Perplexity开源新检索模型：0.6B小模型能直接查9B建立的索引

动察 Beating AI 快讯，Perplexity 开源两款多模态 embedding 模型 pplx-embed-v2-late，分别为 0.6B 和 9B。两款模型的向量互相兼容，开发者可以用 9B 大模型建立资料库，再用 0.6B 小模型处理日常搜索，不必每次查询都运行大模型。

新模型还支持文字、图片和 PDF 页面检索。普通 embedding 模型通常把一段内容压缩成一个向量，容易丢失细节。新模型为每个 token 保留一个 128 维向量，让搜索词分别匹配文档中的相关内容。处理 PDF、PPT 和扫描件时，可以直接把页面图像转换成向量，无需先用 OCR 提取文字，也能保留图表、表格和排版信息。

两款模型由同一个 18B 教师模型训练而来，共用一套向量空间。官方在 ViDoRe v3 图片检索测试中发现，用 0.6B 模型建库和查询，得分为 62.3%；改用 9B 建库、0.6B 查询，得分提高到 63.5%。完全使用 9B 模型的得分则为 65.2%。

两款模型权重已在 Hugging Face 按 MIT 协议开放。