Новости

Ускорьте поиск ИИ, по одному токену за раз.

Избранное

jina-ocr-v1: более быстрый разбор документов на недорогих GPU

jina-ocr-v1 — это мультимодальная языковая модель с 3,4 млрд параметров и 570 млн активных параметров, набравшая 91,1 балла в OmniDocBench v1.6 и 83,4 балла в olmOCR-Bench.

сентябрь 14, 2026 • 9 минуты чтения

jina-reranker-v3.5: Более быстрая попарная переранжировка (listwise reranking) с использованием гибридного внимания (hybrid attention) и самодистилляции

Listwise-переранкер (重排器) размером 0,6 млрд параметров, который превосходит Qwen3-Reranker-4B в бенчмарке BEIR, работает до 1,56 раза быстрее, чем v3, и обеспечивает прирост 9,6 nDCG@10 в задачах полуструктурированного поиска.

август 03, 2026 • 11 минуты чтения

jina-embeddings-v5-omni: Векторные модели для текста, изображений, аудио и видео

Одна модель, четыре модальности: текст, изображение, аудио, видео. Лучшие в своем классе омни-векторные модели (Embeddings) с 1,6 млрд и 0,9 млрд параметров.

май 12, 2026 • 7 минуты чтения

Академические публикации

сентябрь 02, 2026

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

июль 20, 2026

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

май 11, 2026

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

февраль 17, 2026

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

январь 22, 2026

Embedding Compression via Spherical Coordinates

декабрь 29, 2025

Vision Encoders in Vision-Language Models: A Survey

декабрь 04, 2025

Jina-VLM: Small Multilingual Vision Language Model

октябрь 01, 2025

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

август 31, 2025

Efficient Code Embeddings from Code Generation Models

июнь 24, 2025

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

март 04, 2025

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

декабрь 17, 2024

AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark

декабрь 12, 2024

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

сентябрь 18, 2024

jina-embeddings-v3: Multilingual Embeddings With Task LoRA

сентябрь 07, 2024

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

август 30, 2024

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

июнь 21, 2024

Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models

май 30, 2024

Jina CLIP: Your CLIP Model Is Also Your Text Retriever

февраль 26, 2024

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

октябрь 30, 2023

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

июль 20, 2023

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

Всего публикаций 21.

Избранное

Академический

Все

Пресс-релиз

Технический блог

Событие

Мнение

сентябрь 14, 2026 • 9 минуты чтения

jina-ocr-v1: более быстрый разбор документов на недорогих GPU

jina-ocr-v1 — это мультимодальная языковая модель с 3,4 млрд параметров и 570 млн активных параметров, набравшая 91,1 балла в OmniDocBench v1.6 и 83,4 балла в olmOCR-Bench.

август 03, 2026 • 11 минуты чтения

jina-reranker-v3.5: Более быстрая попарная переранжировка (listwise reranking) с использованием гибридного внимания (hybrid attention) и самодистилляции

Listwise-переранкер (重排器) размером 0,6 млрд параметров, который превосходит Qwen3-Reranker-4B в бенчмарке BEIR, работает до 1,56 раза быстрее, чем v3, и обеспечивает прирост 9,6 nDCG@10 в задачах полуструктурированного поиска.

май 12, 2026 • 7 минуты чтения

jina-embeddings-v5-omni: Векторные модели для текста, изображений, аудио и видео

Одна модель, четыре модальности: текст, изображение, аудио, видео. Лучшие в своем классе омни-векторные модели (Embeddings) с 1,6 млрд и 0,9 млрд параметров.

март 11, 2026 • 7 минуты чтения

Бутстрэппинг аудиоэмбеддингов на базе мультимодальных LLM

Превратите любую мультимодальную LLM в малую векторную модель аудио, которая превосходит CLAP, используя в 25 раз меньше данных.

март 06, 2026 • 6 минуты чтения

Идентификация векторных моделей по сырым числовым значениям

Крошечный трансформер, который создает цифровые отпечатки векторных моделей, считывая необработанные цифры. Без проектирования признаков.

февраль 19, 2026 • 7 минуты чтения

jina-embeddings-v5-text: новые SOTA компактные мультиязычные векторные модели

Две многоязычные модели Embeddings объемом менее 1 млрд параметров с лучшей в своем классе производительностью, доступные в Elastic Inference Service, Llama.cpp и MLX.

декабрь 04, 2025 • 7 минуты чтения

Jina-VLM: Маленькая многоязычная модель Vision Language Model

Новая модель vision language на 2B достигла SOTA в многоязычном VQA, без катастрофического забывания в задачах, связанных только с текстом.

октябрь 03, 2025 • 7 минуты чтения

Jina Reranker v3: 0.6B Listwise Reranker для SOTA Мультиязычного Поиска

Новый списочный реранкер с 0.6B параметрами, который рассматривает запрос и все документы-кандидаты в едином контекстном окне.

сентябрь 09, 2025 • 11 минуты чтения

Мультимодальные 向量模型 в Llama.cpp и GGUF

Мы добавили мультимодальные向量模型 в llama.cpp и GGUF и попутно обнаружили несколько неожиданных проблем.

сентябрь 04, 2025 • 6 минуты чтения

Jina Code Embeddings: SOTA для извлечения кода при 0.5B и 1.5B

Генеративные LLM для кода → векторные модели кода: модели размером 0.5B/1.5B достигают SOTA производительности в 25 бенчмарках извлечения кода.

Поиск по названию

Фильтровать по продукту

Фильтровать по автору

Фильтр по модели

Текущий язык / тема

Elastic © 2026.

Данный веб-сайт и весь связанный с ним контент, программное обеспечение, продукты и услуги предназначены исключительно для профессионального использования. Использование в потребительских целях не предполагается и не рекомендуется.