Perplexity lança dois modelos de late interaction para buscar em páginas de PDF sem OCR

A Perplexity publicou no Hugging Face a coleção pplx-embed-v2, que inclui dois modelos pplx-embed-v2-late. Eles funcionam com late interaction e buscam em páginas de documentos como se fossem imagens. A página inteira, com tabelas, gráficos e layout, vira embeddings, e a etapa de reconhecimento de texto (OCR) sai do pipeline. O blog da Qdrant, de 13 de outubro de 2026, já aponta o ponto fraco do lançamento: o retriever visual da Perplexity tem um problema de tamanho, e a equipe da Qdrant afirma tê-lo resolvido. No trecho disponível do material, os detalhes da solução não aparecem; por isso, abaixo separamos os fatos estabelecidos das suposições razoáveis.

Por que buscar pela página e não pelo texto

Um número em um relatório financeiro, sem linha, coluna e unidade de medida, não significa nada. Um gráfico sem legendas também não. O pipeline clássico extrai o texto do PDF via OCR, divide em trechos e indexa. A estrutura se perde nesse processo: a célula da tabela fica separada do cabeçalho da coluna, e a legenda do eixo, do próprio eixo.

A Perplexity propõe outro caminho. O modelo recebe a imagem da página e a codifica por inteiro. A tabela continua sendo tabela, e o gráfico continua sendo gráfico. A consulta procura correspondência na página da forma como uma pessoa a enxerga. Para bases com relatórios, apresentações e especificações técnicas, isso elimina uma camada inteira de erros: não é preciso ajustar o OCR para diferentes fontes, idiomas e documentos escaneados.

Onde surge o problema de tamanho

A late interaction funciona de modo diferente da busca comum, com um vetor por documento. Em esquemas como ColBERT e ColPali, a página é representada por um conjunto de vetores, e a relevância é calculada comparando cada vetor da consulta com o melhor vetor da página (MaxSim). A precisão é maior, mas é preciso armazenar muitos vetores por página, e não apenas um. Esse é um princípio geral dessa classe de modelos, e não um dado do lançamento. A dimensionalidade e o número de vetores por página não são informados no texto disponível.

Por isso, o título sobre o "problema de tamanho" se lê como um problema de volume do índice multivetorial. Essa é uma inferência, e não uma citação. Em uma base com milhões de páginas, a diferença entre um vetor e centenas de vetores por página se traduz em diferença de memória, de custo de servidores e de latência da busca. A Qdrant já oferece suporte a armazenamento multivetorial há tempos, então o interesse dela no tema é compreensível. Como exatamente a equipe reduziu o tamanho, é preciso conferir na versão completa do post.

O que se sabe até agora

• Desenvolvedora: Perplexity, coleção pplx-embed-v2 no Hugging Face
• Modelos: dois modelos de late interaction pplx-embed-v2-late
• Entrada: imagem da página do documento
• O que é codificado: tabelas, diagramas, layout
• OCR: não é necessário
• Fonte da análise: blog da Qdrant, 13 de outubro de 2026
• Não divulgado no trecho: dimensionalidade dos embeddings, número de vetores por página, resultados de benchmarks, licença, método de compressão

O que verificar antes de adotar

Não vale migrar a busca em produção para embeddings visuais antes de calcular algumas coisas.

1. Quantos vetores o modelo gera por página e quanta memória sua base ocuparia com essa densidade. Multiplique o número de páginas pelo tamanho do multivetor e compare com o orçamento. 2. Como a qualidade se comporta nos seus documentos. Pegue 50–100 consultas reais sobre tabelas e gráficos e compare os resultados com a abordagem de base, OCR mais embeddings de texto. 3. Se o seu banco de dados vetorial oferece suporte nativo a multivetores e MaxSim. Caso contrário, será preciso construir o reranqueamento por conta própria. 4. Qual método de compressão foi aplicado e o que ele faz com a qualidade. Qualquer redução do índice deve ser testada nas mesmas consultas, sem confiar em números médios.

Se a base é pequena e as tabelas e diagramas são o principal conteúdo, já dá para testar o retriever visual. Se são milhões de páginas, o fator decisivo não será a qualidade, e sim o quanto foi possível comprimir o índice.