微信把自己最核心的多模态AI模型开源了。
这个模型叫WeMM-Embedding，有三个尺寸版本：2B、4B、9B。它最厉害的地方在于，能同时理解文字、图片、视频，甚至是一段图文混排的文档，还能处理“先看张图，再读段文字，接着又来个视频”这种复杂内容。
以前很多AI做多模态，相当于“各干各的”——文字归文字，图片归图片，检索时经常对不上。WeMM-Embedding的做法是把它们统一“翻译”成同一种语义语言，放进同一个空间里比较。就像把人民币、美元、欧元都换算成同一种货币，谁贵谁便宜一眼就能看出来。这样一来，用户搜“海边日落”时，AI既能找到文字描述，也能匹配到相关的视频画面。
这个模型不是实验室里的样品。微信团队透露，它已经在朋友圈搜索、视频号推荐、公众号推荐和微信电商里大规模上线，日均调用量突破10亿次。也就是说，你刷到的每一个视频、每一条推荐内容，背后可能都有这个模型在替你“理解”和“匹配”。
在国际权威的多模态检索榜单MMEB-v2上，WeMM-Embedding的综合成绩排第一，超过了此前所有提交过的开源和闭源商业模型。
这次开源不只是放出一串代码。微信同步提供了完整的技术生态资源，开发者可以在代码仓库里研究，也能在模型托管平台直接下载模型集合。对于想自己做跨模态搜索、推荐系统的团队来说，相当于拿到了一套已经被10亿次日调用验证过的解决方案。
当一家公司愿意把核心业务正在跑的模型开源，通常意味着它想押注更大的生态。微信不缺场景，也不缺数据，缺的可能是更多开发者帮它探索模型能力的边界。而这次开源，像是把一张考了满分的答卷公开了——接下来，看别人能在这张答卷上添加什么新解法。
