jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-nano（约 10.4 亿参数）是 v5-omni 系列的精简版，专为边缘设备和普通硬件设计。它在 jina-embeddings-v5-text-nano 之上扩展出相同的多模态能力：文本、图像、视频和音频输入共享同一向量空间。纯文本输出与 jina-embeddings-v5-text-nano 逐位一致。模型输出 768 维向量，可通过 Matryoshka 截断至最低 32 维，支持 8K 词元的上下文长度。

第三阶段训练与 omni-small 相同，在 jina-embeddings-v5-text-nano 之上扩展。EuroBERT-210M 文本主干网络和 LoRA 适配器保持冻结。跨模态投影器把 SigLIP2 Base 视觉编码器和 Whisper-large-v3 音频编码器接入文本主干网络。训练数据与训练目标与 omni-small 一致。

纯文本性能与 jina-embeddings-v5-text-nano 逐位一致。受限于更窄的向量空间（768 维对 1024 维）和更小的文本主干网络，多模态表现略逊于 omni-small，但仍保持良好的跨模态对齐。它专为 CPU 和边缘硬件优化，适用于 omni-small 跑不动的环境。

用法与 omni-small 相同，LoRA 适配器的选择和多模态输入的处理方式也完全一致。主要区别在于：输出为 768 维空间（可通过 Matryoshka 截断至 32 维），上下文窗口为 8K。nano 版可在普通硬件上运行，无需 GPU 加速。纯文本向量与 jina-embeddings-v5-text-nano 完全兼容。