lab Tencent Hunyuan (HF) · 1 hari lalu · sumber: 3 hari lalu · releases

Tencent merilis parser dokumen WeVisDoc-2B dan WeVisDoc-4B

Diterjemahkan dari English → Bahasa Indonesia

Tencent telah merilis WeVisDoc, parser dokumen end-to-end untuk gambar halaman yang di-fine-tune dari model Qwen3-VL. Sistem ini mengonversi gambar halaman menjadi Markdown terstruktur, termasuk rumus LaTeX dan tabel HTML.

WeVisDoc-4B mencapai skor Overall 95.38 di OmniDocBench v1.6 dan skor Overall rata-rata 75.54 di lintas trek PureDocBench.
Ia menempati peringkat pertama di antara parser end-to-end yang dibandingkan dalam keempat pengaturan yang dilaporkan.
Rilis ini mencakup checkpoint model WeVisDoc-2B dan WeVisDoc-4B.

Model tersedia untuk inferensi lokal atau melalui layanan berbasis vLLM, mendukung Python 3.10+.

Kepentingan 1/3 Kepercayaan 1/3 Tencent Hunyuan (HF) Tencent Multimodal Open weights

Baca aslinya

Tencent merilis WeVisDoc-4B, parser dokumen end-to-end

Tencent telah merilis WeVisDoc-4B, sebuah parser dokumen end-to-end untuk gambar halaman yang mengonversi halaman menjadi Markdown terstruktur dengan rumus LaTeX dan tabel HTML. Difo-tune dari Qwen3-VL-4B-Instruct, model ini mencapai skor keseluruhan 95.38 di OmniDocBench v1.6 dan berada di peringkat pertama di antara parser yang dibandingkan dalam semua empat pengaturan yang dilaporkan.

lab Tencent Hunyuan (HF) · 25 hari lalu · 45 tayangan

Tencent merilis model embedding multimodal WeMM-Embedding-2B

Tencent telah merilis WeMM-Embedding-2B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 2.048.

lab Tencent Hunyuan (HF) · 25 hari lalu · 40 tayangan

Tencent merilis model embedding multimodal universal WeMM-Embedding-4B

Tencent telah merilis WeMM-Embedding-4B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 2.560.

lab Tencent Hunyuan (HF) · 25 hari lalu · 49 tayangan

Tencent merilis model embedding multimodal universal WeMM-Embedding-9B

Tencent telah merilis WeMM-Embedding-9B, sebuah model embedding multimodal universal yang dibangun di atas Qwen3.5 yang menerima teks, gambar, video, dokumen visual, dan input interleave untuk mengembalikan embedding L2-normalized berdimensi 4.096.

lab Tencent Hunyuan (HF) · 32 hari lalu · 30 tayangan

Tencent merilis model pengambilan dokumen visual multibahasa EVIE-Preview-4.5B

Tencent telah merilis EVIE-Preview-4.5B, sebuah model Visual Document Retrieval (VDR) multibahasa mutakhir yang dibangun di atas Qwen3.5-4B. Model ini menerapkan interaksi akhir bergaya ColBERT dengan embedding token multivektor berdimensi 128 asli untuk mencapai kinerja puncak di berbagai benchmark ViDoRe.