Perplexity開源新檢索模型：0.6B小模型能直接查9B建立的索引

動察 Beating AI 快訊，Perplexity 開源兩款多模態 embedding 模型 pplx-embed-v2-late，分別為 0.6B 和 9B。兩款模型的向量互相兼容，開發者可以用 9B 大模型建立資料庫，再用 0.6B 小模型處理日常搜索，不必每次查詢都運行大模型。

新模型還支持文字、圖片和 PDF 頁面檢索。普通 embedding 模型通常把一段內容壓縮成一個向量，容易丟失細節。新模型為每個 token 保留一個 128 維向量，讓搜索詞分別匹配文檔中的相關內容。處理 PDF、PPT 和掃描件時，可以直接把頁面圖像轉換成向量，無需先用 OCR 提取文字，也能保留圖表、表格和排版信息。

兩款模型由同一個 18B 教師模型訓練而來，共用一套向量空間。官方在 ViDoRe v3 圖片檢索測試中發現，用 0.6B 模型建庫和查詢，得分為 62.3%；改用 9B 建庫、0.6B 查詢，得分提高到 63.5%。完全使用 9B 模型的得分則為 65.2%。

兩款模型權重已在 Hugging Face 按 MIT 協議開放。