주요 특징

• Qwen3.5를 기반으로 2B·4B·9B 세 가지 크기로 배포됩니다. 대규모 멀티모달 정렬 단계 이후 정제된 데이터와 세밀한 relevance supervision, cross-scale knowledge transfer로 다듬는 2단계 학습을 거칩니다.
• 텍스트, 이미지, 비디오, 시각 문서(visual document), 그리고 여러 모달리티가 섞인 interleaved 입력을 모두 받아 하나의 임베딩 공간에 정렬합니다. 다만 오디오는 아직 지원하지 않습니다.
• 전용 `<embedding>` 토큰 위치에서 벡터를 추출한 뒤 L2 정규화를 적용하고, Matryoshka representation 방식으로 64~4096차원 사이에서 잘라 쓸 수 있어 저장 비용과 검색 속도를 상황에 맞게 조절할 수 있습니다.
• MMEB-v2 벤치마크에서 2B 모델이 평균 77.9점(이미지 79.6, 비디오 70.8, 시각 문서 80.7)으로 기존 8B급 오픈소스 베이스라인을 앞섰고, 9B 모델은 평균 80.6점으로 Qwen3-VL-Embedding·VLM2Vec을 넘어서는 신기록을 세웠습니다.
• Sentence Transformers에서 모델 ID만으로 바로 로드할 수 있고 vLLM 0.27.0 이상, transformers 5.2.0 기준으로 전처리가 최적화돼 있어 기존 검색·RAG 파이프라인에 곧바로 통합할 수 있습니다. Apache-2.0 조건을 담은 자체 라이선스 문구로 코드가 공개됩니다.