EVIE-8B: 텐센트, 가장 정확한 비주얼 문서 검색기를 조용히 출시하다

3주 전, Tencent의 EVIE-Preview-4.5B는 Tencent가 자체적으로 보고한 수치를 바탕으로 ViDoRe 리더보드에서 가장 정확한 오픈 비주얼 문서 검색기였다. 9월 4일, Tencent는 자체 리더보드 1위 모델을 조용히 교체했다. 외부 도전자가 아니라, 같은 날 아침에 공개된 더 큰 형제 모델로 말이다. EVIE-8B는 Qwen3.5-9B 백본에 4096차원의 토큰별 임베딩을 사용하는 84.1억 파라미터의 late-interaction 검색기로, 발표도, 블로그 게시물도, 논문도 없이 가중치와 코드만 Hugging Face와 GitHub에 게시되었다. 세 번째 체크포인트인 EVIE-4.5B도 같은 순간에 나타났으며 현재 두 모델 사이에 자리 잡고 있다. 이번 출시에 딸린 모든 주장(점수, 아키텍처, 심지어 모델의 용도까지)은 현재 Tencent 외부에서 아무도 EVIE-8B에 대해 발표한 적이 없기 때문에, 오로지 Tencent 자체 저장소가 말하는 내용에 근거한다. 이것이 저장소에서 실제로 확인할 수 있는 것이며, 아직 확인되지 않은 부분이다.

텐센트가 9월 4일에 무엇을 출시했나?

2026-09-04에 Hugging Face의 tencent 조직에 두 개의 새 저장소가 약 1분 간격으로 나타났습니다: tencent/EVIE-8B와 tencent/EVIE-4.5B. 그와 함께 통합 GitHub 저장소인 Tencent/EVIE도 게시되었으며, 여기에는 학습 코드, ColQwen3.5 추론 엔진, 138개 과제 평가 하네스가 포함되어 있습니다. 두 모델 저장소 모두 Apache-2.0이며, 둘 다 colpali-engine 라이브러리를 사용하고, visual-document-retrieval 파이프라인 태그를 갖고 있습니다. 8월 17일의 이전 모델인 EVIE-Preview-4.5B는 Hugging Face에 "Preview"라는 이름으로 남아 있지만, 더 이상 이 계열의 플래그십은 아닙니다. 새로 업데이트된 EVIE-8B 카드 내 리더보드에서 Tencent는 자체 체크포인트 세 개를 상위에 올렸습니다: EVIE-8B 66.75 ViDoRe V3 nDCG@10, EVIE-4.5B 66.02, EVIE-Preview-4.5B 65.36.

어디에서도 어떤 발표도 없었다. EVIE-8B 카드의 릴리스 노트에는 가중치, 추론 파이프라인, 평가 스위트가 오픈소스로 공개되었다고 적혀 있지만, 이어서 "전체 기술 세부 사항, 아키텍처 절제 연구, 공식 연구 논문은 향후 릴리스에서 업데이트될 예정"이라고 덧붙인다. 작성 시점 기준으로 GitHub 저장소에는 커밋 4개가 있었고 릴리스는 없었다. 두 새 저장소 모두 아직 의미 있는 채택을 보여주지 못하고 있다. 독자적인 결과를 가져온 커뮤니티 포크도, 제3자 평가도 없으며, 저장소가 공개된 지 이틀이 지났는데도 다운로드 횟수는 여전히 거의 0에 가깝다. 정황상 이는 Tencent가 가중치를 먼저 공개하고 논문은 나중에 쓰는 릴리스로, 연구소가 8월에 EVIE-Preview-4.5B와 UI-Mate-9B를 공개했을 때와 같은 조용한 패턴이다.

위의 tencent/EVIE-8B 모델 카드는 이번 릴리스의 공개 표면입니다: colpali-engine 라이브러리용으로 태그된 시각적 문서 검색 체크포인트이고, Apache-2.0 라이선스를 따르며, 4096차원 late-interaction 임베딩과 카드 상단 근처에 있는 해당 제품군 자체의 갱신된 ViDoRe 테이블을 포함합니다.

