jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-nano (~1,04 miliardi di parametri) è la variante compatta della famiglia v5-omni, progettata per hardware edge e standard. Estende jina-embeddings-v5-text-nano con le stesse capacità multimodali: input di testo, immagini, video e audio in uno spazio vettoriale condiviso. Gli output di solo testo sono identici bit per bit a quelli di jina-embeddings-v5-text-nano. Il modello produce embedding a 768 dimensioni con troncamento Matryoshka fino a 32 dimensioni e supporta una lunghezza di contesto di 8K token.

Segue lo stesso addestramento di terzo stadio di omni-small, estendendo jina-embeddings-v5-text-nano. La rete testuale EuroBERT-210M e gli adattatori LoRA sono congelati. I proiettori cross-modali collegano un codificatore visivo SigLIP2 Base e un codificatore audio Whisper-large-v3 alla rete testuale. I dati di addestramento e gli obiettivi rispecchiano quelli di omni-small.

Le prestazioni del solo testo sono identiche a quelle di jina-embeddings-v5-text-nano. Le prestazioni multimodali sono leggermente inferiori a quelle di omni-small a causa dello spazio di embedding più ristretto (768 dimensioni contro 1024) e della struttura di base del testo più piccola, ma mantengono un forte allineamento cross-modale. Ottimizzato per CPU e hardware edge dove il modello omni-small, di dimensioni maggiori, non può essere eseguito.

Stesso schema di utilizzo di omni-small con identica selezione dell'adattatore LoRA e gestione dell'input multimodale. Differenze principali: spazio di output a 768 dimensioni (troncamento Matryoshka fino a 32) e finestra di contesto da 8K. La variante nano funziona su hardware standard senza accelerazione GPU. Gli embedding di solo testo sono compatibili direttamente con jina-embeddings-v5-text-nano.