微信 AI 官方 9 月 4 日宣布，将通用多模态嵌入模型 WeMM-Embedding 开源，包含 2B、4B、9B 三个版本，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。

据微信员工 @ 客村小蒋 分享，微信视觉团队开源的多模态模型 WeMM-Embedding，简单来说就是让系统能同时理解文字、图片和视频，把它们放在同一个语义空间里去比较和检索。

他透露，这个模型已经在微信里大规模使用——朋友圈搜索、视频号推荐、公众号推荐、微信电商都在用，每天调用量达 10 亿次。在国际权威榜单 MMEB-v2 上，该模型拿下了第一名，超过此前所有已提交的开源与闭源模型。

目前，WeMM-Embedding 的相关资源已同步开放：论文发布于 arXiv，代码仓库托管在 GitHub 的 Tencent/WeMM-Embedding 项目下，模型集合也已上线 Hugging Face。