EVIE-8B, 주력 교사

구조적으로 EVIE-8B는 ColPali/ColBERT의 late-interaction 계열에 속한다. 페이지를 하나의 임베딩 벡터로 뭉개는 대신 — 단일 벡터 밀집 검색이 따르는, 손실이 큰 방식 — 페이지 이미지에 비전-언어 백본을 적용해 토큰별 멀티-벡터 표현을 유지하고, MaxSim 연산자로 관련성을 채점한다. 각 쿼리 토큰은 페이지의 토큰들 가운데 가장 잘 맞는 매치를 고르고, 그 최댓값들이 합산되어 관련성 점수가 된다. EVIE-8B의 구체적 선택은 완전 양방향 어텐션으로 구동되는 Qwen3.5-9B 백본(모델이 인코더화되어 비전-텍스트 시퀀스 전반에서 인과 마스크가 꺼져 있음)과 토큰당 넓은 4096차원 프로젝션이다. 이 폭의 목적은 충실도(fidelity)다. 공간 레이아웃, 타이포그래피, 차트 구조, 표 관계가 평균화로 사라지는 대신 표현 속에 그대로 살아남는다.

텐센트는 EVIE-8B를 명시적으로 "주력 교사(flagship teacher)"로 내세운다. EVIE-4.5B 학생 모델은 텐센트가 EVIE-ARD라고 일컫는 레시피를 통해 이 모델로부터 훈련된다. EVIE-ARD는 앵커 보존형·용량 인지형 관계 증류(anchor-preserving, capacity-aware relation distillation)로, 토큰 간 관계 토폴로지를 전이하고 하드 네거티브 마진 감독을 사용한다. 즉, 8B 모델에는 두 가지 임무가 있다. 제품 라인의 정확도 상한을 설정하는 일과, 경량 학생 모델이 증류해 내는 품질 앵커가 되는 일이다. 훈련 측면에서 모델 카드는 775,635개의 문서-쿼리 쌍을 보고하며, 마이닝된 하드 네거티브는 멀티모달 판정기가 재판정한다. 이 판정기는 답변 가능한 후보를 포지티브로 승격하고, 모호한 후보는 손실에서 마스킹하며, 엄밀히 무관한 페이지만 진짜 네거티브로 유지한다. 공개된 "a40" 체크포인트는 그 자체로 독립적으로 훈련된 두 계열을 α = 0.40으로 혼합한 가중 공간 믹스다.

텐센트가 스스로를 위해 만든 점수판

아래의 모든 수치는 벤더가 보고한 값입니다. 이 수치는 Tencent 자체 모델 카드에서 가져온 것이며, Tencent가 자사 저장소에 포함시켜 배포하는 평가 하네스를 사용해 생성되었습니다. 이 중 어떤 것도 독립적으로 재현된 적이 없으며, EVIE-8B는 아직 연구실 외부의 누구도 실행해 본 적이 없습니다.

파라미터 / 백본 — 8.41B, Qwen3.5-9B, 양방향 전체 어텐션.

• 임베딩 — 토큰당 4096차원 멀티 벡터, MaxSim 지연 상호작용.

• ViDoRe V1 (10개 작업, nDCG@5) — 92.18.

• ViDoRe V2 (태스크 4개, nDCG@5) — 74.23.

• ViDoRe V3 (48개 과제, nDCG@10) — 66.75, 카드는 도메인별 스윕을 통해 공개된 8개 도메인 모두에서 우승한다고 주장합니다.

• JinaVDR (76개 작업, nDCG@10) — 83.30; 138개 작업 모음에서 4개 보드 매크로 평균 nDCG@10 — 79.51.

• 라이선스 — Apache-2.0; 가중치, 추론, 평가 코드 공개.

