腾讯开源 WeMM-Video 系列多模态模型及多种量化权重
先了解这件事
腾讯于2026年11月20日至21日期间,开源了 WeMM-Video 系列多模态大模型,涵盖稠密的 2B、4B、9B 以及 MoE 架构的 35B-A3B 版本,并提供 FP8、AWQ、NVFP4 及 GGUF 等多种量化权重。 该系列模型均基于约 1.2 万亿多模态 token 预训练,支持文本、图像、音频和视频输入,可生成中英文文本回复。所有模型均采用 Apache License 2.0 协议开放,并提供了适配 vLLM、Transformers 或 WeMM 原生运行时的部署方案。
AI 根据报道生成 · 10 小时前更新
事件进展
4 个进展
- 11月20日 14:40 · 3 篇报道WeMM-Video-35B-A3B AWQ量化版开源腾讯混元模型发布:腾讯发布 WeMM-Video-35B-A3B 的 GGUF Q4_K_M 量化包
- 11月20日 14:40 · 3 篇报道WeMM-Video-9B-NVFP4权重开放腾讯混元模型发布:腾讯发布 WeMM-Video-9B-NVFP4 开源多模态模型
- 11月20日 14:40 · 2 篇报道腾讯开源 WeMM-Video-4B-FP8 多模态模型权重腾讯混元模型发布:腾讯发布 WeMM-Video-4B GGUF 量化包
- 11月20日 14:39 · 4 篇报道WeMM-Video-9B-AWQ开源腾讯混元模型发布:腾讯开源 WeMM-Video-4B 音视频理解模型
报道时间线
沿着报道,了解事件的不同侧面。
- 腾讯混元模型发布腾讯发布 WeMM-Video-2B-NVFP4 开源多模态模型
腾讯发布 WeMM-Video-2B-NVFP4,这是一个支持中英双语的开源多模态模型。该模型基于约 1.2 万亿 token 预训练,采用 NVFP4 W4A16 量化技术,仅需 4.90 GiB 权重即可运行。它支持文本、图像、音频和视频输入,并可通过 patched vLLM 0.31.0 进行推理部署。
- 腾讯混元模型发布腾讯发布 WeMM-Video-35B-A3B 的 GGUF Q4_K_M 量化包
腾讯在 Hugging Face 发布 WeMM-Video-35B-A3B 的 GGUF Q4_K_M 量化包,供 WeMM 原生运行时使用。该模型支持中英双语,可接收文本、图像、音频和视频并输出文本,量化包拆为语言模型 22.61 GiB、视觉编码器 0.84 GiB、音频编码器 1.99 GiB 三个文件,需保持同一 Hub revision。
- 腾讯混元模型发布腾讯发布 WeMM-Video-35B-A3B NVFP4 量化模型
腾讯开源 WeMM-Video-35B-A3B NVFP4 W4A16 量化模型,支持中英双语视听理解与推理。该模型基于约 1.2 万亿多模态 token 预训练,需使用 patched vLLM 0.31.0 配合 ModelOpt Mixed Precision 和 Marlin 进行部署。
- 腾讯混元模型发布腾讯发布 WeMM-Video-35B-A3B AWQ W4A16 量化模型
腾讯开源 WeMM-Video-35B-A3B 的 AWQ W4A16 量化版本,该中英双语多模态模型支持图文音视频理解与推理。模型采用 Group-128 INT4 量化技术,权重文件仅 22.69 GiB,可在双 NVIDIA L20 GPU 上运行。官方提供基于 patched vLLM 0.18.0 和 Transformers 的服务部署方案。
- 腾讯混元模型发布腾讯发布 WeMM-Video-9B-NVFP4 开源多模态模型
腾讯发布 WeMM-Video-9B-NVFP4,这是一个支持中英双语的开源多模态模型,可处理文本、图像、音频和视频输入并生成文本。该模型采用 NVFP4 W4A16 量化技术,基于约 1.2 万亿多模态 token 预训练,需使用 patched vLLM 0.31.0 进行推理部署。
- 腾讯混元模型发布腾讯发布 WeMM-Video-9B-AWQ 多模态模型
腾讯开源 WeMM-Video-9B-AWQ,这是一个支持中英双语的视听理解与推理模型。该模型采用 W4A16 INT4 AWQ 量化技术,权重文件为 12.86 GiB,预训练数据约 1.2 万亿 token。它接受文本、图像、音频和视频输入并生成文本回复,兼容 vLLM 0.18.0 和 Transformers 5.2.0,基于 Apache License 2.0 协议开放。
- 腾讯混元模型发布腾讯发布 WeMM-Video-9B GGUF 量化包
腾讯在 Hugging Face 发布 WeMM-Video-9B 的 GGUF Q4_K_M 量化包,供 WeMM 原生运行时使用。该模型支持中英双语,可接收文本、图像、音频和视频并生成文本回复,包内含 10.41 GiB 的语言模型、0.86 GiB 的视觉编码器和 2.01 GiB 的音频编码器三个文件。
- 腾讯混元模型发布腾讯发布 WeMM-Video-4B-NVFP4 开源多模态模型
腾讯发布 WeMM-Video-4B-NVFP4,这是一个支持中英双语的开源多模态模型。该模型基于约 1.2 万亿 token 预训练,采用 NVFP4 W4A16 量化技术,权重文件为 7.42 GiB。它可处理文本、图像、音频和视频输入并生成响应,需使用 patched vLLM 0.31.0 进行部署推理。
- 腾讯混元模型发布腾讯发布 WeMM-Video-4B GGUF 量化包
腾讯在 Hugging Face 发布 WeMM-Video-4B 的 GGUF Q4_K_M 量化包,面向 WeMM 原生运行时,支持文本、图像、音频和视频输入并生成文本回复。
- 腾讯混元模型发布腾讯发布 WeMM-Video-4B-AWQ 量化模型
腾讯开源 WeMM-Video-4B-AWQ,这是支持中英双语的多模态大语言模型 WeMM-Video 的 W4A16 量化版本。该模型基于约 1.2 万亿 token 预训练,采用 group-128 INT4 AWQ 压缩技术,在 NVIDIA L20 上验证通过。它接受文本、图像、音频和视频输入并生成响应,提供 vLLM 和 Transformers 部署方案。
- 腾讯混元模型发布腾讯发布 WeMM-Video-4B-FP8 多模态模型
腾讯发布支持 FP8 Block128 量化的 WeMM-Video-4B 中英双语多模态模型,该模型可处理文本、图像、音频和视频输入并生成文本回复。模型基于约 1.2 万亿多模态 token 预训练,权重文件为 7.13 GiB,支持通过 Transformers 5.2.0 或 patched vLLM 0.18.0 部署。
- 腾讯混元模型发布精选腾讯开源 WeMM-Video-4B 音视频理解模型
腾讯发布 WeMM-Video 系列中的稠密 4B 模型 WeMM-Video-4B,可同时接收文本、图像、音频和视频并输出中英文文本回复,支持结合视频画面与原声描述事件、转写语音。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1011月21日 11:00
- 近 24 小时变化
- -11%
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。