拍立淘-MMSearch：原生电商多模态搜索基础模型

阿里巴巴发布Pailitao-MMSearch，一种原生电商多模态搜索基础模型，基于Qwen，部署在淘宝拍立淘平台。它通过HybSID混合语义ID、两阶段持续预训练和混合推理后训练管线，在线A/B测试中使GMV提升13.61%，交易量提升8.21%。

此前电商多模态搜索要么是单模态专家模型孤立运行，要么是通用视觉语言模型缺乏领域知识。Pailitao-MMSearch作为统一的原生电商多模态大模型，能处理图文混合查询，并显著提升GMV和交易量，标志着电商搜索从分立系统向端到端多模态LLM的实质性转变。

采用HybSID为商品生成混合语义ID，实现更细粒度的跨模态匹配；两阶段持续预训练让模型学习电商特有的用户行为和商业意图；混合推理后训练管线优化多模态输入理解与输出排序，从而提升相关性并促进转化。

对电商平台而言，可直接提升搜索转化率和GMV；产品经理需重新设计搜索入口以支持图片+文字混合输入；研发团队需在搜索后端集成大型多模态模型，并平衡推理成本与收益。

• 在电商搜索中增加“拍照+文字描述”混合查询功能，提升长尾商品查找准确率。
• 利用HybSID方案构建商品统一向量化表示，用于推荐和广告场景。
• 基于其两阶段预训练策略，为服饰、家居等视觉主导品类定制垂直搜索模型。

• 模型的具体参数量、推理延迟和部署成本未公布。
• 该模型是否能直接迁移到非淘宝的电商平台或跨语言场景？
• HybSID的设计细节（如如何生成与语义ID的映射）未公开。
• 两阶段持续预训练所需的数据量和计算资源是多少？