精度如何？EVIE-4.5B与12款主流视觉文档检索模型的ViDoRe基准完整对比清单-尧图手机网站定制

人工智能
大模型
Embedding
RAG
计算机视觉

【免费下载链接】EVIE-4.5B

项目地址：https://ai.gitcode.com/tencent_hunyuan/EVIE-4.5B

这份对比清单完整呈现了EVIE-4.5B视觉文档检索模型在ViDoRe 基准上的精度表现，并与 12 款主流多向量检索模型逐项对比。不用跑分、不用看论文，一张表格就能搞清楚：它到底比同行强多少、强在哪些领域、省掉精度多少才划算。

📌 一分钟了解 EVIE-4.5B：轻量级视觉文档检索模型

EVIE-4.5B（Evidence-Vector-Informed Embedding）由腾讯开源，基于 Qwen3.5-4B 骨干网络，参数量仅4.61B，是目前 ViDoRe 排行榜上的前两名之一。它解决的核心问题是：

用户输入一句自然语言（如"第三季度总营收是多少？"），模型直接从文档图片中找到答案所在页面，而不需要 OCR 转文字。

它的三个技术支柱决定了精度上限：

Late-Interaction 多向量范式：文档页保留约 750 个 token 级向量，通过 MaxSim 打分，不丢失表格、图表、小字号等细节
Prefix-MRL 弹性投影：单个 2048D 线性投影，运行时可截断为 64/128/256/512/1024/2048D，一份权重对应六种精度档位
HAC 免训练 token 压缩：把每页向量从 ~750 压到 32 个，百万页索引仅3.81 GiB

模型配置可直接在 config.json 中查看，其中head_dims字段定义了 6 个 Matryoshka 维度档位。

🏛️ 先看懂 ViDoRe 基准：为什么它代表"真实检索难度"

ViDoRe（Visual Document Retrieval）是视觉文档检索的权威评测基准，特点是查询是自然语言问题，候选是整页文档图片——模型必须真正"看懂"图，而不是匹配关键词。

基准分三代，难度递增：

版本	评测指标	特点
ViDoRe V1	nDCG@5	多领域图文检索，基础盘
ViDoRe V2	nDCG@5	更严格的查询-文档匹配
ViDoRe V3	nDCG@10	引入多语言（如法语财务文档）、工业级领域

核心指标nDCG衡量"相关文档是否排在前面的位置"，分数越高，检索结果越贴合用户预期。EVIE-4.5B 还额外在JinaVDR上评测，四块榜单共138 个任务，评测脚本位于 code/shared/eval.py，运行入口是 code/shared/eval_run.sh。

🏆 核心对比：EVIE-4.5B 对 12 款主流模型完整清单

以下为官方 README 中汇总的完整对比（括号内为模型参数量），按 V3 分数排序：

排名	模型	基础模型	参数量	嵌入维度	V1 (nDCG@5)	V2 (nDCG@5)	V3 (nDCG@10)
🥇	EVIE-8B	Qwen3.5-9B	8.41B	4096D	92.18	74.23	66.75
🥈	EVIE-4.5B	Qwen3.5-4B	4.61B	64–2048D	92.07	73.38	66.02
🥉	EVIE-Preview-4.5B	Qwen3.5-4B	4.54B	128D	91.73	70.87	65.36
4	webAI-ColVec1.1-8b	Qwen2.5-VL	8.40B	640D	91.30	65.82	65.32
5	VultronRetrieverPrime-8B	Qwen3.5-9B	8.40B	320D	92.08	68.18	64.26
6	webAI-ColVec1.1-4b	Qwen2.5-VL	4.54B	640D	90.49	63.60	63.90
7	VultronRetrieverCore-4.5B	Qwen3.5-4B	4.50B	320D	92.21	66.12	63.57
8	nemotron-colembed-vl-8b-v2	Nemotron-8B	8.80B	4096D	92.65	65.16	63.54
9	tomoro-colqwen3-embed-8b	Qwen2.5-VL	8.00B	320D	90.76	65.40	61.60
10	nemotron-colembed-vl-4b-v2	Nemotron-4B	4.80B	2560D	91.62	64.49	61.42
11	colqwen3.5-4.5B-v3	Qwen3.5-4B	4.60B	128D	91.54	64.25	61.46
12	tomoro-colqwen3-embed-4b	Qwen2.5-VL	4.00B	320D	90.57	64.69	60.16
13	VultronRetrieverFlash-0.8B	Qwen3.5-0.8B	0.85B	320D	88.15	60.36	56.16

