Tencent EVIE-Preview-4.5B を公開 ── 128D埋め込みで文書検索を軽量化
テンセントがHugging Faceに公開した「EVIE-Preview-4.5B」が目覚ましい。視覚的ドキュメント検索（VDR）において、わずか128次元のベクトルながら最高水準のパフォーマンスを実現しているというから驚きだ。パラメータ数も45億と抑えつつ、競合大規模モデルを凌駕する結果が出ている。
▸何が変わったのか
EVIE-Preview-4.5Bは、Qwen3.5-4Bを基盤としたマルチリンガルな視覚的ドキュメント検索モデルだ。最大の特徴は、ColBERTスタイルの遅延相互作用を用いながら、各トークン埋め込みを128次元に圧縮している点にある。これにより推論時のメモリ効率と速度が大幅に向上する可能性を示唆している。ベンチマークViDoRe V3では、80億パラメータ超の大規模モデルを上回る結果を残し、平均精度も85.93 nDCG@5を記録。7つの公開ドメインで首位を獲得したという実績は強力だ。
◈前モデル / 競合との比較
競合モデルとの比較において、本モデルは圧倒的なコンパクトさをアピールしている。例えば同等の128次元埋め込みを使うjina-embeddings-v4と同規模でありながら、nEmbedd v3やllama-nemotron系列が数千〜数万次元の巨大なベクトルを使っているのと対照的だ。また、ViDoRe V3ベンチマークでは30億パラメータ級のモデルを上回り、80億パラメータ級モデルに対しては7つのドメインで首位を獲得している。総データサイズやインデックスオーバーヘッドの違いはあるものの、ベクトル幅の狭さがストレージ効率に直結する点は明確な優位性だ。
◈技術背景と意義
通常の画像や文書の検索では、複雑な情報を高次元のベクトルに変換して保存するのが一般的だが、その分メモリを食うのが悩みだった。EVIEはこの「圧縮」を極限まで推し進めた技術を採用している。Qwen3.5-4Bのアーキテクチャを活かしつつ、GatedDeltaNet線形注意力とフルアテンションをハイブリッドに組み合わせることで、情報の質を落とさずに必要な情報だけを128次元という狭い空間に収め込んでいる。検索時はクエリと文書のトークン間で最大類似度（MaxSim）計算を行い、精度を保ちながら高速なマッチングを実現している仕組みだ。
▸こんな人・用途に
– 多言語対応の財務報告書や科学論文などの大規模ドキュメントアーカイブ検索
– チャートやテーブルを含む複雑な視覚情報の抽出と検索
– リソース制約の厳しい環境下でのリアルタイム文書マッチング
◆入手方法・リンク
Hugging Face上で「EVIE-Preview-4.5B」として公開されている。標準的なcolpali-engineエコシステムと完全に互換性があり、late-interactionスコアリングパイプラインでそのまま利用可能だ。プレビューリリースのため、より高性能な次期バージョンの公開も予定されているとのこと。
SOURCE: Tencent (2026-08-17)
