En grupp på tio författare publicerade en teknisk rapport på arXiv den 21 October 2026 om pplx-embed-v2-late. Arbetet presenterar två nya modeller – en med 0.6 billion parametrar och en med 9 billion parametrar – som kan hantera text, bilder och skannade dokument på många språk. Forskarna hävdar att modellerna slår alla andra system i jämförbar storlek på flera sökuppgifter, och att den mindre modellen är tillräckligt snabb för sökningar i realtid.
Så samarbetar modellerna
Båda modellerna tränades genom ”representation distillation” från en större modell med 18 billion parametrar. Det innebär att den stora modellen lärde de två nya modellerna att skapa liknande embeddingar – de numeriska vektorer som används vid sökning – trots att de är mycket mindre. Eftersom embeddingarna delar samma rum kan användare indexera en samling med 9 B-modellen, som skapar mer träffsäkra vektorer, och sedan söka i den med den lättare 0.6 B-modellen, som svarar snabbt.
Var kan man hämta modellerna?
Författarna har lagt in nedladdningslänkar på rapportens rad ”this https URL”. Rapporten innehåller inga uppgifter om pris eller licens, så modellerna verkar vara kostnadsfritt tillgängliga för akademisk användning eller forskning.
Varför det spelar roll
För utvecklare som bygger sökmotorer eller rekommendationsverktyg innebär modellparet att de kan behålla hög kvalitet på indexeringen med 9 B-modellen och samtidigt snabbt hantera användarnas sökningar med 0.6 B-modellen. Det kan sänka beräkningskostnaderna för flerspråkiga tillämpningar med mycket bilder, men oberoende benchmarkresultat saknas ännu.
