EVIE-8B: Tencent Diam-Diam Merilis Retriever Dokumen Visual Paling Akuratnya Sejauh Ini

{{1}}Tiga minggu lalu, EVIE-Preview-4.5B milik Tencent adalah retriever dokumen visual terbuka paling akurat di papan ViDoRe, berdasarkan angka yang dilaporkan sendiri oleh Tencent. Pada 4 September, Tencent diam-diam mengganti model tersebut di puncak papan peringkatnya sendiri — bukan dengan penantang dari luar, melainkan dengan saudara yang lebih besar yang dirilis pada pagi yang sama. EVIE-8B, retriever late-interaction berparameter 8,41 miliar dengan backbone Qwen3.5-9B dan embedding 4096 dimensi per token, dirilis sebagai bobot beserta kode di Hugging Face dan GitHub tanpa pengumuman, tanpa posting blog, dan tanpa makalah ilmiah. Checkpoint ketiga, EVIE-4.5B, muncul pada menit yang sama dan kini berada di antara keduanya.{{/1}} Setiap klaim yang melekat pada rilis ini — skor, arsitektur, bahkan untuk apa model-model ini dibuat — saat ini bertumpu pada apa yang dikatakan repositori Tencent sendiri, karena belum ada siapa pun di luar Tencent yang memublikasikan apa pun tentang EVIE-8B.{{2}} Inilah yang benar-benar dapat diketahui dari repositori tersebut, dan apa yang belum terkonfirmasi.{{/2}}

Apa yang dirilis Tencent pada 4 September

Pada 2026-09-04, dua repositori baru muncul di organisasi tencent di Hugging Face dengan selisih sekitar satu menit: tencent/EVIE-8B dan tencent/EVIE-4.5B. Repositori GitHub terpadu, Tencent/EVIE, juga hadir bersamaan dengan membawa kode pelatihan, mesin inferensi ColQwen3.5, dan perangkat evaluasi 138 tugas. Kedua repositori model berlisensi Apache-2.0, keduanya menggunakan pustaka colpali-engine, dan keduanya membawa tag pipeline visual-document-retrieval. EVIE-Preview-4.5B yang lebih lama dari 17 Agustus tetap berada di Hugging Face dengan nama "Preview", tetapi tidak lagi menjadi produk unggulan keluarga ini: dalam papan peringkat yang diperbarui di dalam kartu EVIE-8B, Tencent mencantumkan tiga checkpoint miliknya di posisi teratas — EVIE-8B dengan 66.75 ViDoRe V3 nDCG@10, EVIE-4.5B dengan 66.02, dan EVIE-Preview-4.5B dengan 65.36.

Belum ada pengumuman di mana pun. Catatan rilis kartu model EVIE-8B menyebutkan bahwa bobot, pipeline inferensi, dan rangkaian evaluasi bersifat open-source, lalu menambahkan bahwa "detail teknis lengkap, ablasi arsitektur, dan makalah penelitian resmi akan diperbarui dalam rilis mendatang." Repositori GitHub tersebut memiliki empat commit dan belum ada rilis pada saat tulisan ini dibuat. Kedua repositori baru tersebut belum menunjukkan adopsi yang berarti — tidak ada fork komunitas dengan hasil independen, tidak ada evaluasi pihak ketiga, dan penghitung unduhan masih mendekati nol dua hari setelah repositori tersebut dipublikasikan. Berdasarkan bukti, ini adalah rilis dari Tencent yang mengedepankan peluncuran bobot terlebih dahulu, lalu menulis makalah belakangan, dengan pola senyap yang sama seperti yang digunakan lab tersebut untuk EVIE-Preview-4.5B dan UI-Mate-9B pada bulan Agustus.

Kartu model tencent/EVIE-8B di atas adalah wajah publik dari rilis ini: sebuah checkpoint pengambilan dokumen visual yang ditandai untuk pustaka colpali-engine, dilisensikan di bawah Apache-2.0, dengan embedding late-interaction berdimensi 4096 dan tabel ViDoRe yang diperbarui milik keluarga model tersebut di dekat bagian atas kartu.

EVIE-8B, guru unggulan

Secara arsitektural, EVIE-8B termasuk dalam keluarga late-interaction ColPali/ColBERT. Alih-alih menghancurkan satu halaman menjadi satu vektor embedding — langkah lossy yang dilakukan dense retrieval vektor tunggal — EVIE-8B menjalankan backbone visi-bahasa pada citra halaman dan menyimpan representasi multi-vektor per token, lalu menilai relevansi dengan operator MaxSim: setiap token kueri mengambil kecocokan terbaiknya di antara token-token halaman tersebut, dan nilai-nilai maksimum itu dijumlahkan menjadi skor relevansi. Pilihan spesifik EVIE-8B adalah backbone Qwen3.5-9B yang dijalankan dengan attention bidirectional penuh (model ini dijadikan encoder, sehingga mask kausal dimatikan pada seluruh urutan visi-teks) serta proyeksi 4096 dimensi yang lebar per token. Tujuan dari kelebaran ini adalah fidelitas: tata letak spasial, tipografi, struktur bagan, dan relasi tabular tetap bertahan dalam representasi tersebut, bukannya dirata-ratakan hingga hilang.

