pplx-embed-v2-late：OCR-Free PDF 檢索、MaxSim 與 92.4% 的評測邊界

來源、圖片與留言

@it.oppa.twhk 原貼 2026-10-09，本次收錄與固定模型卡查核 2026-10-10。三張可見正文圖卡已覆核；AI Threads 社群圖示已排除，不算第四張。作者宣稱 MIT、每 Token 128 維、MaxSim、9B 建庫／0.6B 查詢，以及 MADQA 92.4% 與毫秒級搜尋。可見五則留言，頁面顯示九則，覆蓋部分；其中 @meta.ai 回覆談到召回後再用 Vision LLM 做結構化抽取，但它是 AI 生成留言，不是產品官方證據，更不把 top 3–5 頁當普遍最佳參數。

第一方固定模型卡確認什麼？

• 模型族由 Qwen3.5、bidirectional attention 與 ColBERT 型 late interaction 構成；每個 token 輸出 128 維向量，使用 MaxSim。
• 0.6B 與 9B 共享 embedding space，官方支持小模型 query 大模型建的 index；並非任意兩個 embedding 模型均可混用。
• 官方表列 active params 340M 與 7.4B；0.6B／9B 是型號，不能把 total 與 active 參數混成單一部署記憶體數字。
• 兩個模型卡的 license metadata 為 MIT。本次未下載權重，沒有藉此給文件內容、資料庫或所有依賴其他權利。
• 固定卡示範把已渲染圖像輸入 encode_document；要分開 text-only 與 image-only encoding calls，mixed text+image inputs 在此匯出版本不支援。這與一個向量空間能處理不同來源，是兩件事。

OCR-Free 不等於沒有文件前處理

可以略過以 OCR 文字作為檢索索引的必要步驟，但 PDF 仍需載入、渲染成頁面影像、批次編碼、保存 page_id／原檔定位與建立可處理 multi-vector／MaxSim 的索引。取得相關頁之後，摘要、表格抽取、答案、JSON Schema 與引用仍需另一工作層；純文字索引、BM25 或 OCR 也可能作為混合式檢索的一部分，不能由「OCR-Free」推出全面刪除 OCR。

92.4% 與毫秒主張：仍需完整條件

92.4% 是作者圖卡／正文引用的 MADQA 數字，不把它寫成所有 PDF 檢索成功率。本次官方 blog HTML／browser 被 403／安全驗證擋住；已找到官方搜尋摘要，但沒有用摘要假裝完整評測全文。初次收錄時MADQA完整條件待查；文末2026-10-10後續段已補官方文章恢復副本的Agent配置與答案分母，但原站直接存取仍受限。固定模型卡另列 ViDoRe(v3) Image nDCG@10：0.6B 為 62.3%、9B 為 65.2%；它不是 MADQA 92.4%，也不是自家中文圖表的保證。『毫秒級』缺硬體、索引量、batch、top-k 與端到端延遲條件，未在本次實測。

對企業 RAG 的可操作判斷