EVIE-8B：テンセント、これまでで最も正確なビジュアル文書リトリーバーをひっそりとリリース

3週間前、TencentのEVIE-Preview-4.5Bは、ViDoReのランキングにおいて最も正確なオープンな視覚的文書検索モデルだった。それはTencent自身が報告した数値によるものだ。9月4日、Tencentはそのモデルを自社リーダーボードの最上位から静かに置き換えた。外部からの挑戦者ではなく、同じ朝にリリースされたより大きな兄弟モデルによって。EVIE-8Bは、Qwen3.5-9Bをバックボーンとし、トークンごとに4096次元の埋め込みを持つ8.41Bパラメータの後期相互作用型検索モデルで、アナウンスもブログ投稿も論文もなしに、重みとコードとしてHugging FaceとGitHubに公開された。3つ目のチェックポイントであるEVIE-4.5Bは同じ瞬間に登場し、現在はこの2つの間に位置している。このリリースに付随するすべての主張、すなわちスコア、アーキテクチャ、さらにはモデルの用途に至るまで、現在はTencent自身のリポジトリに記載されている内容に依拠している。なぜなら、Tencent以外の誰もEVIE-8Bについてまだ何も発表していないからだ。以上がリポジトリから実際に分かることであり、まだ確認されていないことである。

テンセントが9月4日に出荷したもの

2026-09-04に、Hugging Face上のtencent組織に、約1分間隔で2つの新しいリポジトリが登場しました: tencent/EVIE-8Bとtencent/EVIE-4.5Bです。それらと並行して、統合されたGitHubリポジトリであるTencent/EVIEも公開され、トレーニングコード、ColQwen3.5推論エンジン、138タスクの評価ハーネスが含まれています。両方のモデルリポジトリはApache-2.0ライセンスで、どちらもcolpali-engineライブラリを使用し、visual-document-retrievalパイプラインタグが付けられています。8月17日付けの以前のEVIE-Preview-4.5Bは、Hugging Face上に"Preview"という名前で残っていますが、もはやファミリーの主力ではありません。EVIE-8Bカード内の更新されたリーダーボードで、Tencentは自社のチェックポイントを上位3つに挙げています: EVIE-8Bが66.75のViDoRe V3 nDCG@10、EVIE-4.5Bが66.02、EVIE-Preview-4.5Bが65.36です。

どこにも発表はありません。EVIE-8Bカードのリリースノートには、ウェイト、推論パイプライン、評価スイートがオープンソース化されたと記されており、そのうえで「完全な技術詳細、アーキテクチャのアブレーション、正式な研究論文は今後のリリースで更新される予定です」と付け加えられています。執筆時点で、GitHubリポジトリには4つのコミットがあり、リリースはありませんでした。新しいリポジトリはいずれもまだ意味のある採用を示しておらず、独立した結果を伴うコミュニティフォークもなく、第三者による評価もなく、リポジトリが公開されてから2日後でもダウンロード数はほぼゼロのままです。こうした証拠から見ると、これはTencentによる「ウェイト先行、論文後回し」のリリースであり、研究所が8月にEVIE-Preview-4.5BとUI-Mate-9Bで用いたのと同じ静かなパターンです。

上記のtencent/EVIE-8Bモデルカードは、このリリースの公開サーフェスです。colpali-engineライブラリ向けにタグ付けされたビジュアル文書検索チェックポイントであり、Apache-2.0ライセンス、4096次元のレイトインタラクション埋め込みを備え、カード上部付近に同ファミリー独自の更新済みViDoReテーブルが掲載されています。

EVIE-8B、フラッグシップ教師

{{1}}アーキテクチャ上、EVIE-8BはColPali/ColBERTのレイトインタラクション・ファミリーに属する。{{/1}}ページ全体を1つの埋め込みベクトルに圧縮する——単一ベクトルによるデンス検索が採る情報損失を伴う手法——のではなく、ページ画像に対して視覚言語バックボーンを実行し、トークンごとのマルチベクトル表現を保持する。そしてMaxSim演算子で関連性をスコアリングする。つまり、各クエリトークンはページ側のトークン群の中から最良のマッチを選び、それらの最大値の総和が関連性スコアとなる。{{2}}EVIE-8Bの具体的な選択は、Qwen3.5-9Bバックボーンを完全な双方向アテンションで動作させること（モデルはエンコーダ化されており、視覚・テキスト系列全体で因果マスクがオフにされている）と、トークンごとに幅広い4096次元の射影を施すことである。{{/2}}{{3}}この幅の狙いは忠実性にある。空間レイアウト、タイポグラフィ、チャート構造、表の関係性が平均化されて失われるのではなく、表現の中に生き残るのである。{{/3}}

