Perplexity AI、ウェブ規模検索向けSOTAエンベディングモデル2ファミリーを公開

Perplexity AIは、実世界のウェブ規模検索アプリケーション向けに特別に設計された2つの新しいエンベディングモデルファミリー、pplx-embed-v1とpplx-embed-context-v1を公開しました。

これらの最先端（SOTA）モデルは、効率と性能で優れています。4B INT8バリアントは、MTEB Multilingual v2検索リーダーボードでQwen3-Embedding-4BやGemini-embedding-001などのトップモデルに匹敵または上回り、GBあたり4倍のページを保存可能です。バイナリバリアントはさらに効率を向上させ、優れた検索精度を維持しつつGBあたり32倍のページを保存します。

ConTEB文脈検索ベンチマークでは、pplx-embed-context-v1-4B（INT8）がvoyage-context-3（79.45%）とAnthropic Contextual（72.4%）を上回りました。

これらのモデルを評価するため、Perplexityは内部ウェブ規模ベンチマークPPLXQuery2QueryとPPLXQuery2Docを開発しました。これらは10億ページ超から抽出した3,000万ドキュメントに対して11万5千の実クエリで評価されています。

両ファミリーとも0.6Bおよび4Bパラメータサイズで提供されます。Perplexity API、MITライセンスのHugging Face、および詳細な技術論文で利用可能です。