Actualités

Accélérez la recherche IA, un token à la fois.

Mis en exergue

jina-ocr-v1 : Analyse de documents plus rapide sur des GPU à budget limité

jina-ocr-v1 est un modèle vision-langage doté de 3,4 milliards de paramètres et de 570 millions de paramètres actifs, obtenant un score de 91,1 sur OmniDocBench v1.6 et de 83,4 sur olmOCR-Bench.

septembre 14, 2026 • 9 minutes lues

jina-reranker-v3.5 : Reclassement par liste plus rapide avec attention hybride et autodistillation

Un reranker listwise de 0,6 milliard de paramètres qui surpasse le Qwen3-Reranker-4B sur le benchmark BEIR, offre une vitesse de reranking jusqu'à 1,56 fois plus rapide que la v3, et gagne 9,6 points de nDCG@10 sur la recherche semi-structurée.

août 03, 2026 • 11 minutes lues

jina-embeddings-v5-omni : Modèles vectoriels pour le texte, l'image, l'audio et la vidéo

Un modèle, quatre modalités : texte, image, audio, vidéo. Des modèles d'embeddings omni de premier ordre en 1,6B et 0,9B.

mai 12, 2026 • 7 minutes lues

Publications académiques

septembre 02, 2026

jina-ocr-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards

juillet 20, 2026

jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation

jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers

février 17, 2026

jina-embeddings-v5-text: Task-Targeted Embedding Distillation

janvier 22, 2026

Embedding Compression via Spherical Coordinates

décembre 29, 2025

Vision Encoders in Vision-Language Models: A Survey

décembre 04, 2025

Jina-VLM: Small Multilingual Vision Language Model

octobre 01, 2025

jina-reranker-v3: Last but Not Late Interaction for Document Reranking

Efficient Code Embeddings from Code Generation Models

jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval

ReaderLM-v2: Small Language Model for HTML to Markdown and JSON

décembre 17, 2024

AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark

décembre 12, 2024

jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images

septembre 18, 2024

jina-embeddings-v3: Multilingual Embeddings With Task LoRA

septembre 07, 2024

Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models

Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever

Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models

Jina CLIP: Your CLIP Model Is Also Your Text Retriever

février 26, 2024

Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings

octobre 30, 2023

Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents

juillet 20, 2023

Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models

21 publications au total.

Mis en exergue

Académique

Tous

Communiqué de presse

Blog technique

Événement

Avis

septembre 14, 2026 • 9 minutes lues

jina-ocr-v1 : Analyse de documents plus rapide sur des GPU à budget limité

jina-ocr-v1 est un modèle vision-langage doté de 3,4 milliards de paramètres et de 570 millions de paramètres actifs, obtenant un score de 91,1 sur OmniDocBench v1.6 et de 83,4 sur olmOCR-Bench.

août 03, 2026 • 11 minutes lues

jina-reranker-v3.5 : Reclassement par liste plus rapide avec attention hybride et autodistillation

Un reranker listwise de 0,6 milliard de paramètres qui surpasse le Qwen3-Reranker-4B sur le benchmark BEIR, offre une vitesse de reranking jusqu'à 1,56 fois plus rapide que la v3, et gagne 9,6 points de nDCG@10 sur la recherche semi-structurée.

mai 12, 2026 • 7 minutes lues

jina-embeddings-v5-omni : Modèles vectoriels pour le texte, l'image, l'audio et la vidéo

Un modèle, quatre modalités : texte, image, audio, vidéo. Des modèles d'embeddings omni de premier ordre en 1,6B et 0,9B.

mars 11, 2026 • 7 minutes lues

Bootstrapping d'embeddings audio à partir de LLM multimodaux

Transformez n'importe quel LLM multimodal en un petit modèle de plongements audio qui surpasse CLAP avec 25 fois moins de données.

mars 06, 2026 • 6 minutes lues

Identifier les modèles d'embeddings à partir de valeurs numériques brutes

Un minuscule transformer qui identifie les modèles d'embeddings par empreinte numérique en lisant des chiffres bruts. Sans ingénierie de caractéristiques.

février 19, 2026 • 7 minutes lues

jina-embeddings-v5-text : Nouveaux Embeddings multilingues de petite taille SOTA

Deux modèles de plongements (embeddings) multilingues de moins de 1 milliard de paramètres offrant des performances de premier ordre, disponibles sur Elastic Inference Service, Llama.cpp et MLX.

décembre 04, 2025 • 7 minutes lues

Jina-VLM : Petit modèle de langage visuel multilingue

Nouveau modèle de langage de vision 2B atteint SOTA sur VQA multilingue, sans oubli catastrophique sur les tâches textuelles uniquement.

octobre 03, 2025 • 7 minutes lues

Jina Reranker v3 : 重排器 Listwise de 0,6B pour une récupération multilingue SOTA

Nouveau réorganisateur listwise de 0,6 milliard de paramètres qui prend en compte la requête et tous les documents candidats dans une seule fenêtre contextuelle.

septembre 09, 2025 • 11 minutes lues

Les Embeddings multimodaux dans Llama.cpp et GGUF

Nous avons intégré les 向量模型 multimodaux à llama.cpp et GGUF, et découvert quelques problèmes surprenants en cours de route.

septembre 04, 2025 • 6 minutes lues

Jina Code Embeddings : Recherche de code SOTA à 0,5B et 1,5B

Génération de LLM de code → Vecteurs modèles de code : les modèles 0.5B/1.5B atteignent une performance SOTA sur 25 benchmarks de récupération de code.

Rechercher par titre

Filtrer par produit

Filtrer par auteur

Filtrer par modèle

Langue / thème actuel

Elastic © 2026.

Ce site web et l'ensemble de son contenu, de ses logiciels, produits et services sont destinés exclusivement à un usage professionnel. Aucun usage à des fins de consommation n'est prévu.