ニュース

検索 AI を加速する、1 トークンずつ。

注目

jina-ocr-v1：低予算GPUで高速な文書解析を実現

jina-ocr-v1 は、34億のパラメータ数と5億7000万の有効パラメータ数を持つビジョン言語モデルであり、OmniDocBench v1.6 で 91.1、olmOCR-Bench で 83.4 のスコアを記録しています。

9月 14, 2026 • 9 読む時間

jina-reranker-v3.5: ハイブリッドアテンションと自己蒸留による高速なリストワイズ・リランカー

BEIRベンチマークで Qwen3-Reranker-4B を上回る性能を発揮し、v3 と比較して最大 1.56 倍の高速化を実現。さらに、半構造化データ検索において nDCG@10 で 9.6 ポイントの向上を達成した 0.6B のリストワイズ型重排器。

8月 03, 2026 • 11 読む時間

jina-embeddings-v5-omni：テキスト、画像、音声、動画のための向量模型

1つのモデルで、テキスト、画像、音声、動画という4つのモダリティに対応。1.6Bおよび0.9Bのクラス最高レベルのオムニ・ベクトルモデルです。

5月 12, 2026 • 7 読む時間

学術論文

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

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

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

Embedding Compression via Spherical Coordinates

Vision Encoders in Vision-Language Models: A Survey

Jina-VLM: Small Multilingual Vision Language Model

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

AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark

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

jina-embeddings-v3: Multilingual Embeddings With Task LoRA

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

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

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

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

合計で 21 件の論文があります。

注目

学術

全て

プレスリリース

技術ブログ

イベント

オピニオン

9月 14, 2026 • 9 読む時間

jina-ocr-v1：低予算GPUで高速な文書解析を実現

jina-ocr-v1 は、34億のパラメータ数と5億7000万の有効パラメータ数を持つビジョン言語モデルであり、OmniDocBench v1.6 で 91.1、olmOCR-Bench で 83.4 のスコアを記録しています。

8月 03, 2026 • 11 読む時間

jina-reranker-v3.5: ハイブリッドアテンションと自己蒸留による高速なリストワイズ・リランカー

BEIRベンチマークで Qwen3-Reranker-4B を上回る性能を発揮し、v3 と比較して最大 1.56 倍の高速化を実現。さらに、半構造化データ検索において nDCG@10 で 9.6 ポイントの向上を達成した 0.6B のリストワイズ型重排器。

5月 12, 2026 • 7 読む時間

jina-embeddings-v5-omni：テキスト、画像、音声、動画のための向量模型

1つのモデルで、テキスト、画像、音声、動画という4つのモダリティに対応。1.6Bおよび0.9Bのクラス最高レベルのオムニ・ベクトルモデルです。

3月 11, 2026 • 7 読む時間

マルチモーダル大模型からのオーディオベクトルモデルのブートストラップ

任意のマルチモーダル LLM を、25分の1のデータ量で CLAP を凌駕する小規模なオーディオ埋め込みモデルへと変換。

3月 06, 2026 • 6 読む時間

生の数値から埋め込みモデルを特定する

生の数値を読み取ることで埋め込みモデルをフィンガープリント化する、小さな Transformer。特徴量エンジニアリングは不要。

2月 19, 2026 • 7 読む時間

jina-embeddings-v5-text: 新しい SOTA 小型多言語ベクトルモデル

<input> 1B 未満の最高の性能を誇る 2 つの多言語対応ベクトルモデル（Embeddings）が、Elastic Inference Service、Llama.cpp、および MLX で利用可能になりました。 </input>

12月 04, 2025 • 7 読む時間

Jina-VLM: 小規模多言語Vision Language Model

新しい2BのVision Language Modelが、多言語VQAでSOTAを達成し、テキストのみのタスクでは壊滅的な忘却が発生しません。

10月 03, 2025 • 7 読む時間

Jina Reranker v3: SOTA多言語検索向け0.6B Listwise 重排器

クエリとすべての候補ドキュメントを単一のコンテキストウィンドウで考慮する、新しい0.6Bパラメータのリストワイズ重排器。

9月 09, 2025 • 11 読む時間

Llama.cpp と GGUF におけるマルチモーダル向量模型

llama.cpp と GGUF にマルチモーダルなベクトルモデルを導入し、その過程でいくつかの意外な問題を発見しました。

9月 04, 2025 • 6 読む時間

Jina Code Embeddings: 0.5B および 1.5B で SOTA のコード検索を実現

コード生成LLM → コードのベクトルモデル：0.5B/1.5Bのモデルが25のコード検索ベンチマークでSOTA（最高性能）を達成。

タイトルから探す

製品でフィルタリングする

著者でフィルタリングする

モデルでフィルタリング

現在の言語 / テーマ

Elastic © 2026.

このウェブサイトおよび関連するコンテンツ、ソフトウェア、製品、サービスは、すべて専門的な利用を目的としています。消費者向けの利用は想定していません。