EVIE-8B : Tencent lance discrètement son récupérateur de documents visuels le plus précis à ce jour

Il y a trois semaines, l'EVIE-Preview-4.5B de Tencent était le récupérateur visuel de documents ouvert le plus précis des classements ViDoRe, sur la foi de chiffres rapportés par Tencent elle-même. Le 4 septembre, Tencent a discrètement remplacé ce modèle en tête de son propre classement — non par un concurrent extérieur, mais par un modèle frère plus grand publié le même matin. L'EVIE-8B, un récupérateur à interaction tardive de 8,41 milliards de paramètres reposant sur un socle Qwen3.5-9B avec des plongements par jeton de 4096 dimensions, a été mis en ligne sous forme de poids et de code sur Hugging Face et GitHub, sans annonce, sans billet de blog et sans publication. Un troisième checkpoint, l'EVIE-4.5B, est apparu à la même minute et se situe désormais entre les deux. Toute affirmation liée à cette sortie — les scores, l'architecture, et même l'usage prévu des modèles — repose actuellement sur ce que disent les propres dépôts de Tencent, car personne en dehors de Tencent n'a encore rien publié sur l'EVIE-8B. Voici ce que l'on peut réellement savoir à partir du dépôt, et ce qui n'est pas encore confirmé.

Ce que Tencent a lancé le 4 septembre

Le 4 septembre 2026, deux nouveaux dépôts sont apparus dans l'organisation tencent sur Hugging Face à environ une minute d'intervalle : tencent/EVIE-8B et tencent/EVIE-4.5B. Un dépôt GitHub consolidé, Tencent/EVIE, a été mis en ligne en parallèle, avec le code d'entraînement, le moteur d'inférence ColQwen3.5 et le harnais d'évaluation de 138 tâches. Les deux dépôts de modèles sont sous licence Apache-2.0, utilisent tous deux la bibliothèque colpali-engine et portent tous deux la balise de pipeline visual-document-retrieval. L'ancien EVIE-Preview-4.5B du 17 août reste sur Hugging Face sous le nom « Preview », mais il n'est plus le modèle phare de la famille : dans le classement actualisé de la fiche EVIE-8B, Tencent place trois de ses propres checkpoints en tête — EVIE-8B à 66,75 ViDoRe V3 nDCG@10, EVIE-4.5B à 66,02 et EVIE-Preview-4.5B à 65,36.

Aucune annonce n’a été faite nulle part. La note de version de la carte EVIE-8B indique que les poids, les pipelines d’inférence et les suites d’évaluation sont publiés en open source, puis ajoute que « les détails techniques complets, les ablations architecturales et l’article de recherche formel seront mis à jour dans une prochaine version ». Le dépôt GitHub comptait quatre commits et aucune version au moment de la rédaction. Aucun des deux nouveaux dépôts ne montre encore d’adoption significative — pas de forks communautaires avec des résultats indépendants, pas d’évaluations tierces, et les compteurs de téléchargements restent proches de zéro deux jours après la mise en public des dépôts. Au vu des éléments, il s’agit d’une publication de Tencent du type « poids d’abord, article ensuite », suivant le même schéma discret que celui que le laboratoire avait utilisé pour EVIE-Preview-4.5B et UI-Mate-9B en août.

La fiche du modèle tencent/EVIE-8B ci-dessus est la surface publique de la version : un checkpoint de récupération de documents visuels étiqueté pour la bibliothèque colpali-engine, sous licence Apache-2.0, avec un plongement à interaction tardive de 4096 dimensions et le tableau ViDoRe actualisé de la famille près du haut de la fiche.

EVIE-8B, l'enseignant phare

Sur le plan architectural, EVIE-8B appartient à la famille de l'interaction tardive ColPali/ColBERT. Au lieu de réduire une page à un seul vecteur d'embedding — l'opération avec perte que fait le retrieval dense à vecteur unique — il fait passer un backbone vision-langage sur l'image de la page et conserve une représentation multi-vecteurs par token, puis calcule la pertinence avec l'opérateur MaxSim : chaque token de requête prend sa meilleure correspondance parmi les tokens de la page, et ces maxima s'additionnent pour former le score de pertinence. Les choix spécifiques d'EVIE-8B sont un backbone Qwen3.5-9B exécuté avec une attention bidirectionnelle complète (le modèle est encodérisé, donc le masque causal est désactivé sur toute la séquence vision-texte) et une projection large de 4096 dimensions par token. L'intérêt de cette largeur est la fidélité : la disposition spatiale, la typographie, la structure des graphiques et les relations tabulaires survivent dans la représentation au lieu d'être lissées et perdues.

