WeMM-Embedding-9B

中文简介

WeMM-Embedding-9B 将文本、图像、视频和视觉文档映射到统一向量空间，输出 4096 维归一化向量。它适合跨模态检索，当前卡片明确不支持音频输入。

适用场景

用于图文互搜、视频片段检索和文档相似度计算，先准备与业务匹配的检索验证集。

模型参数

选型方向：检索、抽取与专用模型。固定上游版本：00c52839de57a6d4fd5b78cf5522ccf0ac8ea482。API 任务字段：feature-extraction。API 语言字段：zh, en。API 架构字段：Qwen3_5ForConditionalGeneration。上游最近更新时间：2026-09-03（不一定为首次发布日期）。 规模、子集和组件差异见本页简介及注意事项；API 标签与卡片正文的含义分别保留。

文件说明

上游 API 返回 17 个文件，文件元数据合计 17.54 GB。 已保存文件清单中的主要扩展名：.json 7 个、.jinja 3 个、.py 3 个、无扩展名 2 个、.md 1 个、.safetensors 1 个。 当前较大的文件包括：model.safetensors（17.52 GB）；tokenizer.json（19.06 MB）；LICENSE（23.97 KB）。 此处只统计当前 Git 仓库的文件元数据，不包含外部链接、Bucket 或另行申请的完整集合。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

• .gitattributes50 B
• additional_chat_templates/sentence_transformers.jinja1.42 KB
• chat_template.jinja7.57 KB
• config.json3.00 KB
• config_sentence_transformers.json245 B
• embedding_chat_template.jinja1.06 KB
• LICENSE23.97 KB
• model.safetensors17.52 GB
• modeling_st_wemm.py3.11 KB
• modeling_wemm_embedding.py1.18 KB
• modules.json106 B
• patch_sglang_video.py1.94 KB

硬件建议

先选定所需权重格式和精度，再核对推理代码、依赖与目标硬件。仓库元数据合计可能包含多个变体、视觉组件或示例，不能用来直接推算运行显存；内存还受上下文、缓存、批量和并发影响，应以小样本实测确定配置。

注意事项

嵌入模型不生成答案；不要把未支持的音频任务计入能力，代码与第三方组件仍需分别核对许可。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

• 大模型获取与国内转存服务
• 大模型怎么下载：Hugging Face 官方方式与国内交付完整指南
• 国内下载 Hugging Face 模型很慢或经常中断怎么办
• DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地