텐센트의 표에서 가장 흥미로운 행은 텐센트가 텐센트를 이기는 행이다. 8월의 EVIE-Preview-4.5B 모델 카드는 65.36 nDCG@10으로 'ViDoRe V3에서 Rank #1'이라고 주장하며 webAI-ColVec1.1-8b의 65.32를 근소하게 앞섰다. EVIE-8B 모델 카드 안의 갱신된 표에서 그 동일한 65.36은 이제 EVIE-8B의 66.75와 EVIE-4.5B의 66.02에 이어 전체 3위다. EVIE-8B의 도메인별 세부 수치는 공개된 ViDoRe V3의 여덟 도메인 모두에서 기존 프리뷰를 능가한다 — CompSci 81.86 대 80.65, Finance EN 71.23 대 70.50, Pharma 70.81 대 69.20 등 — 평균 1.39포인트 상승이다. 그 상승이 독립적인 실행에서도 살아남을지가 바로 미해결 과제다. 그러나 내부 일관성은 주목할 만하다. 자신의 학생을 이기지 못하는 교사는 출시하기에는 이상한 것이기 때문이다.

위의 패밀리 그래픽은 Tencent가 9월 4일 EVIE-8B 카드에 게시한 세 가지 체크포인트 순위 — ViDoRe V3 nDCG@10에서 EVIE-8B 66.75, EVIE-4.5B 66.02, EVIE-Preview-4.5B 65.36 — 를 다시 제시하며, 128D 프리뷰가 4096D 티처와 Prefix-MRL 스튜던트에게 자리를 내준다.

플래그십이 배포 모델이 아닌 이유

정확도 선두주자가 default가 아니라 teacher로 불리는 데는 이유가 있다. 임베딩 폭이 크면 저장 공간과 스코어링 컴퓨팅 비용이 커지는데, 토큰당 4,096차원은 매우 넓은 편이다. BF16 기준 EVIE-8B의 토큰 벡터 하나는 양자화 전에 8KiB이며, 조밀한(dense) 페이지 하나는 수백 개의 토큰 벡터를 생성할 수 있다. EVIE-8B 모델 카드의 평가 프로토콜은 페이지당 문서를 시각 토큰 1,024개로 제한한다. 텐센트는 EVIE-8B의 인덱스 크기를 공개하지 않았는데, 이는 EVIE-Preview-4.5B 카드가 128차원 인덱스에 대해 768-토큰 학습 예산에서 페이지 100만 개당 raw BF16 인덱스 179.2GiB, 외삽된 1,792-토큰 등급에서 420.5GiB라는 정확한 수치를 공개했던 것과 대비되어 더욱 두드러진다. 벡터 단위로 비교하면 EVIE-8B의 임베딩은 프리뷰 모델의 것보다 32배 넓으므로, 동일한 토큰 예산에서 raw EVIE-8B 인덱스는 페이지 100만 개당 수 테라바이트(multi-terabyte) 범위에 달한다. 이는 그 인덱스를 RAM에 보관해야 하는 검색(retrieval) 시스템이 논의에 오르기도 전의 계산이다.

EVIE-4.5B의 당일 출시는 텐센트가 그 긴장이 어떻게 해소될 것으로 기대하는지를 보여주는 신호다. EVIE-4.5B는 4.61B 규모의 학생 모델로, 런타임에 64, 128, 256, 512, 1024, 2048차원으로 잘라낼 수 있는 단일 2048차원 프로젝션을 갖추고 있다(텐센트는 이 방식을 Prefix-MRL이라고 부른다). 또한 텐센트가 HAC라고 부르는 훈련 없는 토큰 압축 과정을 포함하는데, 이는 페이지의 약 750개 시각 토큰을 32~64개 벡터로 군집화한다. 텐센트가 이 모델에 대해 내세운 핵심 수치는 페이지 백만 개당 3.81GiB의 인덱스 크기인데, 이 숫자는 다른 수치들과 마찬가지로 벤더가 보고한 값이다. 종합해 보면, 이번 출시는 "새로운 8B 모델 하나"라기보다는 의도적으로 설계된 제품군처럼 보인다. 8B 모델이 상한을 설정하고 학생 모델을 훈련시키며, 실제로 프로덕션 인덱스 뒤에 자리 잡도록 크기가 맞춰진 쪽은 바로 그 학생 모델이다.

