请先登录
立即登录
RzenEmbed
多模态嵌入模型 RzenEmbed，突破多模态检索壁垒，重点发力企业文档智能，可为文本、图像、视频、图文混排文档等多种模态生成统一、高质量语义向量，适用于跨模态检索、多模态 RAG 与复杂文档理解场景。
两阶段训练范式
RzenEmbed 采用“基础预训练 + 精细微调”的两阶段训练模式，通过高质量的训练数据，在通用能力与企业特定场景，如文档检索、视频分析等适配之间取得了卓越的平衡。
改进对比学习机制
通过假阴性缓解机制和基于相似度阈值的智能筛选策略，引入指数加权机制放大高相似度难样本的损失贡献，让模型精准捕捉细微差异。
可学习的“温度”参数
针对图像分类、文档检索、视频问答等 7 大类核心任务，分别设计独立的可学习温度参数，通过参数化方式为不同业务场景量身定制优化目标。
采用模型融合技术
先通过不同任务与方法训练多个专家模型，再通过模型融合技术合成一个强大的模型，仅需单次推理即可生成更具区分度的检索向量。
在国际权威多模态嵌入基准 MMEB 评测中，RzenEmbed 凭借专为企业场景优化的技术设计，曾登顶综合总榜，并长期保持 VisDoc 企业级多模态文档检索专项 的行业顶尖水平。
其中，RzenEmbed-v2-7B 版本在核心的 VisDoc 专项上，性能超越更大参数量的 Seed-1.6-embedding 闭源模型，且大幅领先同规模开源方案。
多语言多种模态精准检索
可理解中英文等多语言的文字、图片、视频内容，支持多语言检索。可根据用户自定义指令，精准筛选特定模态、特定类型的语料。
极致存储与算力优化
按需维度裁剪，大幅降低向量存储占用与检索算力开销。内置 int8 无损量化能力，可进一步压缩 50% 以上存储空间，且不影响检索效果。
专为企业文档智能设计
企业级知识检索，为企业打造更精准、更全面、更智能的知识服务体系，让 AI 真正成为赋能业务增长的“超级大脑”。