jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-nano (environ 1,04 milliard de paramètres) est la variante compacte de la famille v5-omni, conçue pour les équipements de périphérie et grand public. Elle étend jina-embeddings-v5-text-nano en lui offrant les mêmes capacités multimodales : entrées texte, images, vidéo et audio dans un espace vectoriel partagé. Les sorties textuelles sont identiques bit à bit à celles de jina-embeddings-v5-text-nano. Le modèle produit des embeddings de dimension 768 avec une troncature Matryoshka à 32 dimensions et prend en charge une longueur de contexte de 8K tokens.

Ce modèle suit la même troisième étape d'entraînement qu'omni-small, en étendant jina-embeddings-v5-text-nano. Le réseau de traitement de texte EuroBERT-210M et les adaptateurs LoRA sont figés. Des projecteurs intermodaux connectent un encodeur visuel SigLIP2 Base et un encodeur audio Whisper-large-v3 au réseau de traitement de texte. Les données d'entraînement et les objectifs sont identiques à ceux d'omni-small.

Les performances en mode texte sont identiques à celles de jina-embeddings-v5-text-nano. Les performances multimodales sont légèrement inférieures à celles d'omni-small en raison d'un espace d'intégration plus restreint (768 dimensions contre 1024) et d'une structure de texte plus légère, mais l'alignement intermodal reste excellent. Ce modèle est optimisé pour les processeurs et les périphériques où le modèle omni-small, plus volumineux, ne peut pas être exécuté.

Même schéma d'utilisation qu'omni-small, avec une sélection d'adaptateur LoRA identique et une gestion des entrées multimodales. Principales différences : espace de sortie à 768 dimensions (troncation Matryoshka à 32 dimensions) et fenêtre de contexte de 8 Ko. La variante nano fonctionne sur du matériel standard sans accélération GPU. Les plongements de texte uniquement sont compatibles avec jina-embeddings-v5-text-nano.