微信开源通用多模态嵌入模型 WeMM-Embedding 已部署于推荐与搜索系统

根据公开资料，微信 AI 官方宣布开源了通用多模态嵌入模型 WeMM-Embedding。该模型提供了三个不同规模的版本：2B、4B 和 9B。

WeMM-Embedding 在技术架构上选择基于 Qwen3.5 多模态架构作为统一骨干，使其能够共同处理图像、视频和文字这三种不同的数据类型，实现多模态的嵌入表示能力。这种统一的骨干设计是模型能够服务于微信复杂生态系统的基础。

在性能表现方面，WeMM-Embedding 展现出领先的竞争力。具体到权威多模态嵌入榜单 MMEB-v2 上，WeMM-Embedding-9B 以 80.6 分位名列第一。此外，即使是较小的 WeMM-Embedding-2B 版本，在 MMEB-v2 上也取得了 77.9 的成绩，这一得分超过了此前领先的 8B 开源模型。

这些模型的性能提升并非仅停留在学术榜单上。根据公开资料显示，WeMM-Embedding 已大规模部署于微信的推荐与搜索系统，其应用范围覆盖了视频号、直播、公众号、电商以及朋友圈等多个核心业务场景。

在实际的应用层面，模型生成的多模态表示被用于支撑多个关键环节的优化，包括候选检索、排序特征构建、用户序列建模和跨域内容理解等。这表明 WeMM-Embedding 的能力已经深入到微信生态系统的底层推荐逻辑中。

从更细致的任务基准来看，WeMM-Embedding-2B 在微信内部设定的 26 项任务基准上表现突出。数据显示，WeMM-Embedding-2B 相比同规模的基线模型，在这些任务上的得分从 60.9 分提升到了 72.0 分。

这种性能的全面提升体现在多个具体功能模块。根据公开资料指出，WeMM-Embedding-2B 在分类、搜索、跨域匹配、文章相关和视频相关这五类任务上均取得了显著的提升效果，体现了模型在不同内容理解维度上的增强能力。

从时间线角度看，微信 AI 官方宣布开源 WeMM-Embedding 并确认其大规模部署状态，标志着公司在利用前沿多模态大模型技术赋能核心产品体验方面迈出了重要一步。这预示着未来用户在微信内获取信息和内容消费的体验将更加智能化和精准化。

对于关注人工智能落地应用的读者而言，可以理解为通用嵌入模型的开源与大规模部署，代表了行业从单纯的模型发布向实际业务流程深度融合的转变。后续观察点在于 WeMM-Embedding 在处理更复杂、更长尾场景下的鲁棒性和效率优化情况。