EVIE-8B: Tencent lanza silenciosamente su recuperador de documentos visuales más preciso hasta la fecha.

Hace tres semanas, el EVIE-Preview-4.5B de Tencent era el recuperador visual de documentos abiertos más preciso en los paneles de ViDoRe, según las cifras que el propio Tencent reportó. El 4 de septiembre, Tencent reemplazó silenciosamente ese modelo en la cima de su propio leaderboard — no con un desafiante externo, sino con un hermano mayor lanzado esa misma mañana. EVIE-8B, un recuperador de interacción tardía de 8.41B parámetros sobre una base Qwen3.5-9B con incrustaciones por token de 4096 dimensiones, apareció como pesos y código en Hugging Face y GitHub sin anuncio, sin publicación de blog y sin artículo. Un tercer checkpoint, EVIE-4.5B, apareció en el mismo minuto y ahora se sitúa entre los dos. Cada afirmación vinculada a este lanzamiento — las puntuaciones, la arquitectura, incluso para qué sirven los modelos — descansa actualmente en lo que dicen los propios repositorios de Tencent, porque nadie fuera de Tencent ha publicado nada sobre EVIE-8B todavía. Esto es lo que realmente se puede saber del repositorio, y lo que aún no está confirmado.

Lo que Tencent lanzó el 4 de septiembre

El 4 de septiembre de 2026 aparecieron dos repositorios nuevos en la organización tencent de Hugging Face con aproximadamente un minuto de diferencia: tencent/EVIE-8B y tencent/EVIE-4.5B. Junto a ellos se publicó un repositorio consolidado en GitHub, Tencent/EVIE, que incluye el código de entrenamiento, el motor de inferencia ColQwen3.5 y el banco de pruebas de evaluación de 138 tareas. Ambos repositorios de modelos tienen licencia Apache-2.0, ambos usan la librería colpali-engine y ambos llevan la etiqueta de pipeline visual-document-retrieval. El EVIE-Preview-4.5B anterior, publicado el 17 de agosto, sigue en Hugging Face bajo el nombre "Preview", pero ya no es el buque insignia de la familia: en la tabla de clasificación actualizada dentro de la tarjeta de EVIE-8B, Tencent sitúa tres de sus propios checkpoints en la cima: EVIE-8B con 66.75 en ViDoRe V3 nDCG@10, EVIE-4.5B con 66.02 y EVIE-Preview-4.5B con 65.36.

No ha habido ningún anuncio en ningún sitio. La nota de versión de la tarjeta EVIE-8B dice que los pesos, las canalizaciones de inferencia y las suites de evaluación son de código abierto, y luego añade que "los detalles técnicos completos, las ablaciones arquitectónicas y el artículo de investigación formal se actualizarán en una próxima versión". El repositorio de GitHub tenía cuatro commits y ninguna versión publicada en el momento de redactar este texto. Ninguno de los dos nuevos repositorios muestra aún una adopción significativa: no hay forks de la comunidad con resultados independientes, no hay evaluaciones de terceros, y los contadores de descargas siguen cerca de cero dos días después de que los repositorios se hicieran públicos. A la vista de las pruebas, se trata de un lanzamiento de Tencent que prioriza publicar los pesos primero y escribir el artículo después, siguiendo el mismo patrón discreto que el laboratorio usó con EVIE-Preview-4.5B y UI-Mate-9B en agosto.

La ficha del modelo tencent/EVIE-8B de arriba es la superficie pública del lanzamiento: un checkpoint de recuperación de documentos visuales etiquetado para la biblioteca colpali-engine, con licencia Apache-2.0, con un embedding de interacción tardía de 4096 dimensiones y la tabla ViDoRe renovada de la propia familia cerca de la parte superior de la ficha.

EVIE-8B, el maestro insignia.

Arquitectónicamente, EVIE-8B pertenece a la familia de interacción tardía de ColPali/ColBERT. En lugar de comprimir una página en un único vector de incrustación —el movimiento con pérdida que realiza la recuperación densa de vector único—, ejecuta una red troncal de visión-lenguaje sobre la imagen de la página y conserva una representación multivecor por token, para luego puntuar la relevancia con el operador MaxSim: cada token de consulta toma su mejor coincidencia entre los tokens de la página, y esos máximos se suman en la puntuación de relevancia. Las elecciones específicas de EVIE-8B son una red troncal Qwen3.5-9B ejecutada con atención bidireccional completa (el modelo está adaptado como codificador, por lo que la máscara causal está desactivada en toda la secuencia visión-texto) y una proyección amplia de 4096 dimensiones por token. El objetivo de la amplitud es la fidelidad: la disposición espacial, la tipografía, la estructura de los gráficos y las relaciones tabulares sobreviven en la representación en lugar de difuminarse al promediarse.

