nvidia/Nemotron-3.5-Embed-1B-BF16

1.55B 多模态嵌入模型发布，官方称四项基准全超 Qwen3-VL-Embedding-2B

NVIDIA Nemotron-3.5-Embed-1B-BF16 是面向多语言多模态问答检索的嵌入模型，可把文档页图像、文本或图文组合编码为 2048 维向量，查询仅用文本；视觉编码器基于 Pixtral（初始自 Ministral-3-3B-Instruct），语言部分继承 Nemotron-3-Embed-1B-BF16 并冻结，从而保留文本嵌入空间并新增图像检索，共 1.55B 参数，由 Nemotron-3.5-Embed-8B-BF16 以 COS 与 MSE 损失蒸馏。官方评测中，ViDoRe V3 文本检索 NDCG@10 达 57.80，高于 Qwen3-VL-Embedding-2B 的 48.31，MIRACL-VISION 图像检索微弱领先 Qwen3-VL-Embedding-8B；可经 Transformers、Sentence Transformers、vLLM 在 Ampere/Blackwell/Hopper GPU 运行，上下文最长 32768 tokens，截断维度需重做 L2 归一化，按 OpenMDW 许可商用或非商用，但不保证每次检索正确。

1. 1双编码器：Pixtral 视觉 + 冻结 Nemotron-3-Embed-1B 语言模型
2. 2官方称 4 项 NDCG@10 基准全面超过 Qwen3-VL-Embedding-2B
3. 3支持截断到 1024 或 512 维，截断后 L2 归一化仍有效

为什么重要　1B 级支持文档页图像与 34 语言文本，OpenMDW-1.1 商用，直接覆盖多模态 RAG 向量化落地。适合　做多模态 RAG、语义搜索、向量库选型与 agentic retrieval 的工程师

来源

huggingface.co

发布

2026/10/07

作者

nvidia

下载量

2.3k

收藏

29