Tencent secara eksplisit memposisikan EVIE-8B sebagai "guru unggulan." Siswa EVIE-4.5B dilatih darinya dengan resep yang oleh Tencent disebut EVIE-ARD — distilasi relasi yang mempertahankan jangkar dan sadar kapasitas, yang mentransfer topologi relasi token dan menggunakan supervisi margin negatif keras. Dengan kata lain, model 8B memiliki dua tugas: menetapkan batas akurasi untuk lini produk, dan menjadi jangkar kualitas yang darinya siswa yang ringkas disuling. Di sisi pelatihan, kartu model tersebut melaporkan 775.635 pasangan dokumen-kueri, dengan negatif keras yang ditambang dinilai ulang oleh penilai multimodal yang mempromosikan kandidat yang dapat dijawab menjadi positif, menutupi kandidat ambigu dari loss, dan hanya menyimpan halaman yang benar-benar tidak relevan sebagai negatif sejati. Checkpoint "a40" yang dirilis sendiri merupakan campuran ruang bobot, pada α = 0,40, dari dua lengan yang dilatih secara independen.

Papan skor yang Tencent tulis untuk dirinya sendiri

Semua angka di bawah ini dilaporkan oleh vendor. Angka-angka tersebut berasal dari kartu model milik Tencent sendiri dan dihasilkan dengan perangkat evaluasi yang disertakan Tencent di repositorinya; tidak ada satu pun yang direproduksi secara independen, dan EVIE-8B belum dijalankan oleh siapa pun di luar lab.

Parameter / backbone — 8,41B, Qwen3.5-9B, atensi penuh dua arah.

• Embedding — multi-vektor 4096-dimensi per token, interaksi akhir MaxSim.

• ViDoRe V1 (10 tugas, nDCG@5) — 92,18.

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

• ViDoRe V3 (48 tugas, nDCG@10) — 66.75, dengan penyisiran per domain, kartu tersebut mengklaim menang di semua delapan domain publik.

• JinaVDR (76 tugas, nDCG@10) — 83.30; rata-rata makro nDCG@10 dari empat papan — 79.51 di seluruh rangkaian 138 tugas.

• Lisensi — Apache-2.0; bobot, inferensi, dan kode evaluasi terbuka.

Baris paling menarik dalam tabel Tencent adalah baris di mana Tencent mengalahkan Tencent. Kartu EVIE-Preview-4.5B dari Agustus mengklaim "Peringkat #1 di ViDoRe V3" dengan 65.36 nDCG@10, sedikit mengungguli 65.32 milik webAI-ColVec1.1-8b. Dalam tabel yang diperbarui di dalam kartu EVIE-8B, 65.36 yang sama kini berada di peringkat ketiga secara keseluruhan, di belakang 66.75 milik EVIE-8B dan 66.02 milik EVIE-4.5B. Rincian per-domain EVIE-8B mengungguli pratinjau lama di kedelapan domain publik ViDoRe V3 — CompSci 81.86 vs 80.65, Finance EN 71.23 vs 70.50, Pharma 70.81 vs 69.20, dan seterusnya — dengan rata-rata peningkatan 1.39 poin. Apakah peningkatan itu bertahan dalam pengujian independen adalah pertanyaan terbuka yang sebenarnya; tetapi konsistensi internalnya patut dicatat, karena seorang guru yang tidak mampu mengalahkan muridnya sendiri akan menjadi hal yang aneh untuk dirilis.

Grafik keluarga di atas menyatakan kembali peringkat tiga checkpoint yang diterbitkan Tencent dalam kartu EVIE-8B pada 4 September — EVIE-8B pada 66.75, EVIE-4.5B pada 66.02, EVIE-Preview-4.5B pada 65.36 di ViDoRe V3 nDCG@10 — dengan pratinjau 128D yang digantikan oleh model guru 4096D dan model murid Prefix-MRL.

Mengapa produk unggulan bukan model penerapan

Ada alasan mengapa model dengan akurasi tertinggi disebut teacher, bukan default. Lebar memakan biaya penyimpanan dan komputasi penskoran, dan 4096 dimensi per token benar-benar sangat lebar. Dalam BF16, satu vektor token EVIE-8B berukuran 8 KiB sebelum kuantisasi apa pun, dan satu halaman padat dapat menghasilkan ratusan vektor token — protokol evaluasi dalam kartu model itu sendiri membatasi dokumen hingga 1.024 token visual per halaman. Tencent tidak menerbitkan angka ukuran indeks untuk EVIE-8B, yang mencolok karena kartu EVIE-Preview-4.5B menerbitkan angka pasti untuk indeks 128 dimensinya: 179,2 GiB indeks BF16 mentah per juta halaman pada anggaran pelatihan 768 token, serta 420,5 GiB pada tingkat 1.792 token hasil ekstrapolasi. Vektor demi vektor, embedding EVIE-8B 32 kali lebih lebar daripada versi pratinjau, sehingga indeks EVIE-8B mentah dengan anggaran token yang sama mencapai kisaran multi-terabyte per juta halaman — bahkan sebelum sistem penelusuran yang harus menyimpannya di RAM ikut dibahas.

