騰訊近日在Hugging Face上釋出了EVIE-Preview-4.5B，這是一款面向多語言視覺文件檢索（VDR）的高效能模型，基於Qwen3.5-4B構建，採用ColBERT風格的後期互動機制，並原生支援128維token嵌入，引數量為4.54B（BF16精度）。該模型在多個基準測試中表現突出，尤其在ViDoRe V3上平均nDCG@10達到64.40，在8個公共領域中的7個領域領先，超越了包括nemotron-colembed-vl-8b-v2在內的更大規模模型。
EVIE-Preview-4.5B的核心創新在於其超緊湊的128維索引。與當前主流多向量模型動輒使用2560D至4096D的高維表示不同，EVIE通過原生128維多向量表示，大幅降低了下游儲存和索引延遲，同時保持了檢索精度。這一設計使其在儲存效率和檢索效能之間取得了更好的平衡，對於處理大規模文件庫的企業級應用尤為重要。
在ViDoRe V1+V2基準上，EVIE-Preview-4.5B的平均nDCG@5達到85.9，在14個任務中表現優異，尤其在SynAI（100.0）、SynEnergy（99.0）和SynGov（98.9）等合成數據集上接近滿分。相比之下，Ops-Colqwen3-4B的平均分為84.9，而nemotron-colembed-vl-8b-v2為84.8，顯示EVIE在同等或更小引數量下具備競爭力。
該模型還展現了強大的多語言與多格式泛化能力。在ViDoRe V3的評估中，查詢覆蓋了英語、法語、德語、義大利語、葡萄牙語和西班牙語六種語言，EVIE在金融（法語）等跨語言場景中表現穩定，同時能處理圖表、表格、科學報告和財務檔案等多種視覺格式。這種零樣本泛化能力使其在全球化部署中具有實際價值。
EVIE-Preview-4.5B的另一個亮點是即插即用的整合性。它無縫相容colpali-engine生態系統和標準的後期互動評分流程，開發者可以輕鬆將其嵌入現有檢索管道。模型提供了完整的快速入門指南、推理指令碼和復現工具，包括自動下載22個ViDoRe資料集（約55GB）的指令碼，降低了使用門檻。
從產業角度看，EVIE的釋出反映了視覺文件檢索領域向高效嵌入發展的趨勢。傳統高維嵌入雖然精度高，但儲存和計算成本高昂，而EVIE通過壓縮嵌入維度，在不犧牲精度的前提下提升了效率，這對於需要處理海量文件的金融、醫療、法律等行業尤為關鍵。騰訊選擇基於Qwen3.5-4B構建，也體現了開源模型生態的協同效應。
值得注意的是，EVIE-Preview-4.5B目前是預覽版本，官方表示下一代EVIE迭代即將釋出。這意味著當前版本可能仍存在最佳化空間，但已足以展示騰訊在多模態檢索領域的技術積累。對於AI基礎設施層的參與者而言，這類高效檢索模型有望降低RAG（檢索增強生成）系統的部署成本，並推動更廣泛的應用落地。