Perplexity تطرح نماذج التضمين pplx-embed-v2-late مفتوحة للبحث في النصوص والصور
قدمت Perplexity عائلة نماذج التضمين pplx-embed-v2-late للبحث في النصوص والصور. ويتشارك النموذجان 0.6B و9B فضاء متجهات واحدا، ويستطيعان البحث في صفحات PDF دون تحويلها إلى نص أولا. وملفات النماذج متاحة على Hugging Face بترخيص MIT.
قدمت Perplexity في 7 أكتوبر 2026 عائلة جديدة من نماذج التضمين باسم pplx-embed-v2-late، تضم حجمين هما 0.6B و9B. وبحسب إعلان Perplexity، تستطيع النماذج البحث في النصوص والصور معا، إذ يمكن البحث مباشرة في صفحات PDF والعروض التقديمية والمستندات الممسوحة ضوئيا دون تحويلها إلى نص أولا. وملفات النماذج متاحة للتنزيل على Hugging Face بترخيص MIT. وكانت الشركة قد طرحت قبل أسبوع نسخة تجريبية من نموذج pplx-embed-v2-context-9b-preview الذي يرمّز أجزاء المستند مع سياقها المحيط.
نموذج التضمين (embedding) هو نموذج يحوّل النص أو الصورة إلى متجه، أي قائمة من الأرقام. ويحصل المحتوى المتقارب في المعنى على متجهات متقاربة، فيستطيع نظام البحث العثور على مستندات تتناول موضوع الاستعلام نفسه حتى لو استخدمت كلمات مختلفة. وتقوم على هذه النماذج محركات البحث وطريقة RAG (التوليد المعزز بالاسترجاع)، وفيها يجلب مساعد الذكاء الاصطناعي المقاطع ذات الصلة من مجموعة مستندات أولا ثم يبني إجابته عليها.
متجه مستقل لكل وحدة نصية
تضغط معظم نماذج التضمين المستند كله في متجه واحد. وبحسب Perplexity، قد يؤدي ذلك إلى فقدان جزء من المعلومات في المستندات الطويلة التي تتناول عدة مواضيع. أما pplx-embed-v2-late فيعتمد أسلوب التفاعل المتأخر (late interaction) المعروف باسم ColBERT، إذ ينتج النموذج متجها مستقلا من 128 بعدا لكل وحدة نصية (token) في المدخلات. وعند البحث تُطابق كل وحدة في الاستعلام مع أقرب وحدة إليها في المستند، ثم تُجمع درجات هذه المطابقات. وبذلك يمكن لأجزاء مختلفة من الاستعلام أن تطابق أجزاء مختلفة من المستند.
البحث في النصوص والصور بنموذج واحد
تقول الشركة إن مجموعات المستندات الحقيقية تتكون من ملفات PDF وعروض تقديمية ولقطات شاشة وصفحات ممسوحة ورسوم بيانية وجداول. وفي الطريقة المعتادة تُحوَّل هذه المستندات أولا إلى نص عبر OCR، وهي خطوة قد تضيف أخطاء وتُفقد تنسيق الصفحة وبنية الجداول والأشكال. أما النماذج الجديدة فتعالج صورة الصفحة مباشرة لتصبح قابلة للبحث باستعلامات نصية. وتضيف Perplexity أن النماذج تدعم أيضا البحث الدلالي في الصور الطبيعية مثل صور المناظر الطبيعية. وبحسب الإعلان، تتكون بيانات التدريب من 186 مليون زوج من الاستعلامات والمستندات من 46 لغة، وتقول الشركة إنها استبعدت من التدريب البيانات المرتبطة بمقاييس الأداء التي تنشر نتائجها.