오늘 EVIE-8B를 실행하는 방법

EVIE-8B는 가중치로만 제공됩니다. OrcaRouter를 포함한 어떤 플랫폼에서도 호스팅 API가 없으므로, 현재로서는 체크포인트를 자체 호스팅하고 colpali-engine에서 ColQwen3.5 경로로 실행하는 것이 유일한 방법입니다. 이 모델 카드의 퀵 스타트는 짧습니다: flash-attention과 함께 BF16으로 모델을 로드하고, enable_bidirectional_attention()을 호출하고, 페이지 이미지와 텍스트 쿼리를 임베딩한 다음, 프로세서의 MaxSim으로 점수를 매기면 됩니다. 양방향 단계는 선택적 장식이 아닙니다. 출시된 colpali-engine은 기본적으로 인과 마스크가 적용된 ColQwen3.5를 빌드하며, 미리보기 모델의 카드에는 마스크를 유지하면 상위 적중 MaxSim에서 약 1.1포인트가 손실된다고 문서화되어 있습니다. 동일한 헬퍼가 EVIE-8B에도 포함됩니다. 8.41B BF16 체크포인트는 파라미터당 2바이트라는 경험칙을 적용하면 가중치가 약 17GB 정도이므로, 엣지 모델이라기보다는 단일 GPU에 충분한 여유를 두고 실행할 수 있는 규모이며, 코퍼스는 모델에 있는 것이 아니라 인덱스를 보관하는 곳에 존재합니다.

EVIE-8B가 문서 RAG 스택에 가져오는 변화

스캔, 서류, 차트 또는 양식을 대상으로 검색을 구축하는 모든 사람에게 실질적인 변화는 오픈 비주얼 문서 검색의 품질 상한선이 방금 상승했고, 그 변화가 이제 세 가지 가격 대비 성능 지점을 아우르는 제품군 안에서 일어났다는 점입니다. 하지만 리트리버는 단지 페이지를 가져다줄 뿐입니다. 그 페이지를 읽고 답변을 작성하는 모델은 별개의 결정 사항이며, 바로 그 계층에서 라우팅이 진가를 발휘합니다. OrcaRouter는 공급업체 목록 가격에 0% 마크업으로 200개 이상의 모델에 걸쳐 하나의 API를 제공하므로, 리트리버 뒤에 있는 리더 모델을 재작성 없이 교체할 수 있고, 라우팅된 모델에 대한 공급업체의 가격 인하도 발표 당일에 바로 반영됩니다. 이러한 분리는 검색 부분이 완전히 새롭고 검증되지 않은 체크포인트일 때 더욱 중요해집니다. 예를 들어 생성 계층을 단일 모델에 얽매이지 않는 인터페이스 뒤에 유지하면서 인덱싱에는 EVIE-8B를 채택할 수 있기 때문입니다.

다음에 볼 콘텐츠

세 가지가 이번 조용한 레포 공개를 완결된 이야기로 바꿔줄 것이다. 첫째, 독립적인 실행이다. 텐센트 외부의 누군가가 ViDoRe와 JinaVDR 수치를 재현하기 전까지 EVIE-8B의 '1위'와 이전 프리뷰의 '1위'는 모두 서로 모순되는 자체 보고된 주장일 뿐이다. 둘째, 약속된 논문과 어블레이션(ablations)이다. 4096차원 선택, 가중치 혼합 체크포인트, 증류 레시피는 모두 현재 이를 뒷받침할 문서 없이 단언된 것들이다. 셋째, 명명 문제다. EVIE-4.5B가 3주 전 EVIE-Preview-4.5B가 차지했던 자리를 지금 차지하고 있으므로, 텐센트가 'Preview' 라인을 유지할지 아니면 이름이 바뀐 패밀리로 통합할지는 미해결 질문이다. 그 템포 — 3주 만에 비주얼 문서 검색 체크포인트 3개 — 를 고려하면, 이 라인에 집중적으로 투자되고 있으며, 조용한 릴리스가 연구소가 논문보다 먼저 결과물을 내보내는 방식이라는 추정이 더 유용하다.