テンセントはEVIE-8Bを明確に「旗艦ティーチャー」として位置づけている。EVIE-4.5Bの生徒モデルは、テンセントがEVIE-ARDと呼ぶ手法——アンカー保持型・容量認識型の関係蒸留（relation distillation）——を用いてそこから学習される。この手法はトークン関係のトポロジーを転送し、ハードネガティブ・マージンによる教師信号を使用する。言い換えれば、8Bモデルには2つの役割がある。製品ラインの精度の上限を設定することと、コンパクトな生徒モデルが蒸留の基準とする品質アンカーとなることだ。トレーニング面では、モデルカードは775,635件のドキュメント・クエリペアを報告しており、マイニングされたハードネガティブはマルチモーダル判定器によって再判定される。この判定器は、回答可能な候補をポジティブに昇格させ、曖昧な候補を損失からマスクし、厳密に無関係なページのみを真のネガティブとして保持する。公開された「a40」チェックポイント自体も、独立に学習された2つのアームをα = 0.40で重み空間上で混合したものである。

テンセントが自分自身のために作ったスコアボード

以下の数値はすべてベンダーによる報告です。これらはTencent独自のモデルカードに記載されたもので、Tencentがリポジトリで公開している評価ハーネスを用いて生成されました。いずれも独立して再現されておらず、EVIE-8Bはまだ研究所外の誰にも実行されていません。

• パラメータ / バックボーン — 8.41B、Qwen3.5-9B、双方向フルアテンション。

• 埋め込み — トークンごとの4096次元マルチベクトル、MaxSimレイトインタラクション。

• ViDoRe V1（10タスク、nDCG@5）— 92.18。

• ViDoRe V2 (4タスク、nDCG@5) — 74.23.

• ViDoRe V3（48タスク、nDCG@10）— 66.75。ドメイン別スイープにより、このカードは8つの公開ドメインすべてで勝利すると主張しています。

• JinaVDR（76タスク、nDCG@10）— 83.30；138タスクスイート全体での4ボードマクロ平均nDCG@10 — 79.51。

• ライセンス: Apache-2.0。重み、推論用コード、評価用コードは公開。

Tencentの表で最も興味深い行は、TencentがTencentに勝っている行だ。8月のEVIE-Preview-4.5Bカードは、nDCG@10で65.36を記録し「Rank #1 on ViDoRe V3」を主張、webAI-ColVec1.1-8bの65.32を僅かに上回っていた。EVIE-8Bカード内の更新された表では、同じ65.36は現在総合3位となり、EVIE-8Bの66.75とEVIE-4.5Bの66.02に次ぐ位置にある。EVIE-8Bのドメイン別内訳は、公開されているViDoRe V3の全8ドメインで旧プレビューを上回っている——CompSciは81.86対80.65、Finance ENは71.23対70.50、Pharmaは70.81対69.20など——平均で1.39ポイントの向上に相当する。その向上が独立した実行でも維持されるかどうかこそが未解決の問いであるが、内部的な一貫性は注目に値する。自分の生徒に勝てない教師を世に出すのは、奇妙な話だからだ。

上記のファミリーグラフィックは、Tencentが9月4日にEVIE-8Bカードで公開した3つのチェックポイントのランキング（ViDoRe V3 nDCG@10におけるEVIE-8B 66.75、EVIE-4.5B 66.02、EVIE-Preview-4.5B 65.36）を再掲したものであり、128Dプレビューは4096DティーチャーとPrefix-MRLスチューデントに取って代わられている。

なぜフラッグシップはデプロイメントモデルではないのか

精度でトップのモデルが「デフォルト」ではなく「ティーチャー」と呼ばれているのには理由がある。幅はストレージとスコアリングの計算コストを消費し、トークンあたり4096次元というのは非常に広い。BF16では、量子化前のEVIE-8Bのトークンベクトル1つは8KiBであり、高密度なページは数百ものトークンベクトルを生成し得る——モデルカード自身の評価プロトコルでさえ、文書を1ページあたり1,024ビジュアルトークンに制限している。TencentはEVIE-8Bのインデックスサイズの数値を一切公表していない。EVIE-Preview-4.5Bのカードが128次元インデックスの正確な数値——768トークンのトレーニング予算では100万ページあたり179.2GiBの生BF16インデックス、外挿した1,792トークンの水準では420.5GiB——を公表していただけに、この沈黙は殊更に目立つ。ベクトル単位で比較すれば、EVIE-8Bの埋め込みはプレビュー版より32倍も幅が広い。したがって、同じトークン予算での生のEVIE-8Bインデックスは、100万ページあたり数テラバイト台に達する——それをRAMに保持しなければならない検索システムの話を持ち出すまでもなく。

