NVIDIA 开源 Nemotron 3.5 Embed / Rerank：多模态视觉 RAG 检索栈
NVIDIA 10 月 20 日在 Hugging Face 放出 Nemotron-3.5-Embed（1B/8B）与 Rerank-8B：可把页面图、纯文本或图文合成为向量/相关性分数，面向视觉 RAG；OpenMDW-1.1 可商用，厂商自测 ViDoRe V3 / MIRACL-VISION 领先同级 Qwen3-VL-Embedding。
Embed-1B（约 1.55B）由 8B 教师蒸馏，查询侧吃文本、文档侧可吃图/文/图文，输出 2048 维 L2 归一化向量（可截断到 1024/512）；上下文 32K。Rerank-8B（约 8.38B）对「查询×候选文档」打 logit，用于重排；二者均标文本检索评测覆盖 34 语、图像检索 18 语，并强调表格/图表/信息图页面。底座含 Pixtral 视觉编码器与 Ministral-3 / Nemotron-3-Embed 语言塔。
模型卡给出与 Qwen3-VL-Embedding-2B/8B 的 ViDoRe V3、MIRACL-VISION NDCG@10 对比：Nemotron-3.5-Embed-8B 在多项上更高；分数为厂商表，第三方复现仍待跟进。Transformers、Sentence Transformers 与 vLLM 示例已附；许可 OpenMDW-1.1。做「拍页就能搜」的企业知识库或 Agent RAG，这是一套可自托管的开源检索积木。
