소식

토큰 하나하나로 검색 AI를 가속합니다.

추천

jina-ocr-v1: 저예산 GPU에서의 더 빠른 문서 파싱

jina-ocr-v1은 34억 개의 파라미터와 5억 7천만 개의 활성 파라미터를 가진 비전 언어 모델로, OmniDocBench v1.6에서 91.1점, olmOCR-Bench에서 83.4점을 기록했습니다.

9월 14, 2026 • 9 분 소요

jina-reranker-v3.5: 하이브리드 어텐션과 자기 증류를 통한 더 빠른 리스트와이즈(Listwise) 재순위화(Reranker)

BEIR 벤치마크에서 Qwen3-Reranker-4B를 능가하고, v3 대비 최대 1.56배 빠른 속도로 재순위화(reranking)하며, 반정형 데이터 검색에서 9.6 nDCG@10 향상을 달성한 0.6B 규모의 리스트와이즈(listwise) 재순위화 모델(Reranker)입니다.

8월 03, 2026 • 11 분 소요

jina-embeddings-v5-omni: 텍스트, 이미지, 오디오 및 비디오를 위한 벡터 모델(Embeddings)

하나의 모델, 네 가지 모달리티: 텍스트, 이미지, 오디오, 비디오. 1.6B 및 0.9B 크기의 동급 최강 옴니 向量模型(Embeddings).

5월 12, 2026 • 7 분 소요

학술 논문

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

총 21개의 논문.

추천

학술

모두

보도 자료

기술 블로그

이벤트

의견

9월 14, 2026 • 9 분 소요

jina-ocr-v1: 저예산 GPU에서의 더 빠른 문서 파싱

jina-ocr-v1은 34억 개의 파라미터와 5억 7천만 개의 활성 파라미터를 가진 비전 언어 모델로, OmniDocBench v1.6에서 91.1점, olmOCR-Bench에서 83.4점을 기록했습니다.

8월 03, 2026 • 11 분 소요

jina-reranker-v3.5: 하이브리드 어텐션과 자기 증류를 통한 더 빠른 리스트와이즈(Listwise) 재순위화(Reranker)

BEIR 벤치마크에서 Qwen3-Reranker-4B를 능가하고, v3 대비 최대 1.56배 빠른 속도로 재순위화(reranking)하며, 반정형 데이터 검색에서 9.6 nDCG@10 향상을 달성한 0.6B 규모의 리스트와이즈(listwise) 재순위화 모델(Reranker)입니다.

5월 12, 2026 • 7 분 소요

jina-embeddings-v5-omni: 텍스트, 이미지, 오디오 및 비디오를 위한 벡터 모델(Embeddings)

하나의 모델, 네 가지 모달리티: 텍스트, 이미지, 오디오, 비디오. 1.6B 및 0.9B 크기의 동급 최강 옴니 向量模型(Embeddings).

3월 11, 2026 • 7 분 소요

멀티모달 LLM 을 활용한 오디오 임베딩 부트스트래핑

모든 멀티모달 대형 언어 모델 을 25배 적은 데이터로 CLAP 을 능가하는 소형 오디오 임베딩 모델 로 변환해 보세요.

3월 06, 2026 • 6 분 소요

원시 수치 값에서 임베딩 모델 식별하기

원시 숫자를 읽어 벡터 모델을 핑거프린팅하는 아주 작은 트랜스포머입니다. 피처 엔지니어링은 필요하지 않습니다.

2월 19, 2026 • 7 분 소요

jina-embeddings-v5-text: 새로운 SOTA 소형 다국어 임베딩(Embeddings)

최고 수준의 성능을 자랑하는 1B 미만의 다국어 向量模型 두 가지가 Elastic Inference Service, Llama.cpp 및 MLX에서 제공됩니다.

12월 04, 2025 • 7 분 소요

Jina-VLM: 작은 다국어 비전 언어 모델

새로운 20억 규모의 비전 언어 모델이 다국어 VQA에서 SOTA를 달성하고, 텍스트 전용 작업에서 치명적인 망각을 겪지 않습니다.

10월 03, 2025 • 7 분 소요

Jina Reranker v3: SOTA 다국어 검색을 위한 0.6B Listwise 재정렬기

쿼리 및 모든 후보 문서를 단일 컨텍스트 창에서 고려하는 새로운 0.6B 파라미터 목록별 재정렬기(Reranker)입니다.

9월 09, 2025 • 11 분 소요

Llama.cpp 및 GGUF의 멀티모달 向量模型

저희는 llama.cpp 및 GGUF에 멀티모달 向量模型을 도입했으며, 그 과정에서 몇 가지 놀라운 문제점을 발견했습니다.

9월 04, 2025 • 6 분 소요

Jina 코드 임베딩: 0.5B 및 1.5B에서 SOTA 코드 검색

코드 생성 LLM → 코드 向量模型: 0.5B/1.5B 모델이 25개의 코드 검색 벤치마크에서 SOTA 성능을 달성했습니다.

제목으로 검색

제품별로 필터링

작성자별로 필터링

모델별로 필터링

현재 언어 / 테마

Elastic © 2026.

본 웹사이트와 모든 관련 콘텐츠, 소프트웨어, 제품 및 서비스는 전문 목적 사용을 위한 것입니다. 소비자 사용은 의도되지 않았습니다.