EVIE-4.5Bが同日にリリースされたことは、Tencentがその緊張の解消をどのように想定しているかを物語っている。EVIE-4.5Bは、4.61Bの生徒モデルであり、単一の2048次元投影を持ち、実行時に64、128、256、512、1024、または2048次元に切り詰められる（Tencentはこの方式をPrefix-MRLと呼ぶ）。さらに、ページ上の約750個の視覚トークンを32〜64個のベクトルにクラスタリングする、トレーニング不要のトークン圧縮処理（HACと呼ばれる）も備えている。Tencentがこのモデルについて強調しているのは、100万ページあたり3.81GiBのインデックス占有量である——これは、他の数値と同様、ベンダー報告の値である。まとめて見ると、このリリースは「新しい8Bモデル1つ」というよりも、意図的なファミリーのように見える。8Bが上限を設定し、生徒を訓練し、そしてその生徒こそが実際に本番インデックスの背後に置かれるサイズなのだ。

今日EVIE-8Bを実行する方法

EVIE-8B はウェイトのみで提供されます。OrcaRouter を含め、どのプラットフォームでもホスト型 API は提供されていないため、現時点での唯一の方法は、チェックポイントをセルフホストし、colpali-engine の ColQwen3.5 パスで実行することです。カードのクイックスタートは短くまとまっています。モデルを flash-attention 付きの BF16 で読み込み、enable_bidirectional_attention() を呼び出し、ページ画像とテキストクエリを埋め込み、プロセッサの MaxSim でスコアリングします。双方向ステップは任意の飾りではありません。リリース版の colpali-engine はデフォルトで因果マスク付きの ColQwen3.5 を構築し、プレビューモデルのカードには、マスクを残したままにするとトップヒットの MaxSim で約 1.1 ポイントの損失になることが記載されていました。同じヘルパーが EVIE-8B にも付属しています。8.41B BF16 チェックポイントは、パラメータあたり2バイトの目安で約17GBのウェイトになるため、これはエッジモデルではなく、余裕のあるシングルGPUでの運用を想定したものです。コーパスはモデル上ではなく、インデックスを置く場所に存在します。

EVIE-8BがドキュメントRAGスタックにもたらす変化

スキャン、提出書類、図表、フォームを対象に検索を構築している人にとって、実際に変わるのは、オープンなビジュアル文書検索の品質上限が引き上げられたことです。しかも、その上限は現在、価格性能の異なる3つのポイントをカバーするファミリーの中で実現しています。ただし、レトリーバーが取得してくれるのはページまでです。そのページを読んで回答を書くモデルは、別途選ぶ必要があります。そして、このレイヤーこそルーティングが価値を発揮する部分です。OrcaRouterは、200以上のモデルを1つのAPIで利用できるようにし、料金は各プロバイダーの提示価格のまま、マークアップ0%です。そのため、レトリーバーの後段で使うリーダーモデルを、書き直すことなく交換できます。また、ルーティング対象のモデルがベンダーによって値下げされた場合、発表当日から新しい価格が適用されます。この分離がより重要になるのは、検索側が発表されたばかりの実績のないチェックポイントである場合です。EVIE-8Bをインデックス作成に採用しつつ、生成レイヤーを、単一モデルに依存しないインターフェースの背後に維持できるからです。

次に見るもの

「ひっそりとしたリポジトリ公開」を「決着のついたストーリー」へと変えるには、3つのことが必要だろう。第一に、独立した再現実験だ。Tencent社外の誰かがViDoReとJinaVDRの数値を再現するまでは、EVIE-8Bの「ランク1位」も旧プレビュー版の「ランク1位」も、自己申告による主張であり、しかも互いに矛盾している。第二に、約束されていた論文とアブレーションだ。4096次元という選択も、weight-mixチェックポイントも、蒸留レシピも、現時点ではいずれも、裏付けとなる論文なしに語られている主張だ。第三に、命名だ。EVIE-4.5Bは今、3週間前にはEVIE-Preview-4.5Bが占めていた場所を占めている。Tencentが「Preview」の系列を存続させるのか、それとも改名されたファミリーに統合するのかは、未解決の問いだ。3週間で3つのビジュアル文書検索チェックポイントというペースを踏まえれば、より実用的な想定は次の通りだ。この系列には本腰を入れた投資が行われており、静かなリリースはラボが論文の発表に先駆けて成果を公開していく方法なのだ。