# 多语言多模态模型 pplx-embed-v2-late 发布

> 研究人员推出 0.6B 和 9B 两种规格的模型，在文本、图像和视觉文档搜索基准测试中创下业界领先成绩。

Oossa · 2026-10-22 · https://oossa.com/zh/new-multilingual-multimodal-models-pplx-embed-v2-late-released

一支由十位作者组成的团队于 2026年10月21日在 arXiv 发布技术报告，介绍 pplx-embed-v2-late。此次推出两款新模型，参数量分别为 0.6 billion 和 9 billion，可处理多种语言的文本、图像和扫描文档。作者称，在多项检索任务中，这两款模型的表现超过了所有同等规模的其他系统，而且较小的模型速度足够快，可用于实时查询。

## 两款模型如何协同工作

两款模型都通过对更大的 18 billion 参数教师模型进行“表征蒸馏”训练。也就是说，大模型教会这两款新模型生成相似的嵌入向量——用于搜索的数值向量，同时让它们保持更小的规模。由于嵌入向量处于同一空间，用户可以用 9B 模型建立索引（生成更准确的向量），之后再用轻量级的 0.6B 模型进行搜索，快速获得结果。

## 获取方式

作者在报告中的“this https URL”一行提供了下载链接。论文没有说明价格或许可条款，因此这些模型似乎可供学术或研究用途免费使用。

## 事实

- 报告于 2026年10月21日提交（“Wed, 21 Oct 2026 10:10:26 UTC”）。
- 提供两种规格：pplx-embed-v2-late‑0.6b（0.6 B 参数）和 pplx-embed-v2-late‑9b（9 B 参数）。
- 两款模型均通过蒸馏从一个 18 B 参数的教师模型进行训练。
- 在视觉文档检索基准测试中，0.6 B 模型的表现可与更大模型持平或胜过它们。
- 这些模型支持多语言和多模态，可处理文本、图像和扫描文档。

## 为什么重要

对于开发搜索引擎或推荐工具的人员来说，这两款模型可以让他们用 9 B 模型保持较高的索引质量，同时用 0.6 B 模型快速响应用户查询。这或许能降低多语言、图像丰富型应用的算力成本，但目前尚无独立基准测试结果。

## 来源与参考

1. [pplx-embed-v2-late Technical Report](https://arxiv.org/abs/2610.29523) – arXiv cs.IR, 2026-10-22

最后更新: 2026-10-22