jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-nano (~1,04 Mrd. Parameter) ist die kompakte Variante der v5-omni-Familie und wurde für Edge- und Standardhardware entwickelt. Sie erweitert jina-embeddings-v5-text-nano um dieselben multimodalen Fähigkeiten: Eingaben für Text, Bilder, Video und Audio in einem gemeinsamen Vektorraum. Reine Textausgaben sind bitgenau mit jina-embeddings-v5-text-nano identisch. Das Modell erzeugt 768-dimensionale Embeddings mit Matryoshka-Trunkierung auf bis zu 32 Dimensionen und unterstützt eine Kontextlänge von 8K Token.

Das Training in der dritten Phase entspricht dem von omni-small und erweitert jina-embeddings-v5-text-nano. Das EuroBERT-210M-Text-Backbone und die LoRA-Adapter sind eingefroren. Crossmodale Projektoren verbinden einen SigLIP2 Base-Bildcodierer und einen Whisper-large-v3-Audiocodierer mit dem Text-Backbone. Trainingsdaten und -ziele entsprechen denen von omni-small.

Die reine Textverarbeitungsleistung ist identisch mit der von jina-embeddings-v5-text-nano. Die multimodale Leistung liegt aufgrund des kleineren Einbettungsraums (768 vs. 1024 Dimensionen) und des kleineren Text-Backbones etwas unter der von omni-small, gewährleistet aber weiterhin eine starke modalitätsübergreifende Ausrichtung. Optimiert für CPUs und Edge-Hardware, auf denen das größere omni-small-Modell nicht ausgeführt werden kann.

Gleiches Nutzungsmuster wie omni-small mit identischer LoRA-Adapterauswahl und multimodaler Eingabeverarbeitung. Wichtigste Unterschiede: 768-dimensionaler Ausgaberaum (Matryoshka-Trunkierung auf bis zu 32) und 8K-Kontextfenster. Die Nano-Variante läuft auf Standardhardware ohne GPU-Beschleunigung. Reine Text-Embeddings sind direkt kompatibel mit jina-embeddings-v5-text-nano.