Seed1.6-Embedding-1215
Seed1.6-Embedding-1215 是由 字节跳动Seed团队 发布的 AI 模型，发布时间为 2025-12-15，定位为 embedding模型，参数规模约为 0.0B，采用 不开源 许可。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
Seed1.6-Embedding-1215 当前已收录的代表性评测结果包括 MMEB-v2-Image（2 / 6，得分 77.99）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
Seed1.6-Embedding-1215 是一个以向量表示（embedding）为核心能力的模型名称标识。当前未检索到 ByteDance Seed 团队将“seed1.6-embedding-1215”作为独立版本对外发布的官方公告或公开模型卡页面；已确认的公开线索主要来自第三方公开评测提交与链接变更记录。
ByteDance Seed 团队在 2025-06-28 发布的官方博客中介绍了 Seed-1.6-Embedding：该模型基于 Seed1.6-Flash 构建，支持在文本、图像、视频之间进行混合检索（hybrid retrieval），并支持多种向量维度（2048、1024）。官方同时说明其 API 已在火山引擎方舟提供（Model ID：doubao-embedding-vision-250615）。
架构：官方描述其为双塔（dual-tower）结构，embedding 向量取自 [EOS] token 在最后一层的隐藏向量。
训练：官方描述采用三阶段训练：Stage 1 使用大规模纯文本数据进行对比学习（InfoNCE）；Stage 2 使用规模达“数千万级”的图文对与视频文对数据进行多模态对齐训练（同样使用 InfoNCE）；Stage 3 通过覆盖不同任务类型、模态与场景的数据进行微调，并使用指令化数据与难负样本挖掘等方式提升泛化。
在 TIGER-Lab 的 MMEB Leaderboard 公开仓库中，存在 scores/seed1.6-embedding-1215.json 文件，其 metadata 记录：model_name=seed1.6-embedding-1215、embedding_dimension=2048、model_release_date=2025-12-15、max_length_tokens=null。该文件同时包含大量基准任务的检索指标（如 ImageNet-1K 的 hit@1=0.837 等）。
该文件最初给出的模型链接为 https://seed1-6-embedding-1215.github.io，后续更新为火山引擎方舟控制台的模型详情页（Id=doubao-embedding-vision）。由于控制台地址通常需要登录访问，公开网页侧无法直接确认其对外展示内容是否与“1215”后缀一一对应。
官方博客（Seed-1.6-Embedding）：截至 2025-06-28，官方披露其在 CMTEB 纯文本任务得分 75.62；在 MMEB-V2 Image 榜单得分 77.78，并描述在新增 Video 榜单上同样领先。
公开评测提交（seed1.6-embedding-1215）：MMEB Leaderboard 的提交文件提供了多数据集、多指标的明细结果，可用于复现或横向比对。
官方博客明确 Seed-1.6-Embedding 可通过火山引擎方舟 API 访问（Model ID：doubao-embedding-vision-250615）。关于“seed1.6-embedding-1215”是否为同一服务的后续版本或内部版本标记，当前缺少可公开验证的官方说明。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
