MTEB 多语言榜单全球第一：腾讯开源百亿参数模型 KaLM-Embedding

腾讯开源官方公众号今日宣布：来自腾讯微信团队的 KaLM-Embedding 开源模型再创全球新纪录。在最新发布的 MTEB 多语言通用 Embedding 模型权威评测中，新一代通用 Embedding 模型KaLM-Embedding-Gemma3-12B-2511 综合成绩全球第一。

▲ 图源：腾讯开源公众号

在涵盖全球 1038 种语言、共计 131 项任务的权威多语言评测体系 MTEB 中，KaLM-Embedding-Gemma3-12B-2511 综合得分分别达到 72.32（Mean Task）与 62.51（Mean TaskType），获全球第一。

据腾讯开源介绍，在大模型技术快速发展的背景下，语义理解能力成为人工智能系统落地的关键。Embedding 模型作为实现语义编码的核心技术，通过将文本转化为高维向量，支持非结构化内容可度量、可检索的特性，为上层应用提供基础支撑。

在 RAG（检索增强生成）等主流架构中，Embedding 模型能够从海量知识库中精准检索语义相关信息，动态构建高质量上下文，有效提升大模型生成结果的准确性与可靠性，抑制“幻觉”现象。

此外，Embedding 技术还应用于文本分类、语义匹配、信息聚类、搜索推荐、多语言理解等多个领域，成为现代 AI 系统中不可或缺的语义基础组件。

附 KaLM-Embedding-Gemma3-12B-2511 核心亮点如下：

• 模型规模：参数量提升至 120 亿（12B），是当前 MTEB 榜单上最大规模的 Embedding 模型之一，显著增强了模型的表示能力与泛化性能。

• 跨语言能力：在多语言语义对齐方面实现显著优化，支持更精准的跨语种语义理解与检索任务。

• 数据质量：基于经过深度清洗与筛选的大规模高质量语料进行训练，有效提升语义表示的一致性与可靠性。

• 训练策略：采用多阶段对比学习、Embedding 蒸馏和模型参数融合等技术，进一步提升模型多维度能力表现与综合性能。

• 维度嵌套：支持多种向量维度选择，涵盖 3840、2048、1024、512、256、128 及 64 等多个层级，满足不同场景下的高效应用需求。

百亿参数模型 KaLM-Embedding 获取、技术论文等如下：

• 模型获取：https://huggingface.co/tencent/KaLM-Embedding-Gemma3-12B-2511

• 讨论反馈：https://huggingface.co/tencent/KaLM-Embedding-Gemma3-12B-2511/discussions

• 技术论文：https://arxiv.org/abs/2506.20923

• 开源协议：采用 MIT 许可证，支持商业用途，助力技术广泛传播与应用。