🔍 清单解读：三个关键结论

1️⃣ 4.61B 参数打出 8B 级的精度。EVIE-4.5B 的 V3 分数 66.02，仅比 8.41B 的 EVIE-8B 低 0.73 分，却比同为 4.5B 级别的 webAI-ColVec1.1-4b 高出2.12 分，比 8.80B 的 nemotron-colembed-vl-8b-v2 还高 2.48 分——这是"参数效率"最直观的证明。

2️⃣ 领先优势集中在 V3（最难版本）。在 V1 上各家分数挤在 90–92.65 的窄区间（差距 < 2 分），但到了 V3，EVIE-4.5B 与第 4 名拉开 0.7 分、与中下游模型拉开 4 分以上的差距。说明多语言、复杂领域等"深水区"才是拉开差距的地方。

3️⃣ 精度与体积可以兼得。即使只保留 64D 前缀（每个向量 128 字节），V3 分数仍有 64.51，与完整版 66.02 仅差 1.5 分，而索引体积缩小到 1/32。

📊 领域细分：EVIE-4.5B 在哪类文档上最强？

ViDoRe V3 覆盖 8 个垂直领域，nDCG@10 细分为：

领域	EVIE-4.5B	全场最强（EVIE-8B）	第4名 webAI-ColVec1.1-8b
计算机科学 CompSci	81.72	81.86	80.08
能源 Energy	72.32	72.51	70.12
英语财务 Finance EN	70.00	71.23	71.90
法语财务 Finance FR	54.90	56.40	54.87
人力资源 HR	67.82	69.29	68.55
工业 Industrial	59.40	59.77	57.65
制药 Pharma	70.27	70.81	67.88
物理 Physics	51.69	52.11	51.50

两个观察：

工业领域是 EVIE-4.5B 的明显强项（59.40 vs 第 4 名的 57.65），图纸、规格表类文档结构复杂，多向量表示的优势被放大
法语财务和物理是全场公认难点（均在 56 分以下），法语财务还考验跨语言能力——EVIE-4.5B 在此以 54.90 小幅领先多数对手

🎯 弹性精度档位：Prefix-MRL 让你"按需付费"

传统多向量模型想换维度就要换模型，EVIE-4.5B 用单个 2048D 投影头 + 运行时截断解决了这个问题（ARD 蒸馏保证低维前缀不崩）：

维度	每向量字节	V1	V2	V3	JinaVDR	138任务均值
64D	128 B	92.16	73.18	64.51	81.00	77.71
128D	256 B	92.28	73.37	65.27	81.83	78.18
256D	512 B	92.20	73.83	65.68	82.09	78.45
512D	1 KiB	92.38	74.53	65.90	82.27	78.77
1024D	2 KiB	92.39	74.53	65.94	82.43	78.82
2048D	4 KiB	92.53	74.91	66.02	82.48	78.98

选型建议：追求极限精度选 2048D；生产环境用 512D/1024D 是性价比拐点（仅损失 0.02–0.12 分 V3 分数，体积省 3–8 倍）；边缘设备或超大语料再压到 128D。

🗜️ 压缩后精度会掉多少？HAC 三个 SKU 实测

生产环境的痛点是百万级文档索引的存储成本。HAC（分层凝聚聚类，源码在 code/compress/hac/core.py）免训练地把每页 ~750 个向量聚成 32/64 个质心：

SKU	每页负载	百万页索引	向量/页	V1	V2	V3
d64 K32	4 KiB	3.81 GiB	32	89.27	67.83	59.58
d64 K64	8 KiB	7.63 GiB	64	90.63	70.71	62.06
d128 K32	8 KiB	7.63 GiB	32	90.00	69.45	61.40

对比不压缩的 2048D 版本（V3 = 66.02），最激进的 d64 K32 配置只损失约 6.4 分，换来索引体积下降约100 倍。如果存储是瓶颈，d64 K64 是精度与体积的平衡点。

✅ 30 秒亲手验证：8 页 demo 检索

不想只看榜单？仓库内置了一个 8 页文档演示集（财务、发票、架构图、代码报错等），一条命令即可在本机跑出检索分数：

bash examples/demo/run.sh

demo 数据构建自 examples/demo/run.sh，评测指标与正式 138 任务矩阵完全一致（MVT=1024、双向注意力），所以本地跑出的分数可以直接对照前文的基准协议。

📋 快速总结：这份清单告诉你什么

绝对精度：V1 92.53 / V2 74.91 / V3 66.02 / JinaVDR 82.48（nDCG@10），四榜 138 任务宏平均78.98
横向定位：13 款主流模型中位列第 2，是唯一同时登顶 V1/V2 附近且参数不到 5B的模型
弹性能力：64D–2048D 六档精度自由切换，最低档位仍保持 13 款模型中游水准
工程友好：HAC 压缩后百万页索引 3.81 GiB 起，可跑在消费级存储上