多模态检索模型推荐方案

输入有图 (只图 / 图+文)

Qwen3-VL-2B

Fused 融合抗噪强 · 汽车 43/44

输入纯文本 (文档/图纸)

Evie 压缩 d64 K32

百万页仅 3.81 GiB · 工业 40/55

单卡 L20 独占常驻

1,500 元/月

利用率仅 33% · 覆盖 10 个库

线上真实全链路实测

30~40 ms

Query编码+向量检索，并发零拖累

场景选型总览

说明：基线模型 DINOv3-L 与 WeMM-2B/4B/9B 仅作离线横向对照。线上网关通过单一分支完成分流，保障系统鲁棒性与低维护成本。

检索方向	输入形态	线上推荐模型	核心选型依据
图搜图	只有图	Qwen3-VL-2B 推荐候选	ILIAS 1041/1232 领先 · 汽车与研报高保真
文+图搜图	图+问句	Qwen3-VL-2B 推荐候选	Fused 融合抗噪强 · 汽车 43/44 · 研报 228/232
文搜图	只有字	Evie 压缩 d64 K32 推荐候选	工业v1 40/55 · 博物馆 57/77 · 无字人造图纸领先
高精度文搜图	只有字	Evie 压缩 d64 K32 推荐候选	ViDoRe V3 58.60 · 百万页仅 3.81 GiB 存储

全景横评对照 · 图搜图

模型	汽车手册 199	行业研报 502	ILIAS 1232	牛津 70	巴黎 70	推荐候选
Qwen3-VL-2B	195/199 · 97.99%	482/502 · 96.02%	1041/1232 · 84.50%	52/70 · 74.29%	69/70 · 98.57%	推荐候选
DINOv3-L	194/199 · 97.49%	477/502 · 95.02%	958/1232 · 77.76%	69/70 · 98.57%	69/70 · 98.57%
WeMM-2B	192/199 · 96.48%	471/502 · 93.82%	1002/1232 · 81.33%	58/70 · 82.86%	69/70 · 98.57%
WeMM-4B	192/199 · 96.48%	477/502 · 95.02%	968/1232 · 78.57%	57/70 · 81.43%	70/70 · 100.00%
WeMM-9B	196/199 · 98.49%	486/502 · 96.81%	1021/1232 · 82.87%	57/70 · 81.43%	70/70 · 100.00%

全景横评对照 · 文+图搜图

模型	汽车 44	研报 232	博物馆 50	推荐候选
Qwen3-VL-2B	43/44 · 97.73%	228/232 · 98.28%	30/50 · 60.00%	推荐候选
WeMM-2B	31/44 · 70.45%	225/232 · 96.98%	31/50 · 62.00%
WeMM-4B	33/44 · 75.00%	224/232 · 96.55%	28/50 · 56.00%
WeMM-9B	39/44 · 88.64%	226/232 · 97.41%	32/50 · 64.00%

全景横评对照 · 文搜图

模型	工业主集v1	工业备查v2	工业人造集v3	博物馆图册	推荐候选
Evie 压缩 d64 K32	40/55 · 72.73%	58/80 · 72.50%	27/50 · 54.00%	57/77 · 74.03%	推荐候选
Qwen3-VL-2B	39/55 · 70.91%	54/80 · 67.50%	23/50 · 46.00%	29/77 · 37.66%
WeMM-2B	38/55 · 69.09%	55/80 · 68.75%	28/50 · 56.00%	52/77 · 67.53%
WeMM-4B	43/55 · 78.18%	59/80 · 73.75%	23/50 · 46.00%	45/77 · 58.44%
WeMM-9B	40/55 · 72.73%	57/80 · 71.25%	24/50 · 48.00%	57/77 · 74.03%
ima 线上 QueryDoc	39/55 · 70.91%	50/80 · 62.50%	14/50 · 28.00%	53/77 · 68.83%

全景横评对照 · 高精度文搜图