lab Tencent Hunyuan (HF) · há 1 d · fonte: há 3 d · releases

Tencent lança os analisadores de documentos WeVisDoc-2B e WeVisDoc-4B

Traduzido do English → Português (BR)

A Tencent lançou o WeVisDoc, um analisador de documentos de ponta a ponta para imagens de páginas, ajustado finamente a partir dos modelos Qwen3-VL. O sistema converte as imagens das páginas em Markdown estruturado, incluindo fórmulas LaTeX e tabelas HTML.

O WeVisDoc-4B alcança uma pontuação geral de 95.38 no OmniDocBench v1.6 e uma pontuação média geral de 75.54 nas trilhas do PureDocBench.
Ele ocupa o primeiro lugar entre os analisadores de ponta a ponta comparados em todas as quatro configurações relatadas.
O lançamento inclui checkpoints dos modelos WeVisDoc-2B e WeVisDoc-4B.

Os modelos estão disponíveis para inferência local ou por meio de um serviço baseado em vLLM, que suporta Python 3.10+.

Importância 1/3 Confiança 1/3 Tencent Hunyuan (HF) Tencent Multimodal Open weights

Ler original

Tencent lança WeVisDoc-4B, um analisador de documentos de ponta a ponta

A Tencent lançou o WeVisDoc-4B, um analisador de documentos de ponta a ponta para imagens de páginas que converte páginas em Markdown estruturado com fórmulas LaTeX e tabelas HTML. Fine-tuned a partir do Qwen3-VL-4B-Instruct, o modelo alcança uma pontuação geral de 95.38 no OmniDocBench v1.6 e ocupa o primeiro lugar entre os analisadores comparados em todas as quatro configurações relatadas.

lab Tencent Hunyuan (HF) · há 25 d · 45 visualizações

Tencent lança o modelo de embedding multimodal WeMM-Embedding-2B

A Tencent lançou o WeMM-Embedding-2B, um modelo universal de embedding multimodal construído sobre o Qwen3.5 que aceita texto, imagens, vídeos, documentos visuais e entradas intercaladas para retornar embeddings L2-normalizados de 2.048 dimensões.

lab Tencent Hunyuan (HF) · há 25 d · 40 visualizações

Tencent lança o modelo de embedding multimodal universal WeMM-Embedding-4B

A Tencent lançou o WeMM-Embedding-4B, um modelo de embedding multimodal universal baseado no Qwen3.5 que aceita texto, imagens, vídeos, documentos visuais e entradas intercaladas para retornar embeddings L2-normalizados de 2.560 dimensões.

lab Tencent Hunyuan (HF) · há 25 d · 49 visualizações

Tencent lança o modelo de embedding multimodal universal WeMM-Embedding-9B

A Tencent lançou o WeMM-Embedding-9B, um modelo de embedding multimodal universal construído sobre o Qwen3.5 que aceita texto, imagens, vídeos, documentos visuais e entradas intercaladas para retornar embeddings L2-normalizados de 4.096 dimensões.

lab Tencent Hunyuan (HF) · há 32 d · 30 visualizações

Tencent lança o modelo multilíngue de recuperação visual de documentos EVIE-Preview-4.5B

A Tencent lançou o EVIE-Preview-4.5B, um modelo de ponta para Recuperação Visual de Documentos (VDR) multilíngue, construído sobre o Qwen3.5-4B. O modelo emprega interação tardia no estilo ColBERT com embeddings de tokens multi-vetoriais nativos de 128 dimensões para alcançar desempenho de topo nos benchmarks ViDoRe.