微信开源多模态模型日调用十亿次

微信AI团队近日宣布将通用多模态嵌入模型WeMM-Embedding正式开源，这一举动引发了开发者社区的广泛关注。该模型包含2B、4B、9B三个参数版本，能够支持文本、图像、视频、视觉文档以及任意交错的多模态输入，为构建跨模态语义理解提供了统一解决方案。

据微信内部员工透露，WeMM-Embedding并非停留在实验阶段的演示项目，而是已经在微信生态中承担起关键的基础检索角色。目前，该模型已被大规模应用于朋友圈搜索、视频号推荐、公众号推荐以及微信电商等核心业务场景，每日调用量高达10亿次。这意味着，用户在微信中每一次搜索图片、滑动推荐流，背后都可能由这一多模态模型驱动，实现更精准的内容匹配与语义理解。

从技术层面来看，WeMM-Embedding的核心价值在于将不同模态的数据映射到同一个语义空间，使得系统能够直接对文字、图片和视频进行统一的比较与检索。这种设计突破了传统单一模态嵌入的局限，让跨模态检索变得更加自然和高效。例如，用户可以用一段文字描述某个生活场景，系统便能从海量视频或图片中找出视觉内容与之匹配的结果，甚至在电商购物时通过图片理解商品属性并关联到合适的推荐文本。

该模型的性能同样经得起检验。在国际权威评测榜单MMEB-v2上，WeMM-Embedding取得了第一名的成绩，超越了此前所有已提交的开源与闭源模型。这一结果不仅验证了微信视觉团队在多模态理解领域的深厚积累，也为开源社区提供了一个极具竞争力的基线模型。

微信团队选择将如此大规模应用的核心模型开源，无疑会推动多模态检索技术的普及与创新。开发者可以基于不同大小的版本，在资源受限的边缘设备或高性能服务器上灵活部署，构建自己的跨模态搜索、推荐或内容理解系统。同时，开源也意味着可复现性和社区协作的可能性更大，后续版本有望在更多场景中释放潜力。随着微信生态对多模态能力的需求持续增长，WeMM-Embedding的开源或将加速行业在多模态AI应用上的探索步伐。