Tencent posiciona explícitamente a EVIE-8B como el "profesor insignia". El estudiante EVIE-4.5B se entrena a partir de él con una receta que Tencent llama EVIE-ARD: destilación de relaciones por anclaje preservado y consciente de la capacidad, que transfiere la topología de relaciones entre tokens y utiliza supervisión de margen con negativos duros. En otras palabras, el modelo de 8B tiene dos funciones: establecer el techo de precisión para la línea de productos y ser el ancla de calidad de la cual el estudiante compacto destila. En el lado del entrenamiento, la ficha informa 775,635 pares de documento-consulta, con negativos duros extraídos y reevaluados por un juez multimodal que promueve candidatos respondibles a positivos, enmascara los ambiguos fuera de la pérdida y mantiene solo páginas estrictamente irrelevantes como negativos verdaderos. El checkpoint liberado "a40" es en sí mismo una mezcla en el espacio de pesos, con α = 0.40, de dos brazos entrenados de forma independiente.

El marcador que Tencent se escribió

Todos los números que aparecen a continuación han sido reportados por el proveedor. Provienen de la propia ficha del modelo de Tencent y se generaron con el banco de pruebas de evaluación que Tencent incluye en su repositorio; ninguno ha sido reproducido de forma independiente, y EVIE-8B aún no ha sido ejecutado por nadie fuera del laboratorio.

• Params / backbone — 8.41B, Qwen3.5-9B, atención bidireccional completa.

• Embedding — multivector de 4096 dimensiones por token, interacción tardía MaxSim.

• ViDoRe V1 (10 tareas, nDCG@5) — 92.18.

• ViDoRe V2 (4 tareas, nDCG@5) — 74.23.

• ViDoRe V3 (48 tareas, nDCG@10) — 66.75, con un barrido por dominio, la tarjeta afirma ganar en los ocho dominios públicos.

• JinaVDR (76 tareas, nDCG@10) — 83.30; promedio macro de cuatro tableros nDCG@10 — 79.51 en el conjunto de 138 tareas.

• Licencia — Apache-2.0; pesos, código de inferencia y evaluación abiertos.

La fila más interesante en la tabla de Tencent es aquella en la que Tencent vence a Tencent. La ficha de EVIE-Preview-4.5B de agosto afirmaba ser "Rank #1 en ViDoRe V3" con 65.36 nDCG@10, superando por poco los 65.32 de webAI-ColVec1.1-8b. En la tabla actualizada dentro de la ficha de EVIE-8B, ese mismo 65.36 ahora ocupa el tercer puesto general, por detrás de los 66.75 de EVIE-8B y los 66.02 de EVIE-4.5B. El desglose por dominio de EVIE-8B supera a la vista previa anterior en los ocho dominios públicos de ViDoRe V3 — CompSci 81.86 frente a 80.65, Finance EN 71.23 frente a 70.50, Pharma 70.81 frente a 69.20, y así sucesivamente — con una mejora media de 1.39 puntos. Si esa mejora se mantiene en una ejecución independiente es exactamente la pregunta abierta; pero la consistencia interna merece atención, porque un maestro que no pudiera vencer a su propio alumno sería algo extraño de publicar.

El gráfico de la familia anterior reproduce la clasificación de los tres checkpoints que Tencent publicó en la ficha del modelo EVIE-8B el 4 de septiembre — EVIE-8B con 66,75, EVIE-4.5B con 66,02, EVIE-Preview-4.5B con 65,36 en ViDoRe V3 nDCG@10 — con la vista previa de 128D cediendo el paso al maestro de 4096D y al estudiante Prefix-MRL.

Por qué el buque insignia no es el modelo de despliegue

Hay una razón por la que al líder en precisión se le llama maestro y no modelo por defecto. El ancho cuesta almacenamiento y cómputo de puntuación, y 4096 dimensiones por token es un ancho muy grande. En BF16, un vector de token de EVIE-8B ocupa 8 KiB antes de cualquier cuantización, y una página densa puede producir cientos de vectores de token: el protocolo de evaluación de la propia ficha del modelo limita los documentos a 1024 tokens visuales por página. Tencent no publica ninguna cifra de tamaño de índice para EVIE-8B, lo cual resulta llamativo porque la ficha de EVIE-Preview-4.5B publicó cifras exactas para su índice de 128 dimensiones: 179,2 GiB de índice BF16 sin procesar por millón de páginas con su presupuesto de entrenamiento de 768 tokens, y 420,5 GiB en el nivel extrapolado de 1792 tokens. Vector por vector, los embeddings de EVIE-8B son 32 veces más anchos que los de la vista previa, por lo que un índice EVIE-8B sin procesar con el mismo presupuesto de tokens asciende al rango de varios terabytes por millón de páginas, antes siquiera de que entre en la conversación el sistema de recuperación que debe mantenerlo en RAM.

