Microsoft Ignite 2026 で Azure Cosmos DB と Microsoft Research が共同開発した、マルチモーダル埋め込みモデル「Microsoft Embedding 1」が発表されました。
Microsoft Embedding 1(microsoft-embedding-1-large) は、テキストや検索クエリ、画像、さらには画像としてレンダリングされた文書ページまで、共通のベクトル空間に埋め込むことができます。これにより、テキストによる検索クエリから関連する文章だけでなく、写真やグラフ、表、図を含む文書ページも横断的に検索できるようになります。
現在、Cosmos DB Embeddings API を通じて利用可能で、Microsoft Foundry でも近日中に提供される予定です。Cosmos DB の機能拡張もかなり熱いですね。
Microsoft が公表した ViDoRe v3 ベンチマークの評価結果では、どちらの表現も Cohere Embed v5 Pro、Gemma Embedding 2、voyage-multimodal-3.5 などを上回る検索精度を記録しています。
モデルの仕様
microsoft-embedding-1-large は、テキスト・検索クエリ・画像に対応したマルチモーダル埋め込みモデルです。用途に応じて、入力ごとに1本の密ベクトル(Dense)、複数のベクトル(Multi-vector)、またはその両方を生成できます。
| 項目 | 仕様 |
|---|---|
| モデル名 | microsoft-embedding-1-large |
| 提供段階 | プレビュー |
| 入力 | テキスト、検索クエリ、画像 |
| 対応画像形式 | JPEG、PNG、GIF、WebP |
| テキスト入力の上限 | 8,192トークン |
| 出力形式 | Dense、Multi-vector、または両方 |
| Denseの次元数 | 1,024/1,536/2,048/2,560(Matryoshka、既定値:2,560) |
| Multi-vectorの次元数 | 1ベクトルあたり128/256/512/1,024(既定値:256) |
| ベクトル値の出力 | float16/float32、Base64エンコードに対応 |
| 類似度の計算 | Dense:コサイン類似度、L2距離、内積。Multi-vector:MaxSim |
| 対応言語(公式記載) | 英語、スペイン語、フランス語、ポルトガル語、イタリア語 |
| SDK | Python:azure-data-ai 1.1.0b1、.NET:Azure.Data.AI 1.1.0-beta.1 |
| 提供リージョン | 米国東部、米国東部2、米国中北部、米国中西部、米国西部2、米国西部3、ポーランド中部 |
※ 対応言語の一覧に日本語は記載されていません。ただし、このモデルは多言語対応の Qwen 3.5 を基盤とするため、実際の検索精度を検証する価値があるかと思います。ただ、ファインチューニングの学習データが特定の言語に偏っていた場合、基盤モデルが持つ多言語能力が検索用のベクトル表現にも同程度に残るとは限りませんが、評価してみましょう!
入力の種類
文書などの検索対象と、ユーザーが入力する検索クエリとでは、モデルへの入力の扱いが異なります。各入力の kind に次のいずれかを指定します。
kind |
使用する場面 |
|---|---|
text(既定値) |
検索対象として保存する文章や説明文を埋め込む場合 |
query |
ユーザーが入力した検索語句や質問を埋め込む場合 |
image |
写真、スキャンしたマニュアル、レポートのページなどを画像として埋め込む場合 |
例えば、事前に文書をベクトル化するときは kind: "text"、ユーザーの質問をベクトル化するときは kind: "query" を利用します。画像化した文書ページには kind: "image" を指定します。
出力オプション
出力するベクトル表現は、vector_kind パラメーターで切り替えます。
vector_kind |
生成される表現 | 主な用途 |
|---|---|---|
dense(既定値) |
入力ごとに1本の密ベクトル | ベクトルの保存容量と検索時の待機時間を抑えたい場合 |
multi |
入力ごとに複数のベクトル | 図表の多い文書や、細かな意味の対応関係を重視する検索 |
dense_multi |
密ベクトルとマルチベクトルの両方 | Denseで候補を絞り、Multi-vectorのスコアを使って再ランキングする構成 |
Multi-vectorは、複数ベクトル間の類似度を MaxSim で評価する Late Interaction(遅延インタラクション)方式で利用します。この方式で検索するには、検索システム側にもMaxSimによるスコアリングが必要です。
次元数とベクトル数の調整
Multi-vectorの保存容量は、主に次の2つの設定で調整できます。
-
dimensions(次元数):各ベクトルが持つ値の個数を指定します。Multi-vector では 128、256、512、1,024 次元から選択できます。次元数を小さくすると容量を削減できますが、検索精度が変わる場合があります。 -
max_num_vectors(入力あたりの最大ベクトル数):1つの入力から返すベクトル数に上限を設けます。例えば32を指定すると、トークンプーリングによってベクトルを集約し、入力ごとに最大32本を返します。
両方の出力表現は、Matryoshka Representation Learning (MRL)によって次元数を調整できるように学習されています。最適な構成は、実際の検索対象データで精度と容量を比較して判断します。
ベンチマーク結果
テキスト検索において、Microsoft Embedding 1 は BEIR ベンチマーク(15タスク、nDCG@10)で OpenAI text-embedding-3-large と同等のスコアを記録し、ベクトルサイズは約 17% 小さくなっています(2,560 vs 3,072 次元)。text-embedding-3-small と同じ 1,536 次元では、 3.8 ポイント高いスコアを記録しているとのことです。
| モデル | 次元数 | BEIR平均(nDCG@10 × 100) |
|---|---|---|
| Microsoft Embedding 1 | 1,536 | 54.92 |
| Microsoft Embedding 1 | 2,560 | 55.29 |
OpenAI text-embedding-3-small
|
1,536 | 51.08 |
OpenAI text-embedding-3-large
|
3,072 | 55.43 |
参考:Microsoft が提供している Embeddings モデル
参考までに、harrier-oss-v1 シリーズは、Microsoft が開発した多言語テキスト埋め込みモデル群です。このモデルは、デコーダーのみのアーキテクチャを採用し、ラストトークンプーリングと L2 正規化によって高密度なテキスト埋め込みを生成します。
| Model | Parameters | Embedding Dimension | Max Tokens | MTEB v2 Score |
|---|---|---|---|---|
| harrier-oss-v1-270m | 270M | 640 | 32,768 | 66.5 |
| harrier-oss-v1-0.6b | 0.6B | 1,024 | 32,768 | 69.0 |
| harrier-oss-v1-27b | 27B | 5,376 | 32,768 | 74.3 |
Foundry モデルカタログでは、現在 microsoft-harrier-oss-v1-0.6b を提供中です。Embeddings モデルの登場はフロンティアモデルに比べスピード遅めなので進化していくことはいい事だと思います。
ちなみに、qwen3-embedding モデルシリーズもすでに提供されています。
これ以外の Cosmos DB Ignite Update
参考
