Query2Photo · 文搜图看板

评测集

V3 图不进仓库，直接读官方 parquet。业务集硬链，闭集找 1。

8 领域 × 6 语 · 官方 nDCG@10

64.6%

evie-preview · 约 1.9 万页 · 48 任务宏平均

200 问 × 200 手册图 · 闭集

27.5%

evie-preview Hit@1

502 问 × 502 研报图 · 闭集

67.1%

evie-preview Hit@1

ViDoRe V3

与 EVIE 模型卡同一套 qrels：领域语料编一次，六语 Query 分别检索，再对 48 个任务取平均。

体系	模型	nDCG@10	Hit@1
EVIE	`evie-preview`	64.6%	—
WeCLIPv2	`weclipv2-tiny`	1.2%	0.8%
WeCLIPv2	`weclipv2-small`	1.3%	0.9%
WeCLIPv2	`weclipv2-base`	2.4%	1.8%
WeCLIPv2	`weclipv2-large`	5.1%	4.7%
C-RADIO	`cradio-so400m`	21.3%	19.7%
C-RADIO	`cradio-h`	24.5%	22.0%

业务闭集

中文问题找回唯一对应图。WeCLIPv2 原生中文；EVIE 是页面级后期交互；C-RADIO 走 SigLIP2-g 适配器。

体系	模型	汽车 Hit@1	汽车 Hit@5	研报 Hit@1	研报 Hit@5
EVIE	`evie-preview`	27.5%	54.5%	67.1%	85.3%
WeCLIPv2	`weclipv2-tiny`	8.0%	22.5%	22.5%	40.2%
WeCLIPv2	`weclipv2-small`	5.5%	23.5%	26.3%	46.0%
WeCLIPv2	`weclipv2-base`	12.5%	27.5%	40.0%	65.5%
WeCLIPv2	`weclipv2-large`	22.5%	44.0%	42.2%	67.7%
C-RADIO	`cradio-so400m`	12.5%	34.0%	25.7%	46.6%
C-RADIO	`cradio-h`	17.5%	42.0%	28.1%	49.0%

中文图文 · WeCLIPv2

Tiny/Small 方图 ConvNeXt；Base/Large 是 NaViT 任意长宽比。Large 文本塔换 xlm-roberta-large。权重在 Photo2photo/model/weclip。

型号	视觉	文本	输入	汽车 Hit@1	研报 Hit@1
`weclipv2-large`	NaViT-L/16	xlm-roberta-large	任意长宽比 256p	22.5%	42.2%
`weclipv2-base`	NaViT-B/16	xlm-roberta-base	任意长宽比 256p	12.5%	40.0%
`weclipv2-small`	ConvNeXt-S	xlm-roberta-base	256² 方图	5.5%	26.3%
`weclipv2-tiny`	ConvNeXt-T	xlm-roberta-base	256² 方图	8.0%	22.5%

开源协议

ColQwen3.5 后期交互，ViDoRe 官方口径。微调权重归业务方。

微信 MMVision。中文图文主线，NaViT + xlm-roberta，可继续增量预训练。

NVIDIA Research Only。文搜图必须走 siglip2-g 适配器，不能只用 Photo2photo 的 HF 视觉骨干。

业务案例

默认看 EVIE；没有结果时回落到第一个已完成模型。

Query2Photo 文搜图 EVIE · WeCLIPv2 · C-RADIO