Perilisan EVIE-4.5B pada hari yang sama menjadi petunjuk bagaimana Tencent memperkirakan ketegangan itu akan diselesaikan. EVIE-4.5B adalah model siswa 4.61B dengan proyeksi 2048 dimensi tunggal yang terpotong saat runtime menjadi 64, 128, 256, 512, 1024, atau 2048 dimensi (Tencent menyebut skema itu Prefix-MRL), ditambah proses kompresi token tanpa pelatihan yang disebutnya HAC, yang mengelompokkan sekitar 750 token visual sebuah halaman menjadi 32–64 vektor. Judul utama Tencent untuk model tersebut adalah jejak indeks 3,81 GiB per juta halaman — angka yang, seperti yang lainnya, dilaporkan oleh vendor. Jika dibaca bersama, perilisan ini tampak kurang seperti "satu model 8B baru" dan lebih seperti keluarga yang disengaja: 8B menetapkan batas atas dan melatih siswa, dan siswa itulah yang berukuran pas untuk benar-benar berada di balik indeks produksi.

Cara menjalankan EVIE-8B hari ini

EVIE-8B dirilis hanya sebagai bobot. Tidak ada API yang dihosting di platform mana pun — termasuk OrcaRouter — jadi satu-satunya rute saat ini adalah menghosting sendiri checkpoint dan menjalankannya melalui jalur ColQwen3.5 di colpali-engine. Panduan cepat pada kartu model ini singkat: muat model dalam BF16 dengan flash-attention, panggil enable_bidirectional_attention(), lakukan embedding pada gambar halaman dan kueri teks, lalu beri skor dengan MaxSim dari prosesor. Langkah bidirectional bukanlah hiasan opsional — colpali-engine yang dirilis membangun ColQwen3.5 dengan mask kausal secara default, dan kartu model pratinjau mendokumentasikan bahwa membiarkan mask tetap terpasang mengurangi sekitar 1,1 poin pada MaxSim untuk hasil teratas. Helper yang sama juga disertakan untuk EVIE-8B. Checkpoint BF16 8,41B memerlukan sekitar 17 GB bobot berdasarkan perkiraan dua byte per parameter, jadi ini adalah urusan GPU tunggal dengan ruang cadangan, bukan model edge, dan korpus berada di mana pun Anda menyimpan indeks, bukan pada model.

Apa yang diubah EVIE-8B untuk stack RAG dokumen

Bagi siapa pun yang membangun retrieval untuk pindaian, arsip, bagan, atau formulir, perubahan praktisnya adalah bahwa batas kualitas retrieval dokumen visual terbuka baru saja bergeser, dan pergeseran itu terjadi di dalam keluarga yang kini mencakup tiga titik harga-kinerja. Meski begitu, retriever hanya memberi Anda halaman-halamannya. Model yang membaca halaman-halaman itu dan menulis jawabannya adalah keputusan tersendiri, dan di lapisan itulah routing membuktikan nilainya: OrcaRouter memaparkan satu API untuk 200+ model dengan harga daftar penyedia dan markup 0%, sehingga model pembaca di belakang retriever Anda dapat diganti tanpa menulis ulang, dan penurunan harga dari vendor untuk model apa pun yang dirutekan berlaku di hari yang sama saat diumumkan. Pemisahan itu semakin penting ketika bagian retrieval-nya adalah checkpoint yang baru dan belum teruji — Anda dapat mengadopsi EVIE-8B untuk pengindeksan sambil menjaga lapisan generasi di balik antarmuka yang tidak mengikat Anda pada satu model tunggal pun.

Tontonan Berikutnya

Ada tiga hal yang akan mengubah ini dari sekadar rilis senyap di repositori menjadi cerita yang tuntas. Pertama, uji coba independen: selama belum ada pihak di luar Tencent yang mereproduksi angka ViDoRe dan JinaVDR, klaim "peringkat #1" milik EVIE-8B maupun klaim "peringkat #1" dari pratinjau lama sama-sama merupakan laporan mandiri yang kebetulan saling bertentangan. Kedua, makalah dan ablasi yang dijanjikan — pilihan berdimensi 4096, checkpoint campuran bobot, dan resep distilasi — saat ini semuanya masih berupa pernyataan tanpa dokumen tertulis yang mendukungnya. Ketiga, soal penamaan: dengan EVIE-4.5B yang kini menempati posisi yang dipegang EVIE-Preview-4.5B tiga minggu lalu, masih menjadi pertanyaan terbuka apakah Tencent mempertahankan lini "Preview" atau menggabungkannya ke dalam keluarga yang telah diubah namanya. Mengingat ritmenya — tiga checkpoint pengambilan dokumen visual dalam tiga minggu — asumsi yang lebih berguna adalah bahwa lini ini sedang diinvestasikan besar-besaran, dan rilis-rilis yang senyap itu adalah cara laboratorium untuk meluncurkan produk lebih dulu sebelum makalahnya terbit.