Tencent positionne explicitement EVIE-8B comme le « professeur phare ». Le modèle étudiant EVIE-4.5B est entraîné à partir de celui-ci avec une méthode que Tencent appelle EVIE-ARD — une distillation de relations préservant l'ancrage et consciente de la capacité, qui transfère la topologie des relations entre jetons et utilise une supervision par marge sur des négatifs difficiles. Autrement dit, le modèle 8B a deux missions : établir le plafond de précision de la gamme et servir d’ancrage qualitatif à partir duquel l’étudiant compact se distille. Côté entraînement, la fiche technique rapporte 775 635 paires document-requête, avec des négatifs difficiles extraits réévalués par un juge multimodal qui promeut les candidats répondables en positifs, masque les cas ambigus de la perte et ne conserve comme vrais négatifs que les pages strictement hors sujet. Le point de contrôle « a40 » publié est lui-même un mélange dans l’espace des poids, à α = 0,40, de deux variantes entraînées indépendamment.

Le tableau de score que Tencent s'est écrit.

Tous les chiffres ci-dessous proviennent du fournisseur. Ils sont tirés de la propre fiche modèle de Tencent et ont été obtenus à l'aide du harnais d'évaluation que Tencent fournit dans son dépôt ; aucun n'a été reproduit de manière indépendante, et EVIE-8B n'a pas encore été exécuté par quiconque en dehors du laboratoire.

• Paramètres / backbone — 8,41B, Qwen3.5-9B, attention complète bidirectionnelle.

• Embedding — multi-vecteur à 4096 dimensions par jeton, interaction tardive MaxSim.

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

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

• ViDoRe V3 (48 tâches, nDCG@10) — 66,75 ; avec un balayage par domaine, la fiche revendique la victoire sur les huit domaines publics.

• JinaVDR (76 tâches, nDCG@10) — 83,30 ; moyenne macro sur quatre tableaux nDCG@10 — 79,51 sur l’ensemble des 138 tâches.

• Licence — Apache-2.0 ; poids, inférence et code d’évaluation ouverts.

La ligne la plus intéressante du tableau de Tencent est celle où Tencent bat Tencent. La fiche EVIE-Preview-4.5B d'août revendiquait « Rank #1 on ViDoRe V3 » avec un nDCG@10 de 65,36, devançant de justesse les 65,32 de webAI-ColVec1.1-8b. Dans le tableau actualisé de la fiche EVIE-8B, ce même 65,36 se retrouve désormais à la troisième place du classement général, derrière les 66,75 d'EVIE-8B et les 66,02 d'EVIE-4.5B. La ventilation par domaine d'EVIE-8B bat l'ancienne préversion dans les huit domaines publics de ViDoRe V3 — CompSci 81,86 contre 80,65, Finance EN 71,23 contre 70,50, Pharma 70,81 contre 69,20, etc. — pour un gain moyen de 1,39 point. La question ouverte est précisément de savoir si ce gain résiste à un run indépendant ; mais la cohérence interne mérite d'être soulignée, car il serait étrange de commercialiser un enseignant incapable de battre son propre élève.

Le graphique de la famille de modèles ci-dessus reprend le classement des trois checkpoints publié par Tencent dans la fiche du modèle EVIE-8B le 4 septembre — EVIE-8B à 66,75, EVIE-4.5B à 66,02, EVIE-Preview-4.5B à 65,36 sur ViDoRe V3 nDCG@10 — la préversion 128D cédant la place à l'enseignant 4096D et à l'élève Prefix-MRL.

Pourquoi le flagship n'est pas le modèle de déploiement

Il y a une raison pour laquelle le leader en précision est qualifié d’« enseignant » plutôt que de « défaut ». La largeur coûte du stockage et du calcul de scoring, et 4 096 dimensions par jeton, c’est très large. En BF16, un vecteur-jeton EVIE-8B occupe 8 Kio avant toute quantification, et une page dense peut produire des centaines de vecteurs-jetons — le protocole d’évaluation de la carte plafonne les documents à 1 024 jetons visuels par page. Tencent ne publie aucun chiffre de taille d’index pour EVIE-8B, ce qui est éloquent : la carte d’EVIE-Preview-4.5B publiait des valeurs exactes pour son index à 128 dimensions, soit 179,2 Gio d’index BF16 brut par million de pages pour son budget d’entraînement de 768 jetons et 420,5 Gio pour le palier extrapolé à 1 792 jetons. Vecteur pour vecteur, les embeddings d’EVIE-8B sont 32 fois plus larges que ceux de la preview ; un index EVIE-8B brut, au même budget de jetons, atteint donc la plage du multi-téraoctet par million de pages — avant même d’aborder le système de récupération qui doit le conserver en RAM.

