找一份带表格、扫描页或复杂排版的资料，先把图片转成文字，常会顺手丢掉版式线索。腾讯的 EVIE-Preview-4.5B 是一款视觉文档检索模型：它直接理解页面图像，为 RAG（先找资料、再让模型作答）完成前半段检索，提供了绕开 OCR（把图片文字转成文本）的新选择。
它最值得看的地方，是把一页文档保留成多组 128 维向量，而非压成一个宽向量。检索时，EVIE 再让查询与页面中的细粒度线索逐项匹配并汇总得分。这就是 ColBERT 式后交互，好比先分别整理问题和页面的多张索引卡，再逐张核对。模型页面称，这套表示比 2560 至 4096 维方案减少 8 至 32 倍的向量存储与索引成本；其 4.54B 参数模型在 ViDoRe V1+V2 基准上取得 85.93 nDCG@5，并在 ViDoRe V3 的八个公开领域中领先七个。上述效果均来自发布方自述，材料未提供独立复核结果。