vultr/VultronRetrieverPrime-Qwen3.5-8B

Publié par Vultr le 18 juin 2026, vultr/VultronRetrieverPrime-Qwen3.5-8B est un modèle d’embedding de 8 milliards de paramètres, tous actifs. Sous licence ouverte Apache 2.0, il produit une représentation dense multi-vecteur de 320 dimensions par token et compare requêtes et pages avec un scoring MaxSim.

Ce retriever visuel accepte des requêtes textuelles et des images de documents, notamment des PDF, scans, diapositives et rapports contenant tableaux, graphiques ou figures. Il couvre l’anglais, le français, l’allemand, l’espagnol, l’italien et le portugais. Il cible la recherche sémantique multimodale, la récupération de contexte pour le RAG, la mesure de similarité et le clustering.

Caractéristiques

Performances (benchmarks)

Scores issus de MTEB (Massive Text Embedding Benchmark), suite d'évaluation indépendante. Le rang situe le modèle parmi les modèles d'embedding évalués sur le même track.

Comment se situe-t-il ?

Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.

Notre analyse

Forces. Les résultats ViDoRe placent vultr/VultronRetrieverPrime-Qwen3.5-8B parmi les meilleurs modèles évalués pour la recherche visuelle de documents variés, avec une première place sur ViDoRe V3 et une position dans le trio de tête sur ViDoRe V1&V2. Cette spécialisation convient aux corpus d’entreprise mêlant texte, mise en page, tableaux, graphiques et figures, y compris dans des documents financiers. L’interaction tardive de style ColBERT conserve un vecteur par token, puis applique MaxSim afin d’établir des correspondances fines entre la requête et les éléments d’une page. La couverture de six langues facilite les index multilingues. La licence Apache 2.0 autorise l’auto-hébergement et l’intégration dans des systèmes de recherche.

Limites et points d’attention. La représentation de 320 dimensions est compacte à l’échelle d’un token, mais l’approche multi-vecteur stocke de nombreux vecteurs par page. Elle peut donc alourdir l’index et rendre la recherche MaxSim plus coûteuse qu’avec un embedding unique par document. Le modèle est destiné au retrieval et non à la génération de réponses, ce qui impose son association à un modèle génératif dans une chaîne RAG complète. Usages pertinents : recherche multimodale dans des PDF, scans, présentations et rapports, RAG documentaire, similarité de pages et regroupement de contenus visuellement structurés.

Sources des données : MTEB — Massive Text Embedding Benchmark · LLM-Stats (llm-stats.com).