Perplexity 发布 pplx-embed-v2-context 视觉语言嵌入模型

Perplexity 推出全新的 pplx-embed-v2-context 视觉语言嵌入模型，这款模型属于多模态嵌入模型，可以同时处理文本信息与图像信息，输出统一维度的向量表征，支持图文混合检索、图文相似度匹配、多模态知识库构建等任务，相比前代版本在长上下文理解、图像细节捕捉、图文对齐精度上都有优化，开发者可以直接调用该模型接口，把图片和配套描述文本一起送入模型做向量化，适配 RAG 检索、内容推荐、素材库检索等大量落地场景。多模态检索任务一直存在图文匹配错位、长图文上下文丢失的痛点，普通嵌入模型大多只能单独处理文字或者单独处理图片，很难把图像内容和附带的长段说明文字融合在一起编码，pplx-embed-v2-context 在设计上重点强化上下文绑定能力，让图像和关联文本的向量表达保持强关联。

pplx-embed-v2-context 核心能力清单

表格

基础调用使用步骤

1. 准备输入素材，整理好图片文件以及和图片配套的上下文文本，文本可以是图片说明、文档段落、标注信息。
2. 调用 Perplexity 开放接口，选择模型 pplx-embed-v2-context，上传图像并填入对应的上下文文本。
3. 提交请求，模型完成图文联合编码，返回固定维度的嵌入向量。
4. 将向量存入向量数据库，后续检索时使用查询图文生成向量，和库内向量计算相似度，召回匹配内容。
5. 根据业务需求调整输入上下文长度，充分发挥该模型长上下文图文绑定的优势。

适用业务场景

• 多模态知识库：文档内插图、图表搭配正文一起向量化检索，问答时可以同时引用文字和图表信息
• 素材管理系统：图片素材附带标签、描述文案联合检索，提升素材查找准确度
• 电商图文检索：商品主图加上商品详情文本，实现更精准的以图搜商品
• 科研资料检索：论文图表、实验截图搭配实验描述文本做向量入库

合理使用 pplx-embed-v2-context 的图文联合编码特性，可以显著改善多模态检索中图文脱节的问题，搭建出效果更好的多模态检索应用。

【相关 FAQ 】

问题 1：pplx-embed-v2-context 是只处理图片，还是可以同时处理图文？

回答 1：pplx-embed-v2-context 属于视觉语言嵌入模型，可以同时接收图像和配套上下文文本，做图文联合嵌入编码，不是单独处理图像或者单独处理文本。

问题 2：pplx-embed-v2-context 和普通文本嵌入模型有什么区别？

回答 2：普通文本嵌入模型只能对文字生成向量，pplx-embed-v2-context 支持视觉 + 语言联合编码，重点强化图像和对应上下文文本之间的关联对齐，适配多模态检索场景。

问题 3：使用 pplx-embed-v2-context 可以用来做多模态 RAG 吗？

回答 3：可以，pplx-embed-v2-context 非常适合多模态 RAG，能够把文档里的图片、图表和周围的文本一起编码，检索时召回图文关联内容，提升问答质量。

问题 4：调用 pplx-embed-v2-context 需要单独申请权限吗？

回答 4：pplx-embed-v2-context 依托 Perplexity 开放 API 体系，按平台统一的开发者接入规则使用，具体接入条件、配额可以查看 Perplexity 开发者平台最新说明。

【数据来源】

[2026-10-28]（Perplexity 发布 pplx-embed-v2-context 视觉语言嵌入模型）Perplexity 官方博客

[2026-10-29]（pplx-embed-v2-context 多模态嵌入能力解读）机器之心

[2026-10-30]（pplx-embed-v2-context 技术要点与 API 介绍）AI 前线

免责声明

本文信息整理自公开发布内容，pplx-embed-v2-context 的接口参数、支持输入上限、计费规则、能力范围后续可能迭代调整，开发接入前请以 Perplexity 官方文档为准，本文内容仅用于信息了解，不构成开发落地承诺。