先了解这件事
AI 综述
Google Cloud 将原生 TPU 支持集成进 vLLM,并以 Qwen3 Embedding 系列为目标模型完成多项优化。据官方 2026 年 8 月 26 日发布的信息,该集成使嵌入推理可处理 4K+ token 文本和 15K+ token 多模态输入。精度方面,TPU 输出与 XPU 参考基线的余弦相似度达到文本 ≥0.999、多模态 ≥0.995。官方还表示已在 AI-Hypercomputer 公共仓库开源 Qwen3-Embedding-8B 的部署与评测 recipe。目前尚无后续发展事实。
AI 根据公开报道生成
事件进展
1 个已确认进展
- 来源：Google Developers Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
8月26日
Google Developers Blog一手
Google Cloud 在 Cloud TPU 上为长上下文多模态嵌入推理提供企业级精度
Google Cloud 将原生 TPU 支持集成进 vLLM，并以 Qwen3 Embedding 系列为目标模型完成多项优化，使嵌入推理可处理 4K+ token 文本和 15K+ token 多模态输入。TPU 输出与 XPU 参考基线的余弦相似度达到文本 ≥0.999、多模态 ≥0.995，官方已在 AI-Hypercomputer 公共仓库开源 Qwen3-Embedding-8B 的部署与评测 recipe。