベンチマーク結果
多様なタスクやドメインにわたる複数のベンチマークにおいて、同社によると最高性能（state-of-the-art）を記録している。
Matryoshka 次元のサポート
WeMM-Embedding-2B、4B、9B の各モデルが提供され、64 から 2560 までの多様な埋め込み次元を柔軟に選択できる Matryoshka 構造を採用している。