jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-nano (~1.04B parámetros) es la variante compacta de la familia v5-omni, diseñada para hardware de borde y comercial. Extiende jina-embeddings-v5-text-nano con las mismas capacidades multimodales: entradas de texto, imágenes, vídeo y audio en un espacio vectorial compartido. Las salidas de solo texto son idénticas a jina-embeddings-v5-text-nano. El modelo produce incrustaciones de 768 dimensiones con truncamiento Matryoshka a 32 dimensiones y admite una longitud de contexto de token de 8K.

Sigue el mismo entrenamiento de tercera etapa que omni-small, extendiendo jina-embeddings-v5-text-nano. La red troncal de texto EuroBERT-210M y los adaptadores LoRA están congelados. Los proyectores multimodales conectan un codificador de visión SigLIP2 Base y un codificador de audio Whisper-large-v3 a la red troncal de texto. Los datos y objetivos de entrenamiento son idénticos a los de omni-small.

El rendimiento en texto plano es idéntico al de jina-embeddings-v5-text-nano. El rendimiento multimodal es ligeramente inferior al de omni-small debido al espacio de incrustación más reducido (768 frente a 1024 dimensiones) y a la estructura de texto más pequeña, pero mantiene una sólida alineación entre modos. Optimizado para CPU y hardware de borde donde el modelo omni-small, de mayor tamaño, no puede ejecutarse.

Mismo patrón de uso que omni-small con la misma selección de adaptador LoRA y manejo de entrada multimodal. Diferencias clave: espacio de salida de 768 dimensiones (truncamiento Matryoshka a 32) y ventana de contexto de 8K. La variante nano se ejecuta en hardware estándar sin aceleración por GPU. Las incrustaciones de solo texto son compatibles directamente con jina-embeddings-v5-text-nano.