El lanzamiento el mismo día de EVIE-4.5B es la señal de cómo Tencent espera que se resuelva esa tensión. EVIE-4.5B es el alumno de 4.61B con una única proyección de 2048 dimensiones que se trunca en tiempo de ejecución a 64, 128, 256, 512, 1024 o 2048 dimensiones (Tencent llama al esquema Prefix-MRL), además de una pasada de compresión de tokens sin entrenamiento que denomina HAC y que agrupa los ~750 tokens visuales de una página en 32–64 vectores. El dato principal de Tencent para ese modelo es una huella de índice de 3.81 GiB por millón de páginas, una cifra que, como el resto, es reportada por el proveedor. Leído en conjunto, el lanzamiento se parece menos a "un nuevo modelo de 8B" y más a una familia intencionada: el modelo de 8B fija el techo y entrena al alumno, y el alumno es el que está dimensionado para colocarse realmente detrás de un índice de producción.

Cómo ejecutar EVIE-8B hoy

EVIE-8B se distribuye solo como pesos. No hay una API alojada en ninguna plataforma —incluida OrcaRouter—, por lo que la única vía actual es autoalojar el checkpoint y ejecutarlo a través de la ruta de ColQwen3.5 en colpali-engine. El inicio rápido de la ficha es breve: cargar el modelo en BF16 con flash-attention, llamar a enable_bidirectional_attention(), incrustar las imágenes de las páginas y la consulta de texto, y luego puntuar con el MaxSim del procesador. El paso bidireccional no es un adorno opcional: las versiones publicadas de colpali-engine construyen ColQwen3.5 con máscaras causales por defecto, y la ficha del modelo preliminar documentó que dejar la máscara activa cuesta aproximadamente 1,1 puntos en el MaxSim del mejor resultado. La misma función auxiliar se incluye para EVIE-8B. Un checkpoint de 8.41B en BF16 es del orden de 17 GB de pesos según la regla aproximada de dos bytes por parámetro, por lo que se trata de una propuesta de una sola GPU con margen en lugar de un modelo de borde, y el corpus reside dondequiera que tengas el índice, no en el modelo.

Qué cambia EVIE-8B en un stack RAG de documentos

Para cualquiera que construya recuperación sobre escaneos, presentaciones, gráficos o formularios, el cambio práctico es que el techo de calidad para la recuperación visual abierta de documentos acaba de subir, y subió dentro de una familia que ahora abarca tres puntos de equilibrio entre precio y rendimiento. Un recuperador solo te trae las páginas, sin embargo. El modelo que lee esas páginas y escribe la respuesta es una decisión aparte, y es en esa capa donde el enrutamiento demuestra su valor: OrcaRouter expone una sola API a través de más de 200 modelos al precio de lista del proveedor con 0% de margen, de modo que el modelo lector detrás de tu recuperador se puede reemplazar sin reescribir nada, y un recorte de precio del proveedor en cualquier modelo enrutado está activo el mismo día en que se anuncia. Esa separación importa más cuando la mitad de recuperación es un checkpoint completamente nuevo y no probado: puedes adoptar EVIE-8B para la indexación mientras mantienes la capa de generación detrás de una interfaz que no te acopla a ningún modelo único.

Qué ver a continuación

Tres cosas convertirían esto de una publicación silenciosa de un repositorio en una historia consolidada. Primero, una ejecución independiente: hasta que alguien fuera de Tencent reproduzca las cifras de ViDoRe y JinaVDR, tanto el "puesto #1" de EVIE-8B como el "puesto #1" de la vista previa anterior son afirmaciones autodeclaradas que, casualmente, están en tensión entre sí. Segundo, el artículo prometido y las ablaciones: la elección de 4096 dimensiones, el checkpoint de mezcla de pesos y la receta de destilación son, por ahora, afirmaciones sin el respaldo documental que las sustente. Tercero, la nomenclatura: con EVIE-4.5B ocupando ahora el lugar que EVIE-Preview-4.5B tenía hace tres semanas, queda la pregunta abierta de si Tencent mantiene viva la línea "Preview" o la integra en la familia renombrada. Dado el ritmo — tres checkpoints de recuperación de documentos visuales en tres semanas — la suposición más útil es que esta línea está recibiendo una fuerte inversión y que las publicaciones silenciosas son la forma que tiene el laboratorio de lanzar resultados antes que el artículo.