17:I[87667,["/_next/static/chunks/d9b977c0ada098c9.js","/_next/static/chunks/d29eacdc103ee7a3.js","/_next/static/chunks/c890d56eee15c546.js","/_next/static/chunks/749ff1a6542b6ca7.js","/_next/static/chunks/d3ab1b9aa67c2180.js","/_next/static/chunks/01ab2bd2bad25110.js","/_next/static/chunks/0f700dc6822efdb1.js","/_next/static/chunks/8da9e51df92887dc.js","/_next/static/chunks/e35bf7a643935e0e.js","/_next/static/chunks/d7bb9643f06ad7fe.js"],"default"] 16:T50b,{"@context":"https://schema.org","@graph":[{"@type":"CollectionPage","@id":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615/analysis#webpage","url":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615/analysis","headline":"Seed-1.6-Embedding-250615 Benchmark Results & Model Comparisons","description":"Seed-1.6-Embedding-250615 currently shows benchmark results led by MMEB-v2-Image (3 / 6, score 77.78).","author":{"@type":"Organization","name":"DataLearnerAI","url":"https://www.datalearner.com"},"publisher":{"@type":"Organization","name":"DataLearnerAI","logo":{"@type":"ImageObject","url":"https://www.datalearner.com/dl_logo_rect.webp"}},"mainEntity":{"@id":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615#software"},"mainEntityOfPage":{"@type":"WebPage","@id":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615/analysis#webpage"},"hasPart":[]},{"@type":"SoftwareApplication","@id":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615#software","name":"Seed-1.6-Embedding-250615","url":"https://www.datalearner.com/en/ai-models/pretrained-models/seed-1-6-embedding-250615","applicationCategory":"AI Model"}]}18:T9fb,

概述

Seed-1.6-Embedding 是字节跳动 Seed 团队在 2025-06-28 公布的一款向量模型，用于将内容编码为向量表示，面向检索、匹配、分类等场景。官方文章同时给出该模型在火山引擎的 API Model ID 为 doubao-embedding-vision-250615。

命名与版本对应关系

在 BytePlus ModelArk 文档中，该模型以 embedding-vision 作为推荐模型条目，并列出多个版本号。ModelArk 版本号 embedding-vision-250615 对应本条目（250615）。

版本能力差异（250615 vs 250328）

250615：支持 视频、图片、文本 输入；最大上下文长度为 128K；最大向量维度 2048，并支持降维到 1024。
250328：仅支持最多 1 张图片 + 1 段文本 输入；最大上下文长度为 8K；最大向量维度 2048。

架构与向量抽取

官方文章描述该模型基于 Seed1.6-Flash，并采用双塔（dual-tower）结构；向量抽取为最后一层隐藏层中与 [EOS] token 对应的向量表示。

训练方法（公开披露）

官方文章将训练过程描述为三阶段：文本继续训练、多模态继续训练、以及微调。训练目标包含从 VLM 基座获得 embedding 能力、多模态（图像/视频与文本）对齐，以及面向多任务/多场景的数据构建与训练。

评测与公开结果（截至 2025-06-28）

官方文章披露：在 C-MTEB（中文）榜单上报告得分 75.62；在 MMEB-V2 Image 榜单上报告得分 77.78，并披露与第二名的差值；同时披露在 MMEB-V2 Video 榜单上也取得领先差值（以官方图表与文字为准）。

上下文与模态

BytePlus ModelArk 文档描述 embedding-vision 支持中英文，并支持文本、图像、视频等混合输入；其中 250615 及后续版本支持视频输入，并给出最大上下文长度为 128K（250615）/ 8K（其他版本）。

访问方式与计费（文档披露）

BytePlus ModelArk 文档给出按 token 计费：文本输入 0.125 USD/百万 tokens、图片输入 0.325 USD/百万 tokens、输出 0；缓存命中与缓存存储标注为“不涉及”。文

Seed-1.6-Embedding-250615 Benchmark Details

Benchmark Results

Benchmark Results

图像向量嵌入