La sortie le même jour d'EVIE-4.5B en dit long sur la façon dont Tencent s'attend à ce que cette tension se résolve. EVIE-4.5B est le modèle élève de 4,61B, doté d'une projection unique à 2048 dimensions, tronquée à l'exécution à 64, 128, 256, 512, 1024 ou 2048 dimensions (mécanisme que Tencent appelle Prefix-MRL), ainsi que d'une passe de compression de tokens sans entraînement que Tencent appelle HAC, qui regroupe les ~750 tokens visuels d'une page en 32 à 64 vecteurs. Le chiffre mis en avant par Tencent pour ce modèle est une empreinte d'index de 3,81 Gio par million de pages — un chiffre qui, comme le reste, est annoncé par le fournisseur. Lu dans son ensemble, ce lancement ressemble moins à « un nouveau modèle 8B » qu'à une famille de modèles voulue : le 8B fixe le plafond et entraîne l'élève, et c'est l'élève qui est dimensionné pour se placer réellement derrière un index de production.

Comment exécuter EVIE-8B aujourd'hui

EVIE-8B est distribué uniquement sous forme de poids. Il n’existe aucune API hébergée sur quelque plateforme que ce soit — y compris OrcaRouter — si bien que la seule voie aujourd’hui consiste à auto-héberger le checkpoint et à l’exécuter via le chemin ColQwen3.5 dans colpali-engine. Le démarrage rapide de la fiche est court : charger le modèle en BF16 avec flash-attention, appeler enable_bidirectional_attention(), encoder les images des pages et la requête textuelle, puis scorer avec le MaxSim du processeur. L’étape de bidirectionnalité n’est pas une décoration facultative — les versions publiées de colpali-engine construisent ColQwen3.5 avec des masques causaux par défaut, et la fiche du modèle d’aperçu documente que laisser le masque en place coûte environ 1,1 point sur le MaxSim du meilleur résultat. Le même utilitaire est fourni pour EVIE-8B. Un checkpoint BF16 de 8.41B paramètres représente de l’ordre de 17 Go de poids selon la règle approximative de deux octets par paramètre ; c’est donc une solution pour GPU unique avec marge de manœuvre plutôt qu’un modèle de périphérie, et le corpus vit là où vous stockez l’index, pas sur le modèle.

Qu'est-ce que EVIE-8B change pour une stack RAG documentaire ?

Pour quiconque développe de la récupération sur des scans, des documents déposés, des graphiques ou des formulaires, le changement concret, c'est que le plafond de qualité pour la récupération visuelle ouverte de documents vient de s'élever — et il s'est élevé au sein d'une famille qui couvre désormais trois niveaux de prix/performance. Un retriever, toutefois, ne vous livre que les pages. Le modèle qui lit ces pages et rédige la réponse est une décision distincte, et c'est à cette couche que le routage justifie son existence : OrcaRouter expose une API unique sur 200+ modèles au prix de liste des fournisseurs, avec 0 % de marge ; ainsi, le modèle de lecture qui se trouve derrière votre retriever peut être changé sans réécriture, et une baisse de prix d'un fournisseur sur n'importe quel modèle routé est effective le jour même de son annonce. Cette séparation compte d'autant plus lorsque la partie récupération s'appuie sur un checkpoint flambant neuf et non éprouvé — vous pouvez adopter EVIE-8B pour l'indexation tout en maintenant la couche de génération derrière une interface qui ne vous couple à aucun modèle en particulier.

Que regarder ensuite

Trois éléments feraient passer cette mise en ligne discrète sur le dépôt au rang d'histoire établie. Premièrement, une exécution indépendante : tant qu'une personne extérieure à Tencent n'aura pas reproduit les chiffres de ViDoRe et de JinaVDR, le « rank #1 » d'EVIE-8B comme celui de l'ancienne preview restent des affirmations autodéclarées qui se trouvent en tension l'une avec l'autre. Deuxièmement, l'article et les ablations promis — le choix de la dimensionnalité de 4096, le checkpoint du mixage des poids et la recette de distillation ne sont pour l'instant que des affirmations sans publication pour les étayer. Troisièmement, la dénomination : alors qu'EVIE-4.5B occupe désormais la place qu'EVIE-Preview-4.5B détenait il y a trois semaines, la question reste ouverte de savoir si Tencent maintient en vie la gamme « Preview » ou l'intègre dans la famille renommée. Compte tenu du rythme — trois checkpoints de recherche de documents visuels en trois semaines — l'hypothèse la plus utile est que cette gamme fait l'objet d'investissements soutenus et que les sorties discrètes sont, pour le laboratoire, une façon de livrer en avance sur l'article.