用語意理解搜尋 Mac 本地檔案：開源工具 DigUp 技術架構與運作解析
DigUp 是一款專為 Apple Silicon Mac 設計的開源本機搜尋工具，結合 Google DeepMind 的多模態模型 EmbeddingGemma 2 與 llama.cpp。使用者只要以自然語言描述畫面或對話內容，就能快速定位圖片、PDF、影音與程式碼片段。
1210 月
主題選讀
#嵌入模型
關於 嵌入模型 的最新消息、技術解析與應用觀察。
主題文章
由新到舊，第 1 / 1 頁EmbeddingGemma 2 開發指南：原生多模態嵌入模型架構與端側檢索應用
Google DeepMind 推出開源多模態嵌入模型 EmbeddingGemma 2，支援文字、程式碼、圖片、影片與音訊檢索。本文整理技術架構、參數量設計、Matryoshka 維度截斷機制以及 Unsloth 與 LiteRT 端側部署實作方式。
Perplexity 推出 pplx-embed-v2-context-9b-preview 上下文檢索模型，結合支援證據提升 RAG 精準度
Perplexity 與 turbopuffer 合作發布 pplx-embed-v2-context-9b-preview 預覽版模型，透過上下文壓縮蒸餾技術，解決傳統檢索只鎖定單一答案段落的問題。模型支援 1024 與 2048 維度，具備原生 INT8 量化能力，能在大幅縮減向量儲存 …
騰訊推出 WeMM-Embedding：全新多模態向量嵌入模型，支援影像與影片檢索
騰訊微信視覺團隊發布 WeMM-Embedding 多模態向量模型，提供文字、影像及影片的統一表示，並在多項評測中取得優異成績，支援 Matryoshka 嵌入以彈性調整維度。
NVIDIA Nemotron 3 Embed 實測解析：RAG 檢索更精準，AI Agents 大幅降低 Token 成本
NVIDIA Nemotron 3 Embed 是專為 AI Agents 與 RAG 打造的新一代 Embedding Model，透過更精準的向量檢索降低大型語言模型的 Token 消耗與推理成本。本文解析 8B 模型登上 RTEB 排行榜第一的原因，以及 1B Blackwell 最 …
微軟開源嵌入模型 Harrier：專為 AI Agent 打造的 32k 記憶檢索大腦
AI 系統正從單純回答問題進化為執行複雜任務。微軟最新推出的開源模型 Harrier 憑藉超過 100 種語言支援與 32k 上下文窗口，成功解決資訊精確溯源難題，奪下 MTEB 評測全球第一。本文將詳細解析其核心技術與開發者實作細節。
EmbeddingGemma 全解析：Google 為終端裝置打造的開源 Embedding 模型
探索 Google 最新推出的 EmbeddingGemma 模型。它以僅 3 億的參數規模，在終端裝置上實現了頂尖效能。本文將深入解析其技術細節、應用場景，並教你如何快速上手，打造保護隱私、無需連網的強大 AI 應用。
Google Gemini 嵌入模型 API 正式上線！性能卓越，價格超親民，開發者們準備好了嗎？
Google 正式向所有開發者開放 Gemini 嵌入模型（Embedding Model）。這不僅代表著頂尖的 AI 技術，更帶來了每百萬 token 僅 0.15 美元的震撼價格。本文將深入解析其性能、價格優勢及實際應用，帶您了解這個足以改變遊戲規則的強大工具。
Qwen3 Embedding：不止是新一代文本表徵，更是排序與檢索的革命者
深入了解阿里巴巴推出的 Qwen3 Embedding 系列模型。從卓越的多語言性能、靈活的模型架構到創新的訓練方法，探索它如何為文本表徵與排序任務帶來突破性進展。