الحجمان يتشاركان فضاء متجهات واحدا
يقوم النموذجان على Qwen3.5، ودُرّبا بالتقطير من نموذج معلّم داخلي يضم 18 مليار معامل. ولأنهما يتشاركان فضاء متجهات واحدا، يمكن الاستعلام بالنموذج الصغير في فهرس بُني بالنموذج الكبير. وفي الإعداد الذي تقترحه Perplexity تُفهرس مجموعة المستندات مرة واحدة بنموذج 9B، بينما تُرمَّز استعلامات المستخدمين الفورية بالنموذج الصغير الأسرع. وصُمم النموذج الصغير ليعمل على الأجهزة الطرفية أيضا، وبحسب الشركة يعمل منه نحو 240 مليون معامل عند ترميز النصوص ونحو 340 مليونا عند ترميز الصور. ويتيح ذلك ترميز المستندات الخاصة محليا على الجهاز واستخدامها مع فهرس كبير مستضاف في السحابة.
وفي المقارنات التي نشرتها Perplexity، يتقدم نموذج 9B على نماذج الرؤية واللغة التي شملها التقييم في مقياس ViDoRe (V3) الواسع الاستخدام للبحث في المستندات المرئية، وتقول الشركة إن نموذج 0.6B يحقق نتائج مماثلة لنماذج تفوقه بنحو خمسة أضعاف في عدد المعاملات النشطة. ويذكر الإعلان أيضا أن نموذج 9B تفوق على جميع النماذج المقارنة في اختبار BrowseComp+ الذي يستخدم فيه وكيل ذكاء اصطناعي نموذج التضمين أداة للبحث. وفي بعض اختبارات البحث في الصور تتقدم نماذج منافسة.
طريقة الاستخدام وخطط الواجهة البرمجية
يمكن تنزيل النموذجين من Hugging Face، ويعملان مباشرة مع مكتبة sentence-transformers في الإصدار 6 وما بعده دون شيفرة إضافية، وتتضمن بطاقات النماذج أمثلة استخدام بلغة Python. وتقدم منصة Perplexity للواجهة البرمجية حاليا نماذج الجيل الأول pplx-embed-v1. وتقول الشركة إنها ستضيف تدريجيا دعم التضمينات ذات التفاعل المتأخر والكثيفة والسياقية إلى المنصة. ومن المقرر نشر تقرير تقني يتضمن مزيدا من التفاصيل ونتائج التقييم الكاملة في وقت لاحق من هذا العام.
أما نموذج pplx-embed-v2-context-9b-preview الذي صدر الأسبوع الماضي فيعالج مشكلة أخرى في أنظمة RAG، هي فقدان السياق عند تقسيم المستندات إلى أجزاء. إذ يُمرَّر المستند إلى النموذج قائمةً من الأجزاء، وتُرمَّز الأجزاء معا، فيعكس متجه كل جزء المحتوى المحيط به. وبحسب Perplexity، دُرّب النموذج على العثور على الجزء الذي يحتوي الإجابة إلى جانب الأجزاء الداعمة اللازمة لفهمها والتحقق منها. وهذا النموذج أيضا مرخص بترخيص MIT وملفاته متاحة على Hugging Face.
ولأن نماذج التفاعل المتأخر تخزن متجهات كثيرة لكل مستند، فهي تحتاج إلى مساحة تخزين أكبر وبنية فهرسة مختلفة مقارنة بالنماذج أحادية المتجه، وتشير Perplexity إلى أن هذه التكلفة تزداد مع طول المستند. وبحسب بطاقة النموذج، لا يمكن خلط النصوص والصور في الاستدعاء نفسه. وتغطي بيانات التدريب 46 لغة، لكن لم تُنشر نتائج منفصلة لكل لغة، لذا يُستحسن اختبار النماذج على أمثلتك الخاصة قبل الاعتماد عليها في المستندات غير الإنجليزية، ومنها العربية. ولأن النموذج السياقي ما زال نسخة تجريبية، توصي بطاقته بعدم خلط متجهاته بمتجهات الإصدارات المقبلة. وللحصول على صورة أشمل، تابع أيضا تقييمات الباحثين المستقلين.
المصادر: Perplexity: Multimodal embeddings beyond a single vector، وPerplexity: Contextual embedding beyond the gold passage، وHugging Face: pplx-embed-v2-late-9b، وHugging Face: pplx-embed-v2-late-0.6b، وHugging Face: pplx-embed-v2-context-9b-preview.
