Google Cloud 在 Cloud TPU 上实现企业级高精度长上下文多模态嵌入推理

Google Cloud 将原生 TPU 支持集成进 vLLM，在 Cloud TPU 上实现企业级精度的长上下文多模态嵌入推理。该方案以 Qwen3-Embedding-8B 为目标模型，支持文本 4K+ tokens、多模态文本加图像 15K+ tokens 的超长上下文，并以余弦相似度验证跨硬件数值对齐，文本目标阈值 ≥0.999、多模态 ≥0.995。