概述
jina-embeddings-v2-base-de 是一個 161M 參數的德英雙語文字向量模型,具備 8,192 詞元的上下文視窗。它把兩種語言中語意等價的內容映射到同一個 768 維向量空間,因此無需翻譯即可跨語言檢索。該模型是首批兼顧長上下文支援與雙語效能均衡的開源雙語向量模型之一。
方法
該模型建構在以 BERT 為基礎、帶對稱雙向 ALiBi 位置編碼的骨幹上,以單一 161M 參數架構同時處理德語與英語,產生 768 維向量。訓練分三個階段:(1)在德英平行語料上做多語言預訓練;(2)在精選句對上以困難負樣本做對比微調;(3)跨語言對齊訓練,確保德語與英語中語意等價的文字落在向量空間的鄰近區域。一項關鍵設計選擇是偏誤最小化目標,它抵銷多語言模型偏好英語語法結構的傾向——這是早期多語言向量模型已被記錄的失效模式。ALiBi 帶來的 8,192 詞元視窗,讓兩種語言的完整文件都能不經截斷處理。
效能
該模型在規模相當時優於 Microsoft E5-base;儘管尺寸約只有 E5-large 的一半,效能仍與其相當。在 WikiCLIR(英譯德檢索)、STS17/STS22(雙向語意相似度)與 BUCC(雙語文字對齊)上,它穩定勝過同等或更大規模的模型。322MB 的佔用讓它能在標準硬體上部署。2026 年,jina-embeddings-v5-text-small 在大多數應用中取代該模型,提供 32K 上下文、89 種語言與任務特定 LoRA 適配器。v2-base-de 在 8K 上下文就夠用的德英雙語管線中仍有價值。
最佳實務
德英雙語檢索的最佳選擇:產品搜尋、支援文件與內容管理,其中查詢與文件可能分屬不同語言。文件超過 8,192 詞元時,請用語意分塊,或經 Jina API 使用 `late_chunking 參數。該模型可與 Qdrant、Weaviate、MongoDB 及 Milvus 整合。新的多語言專案若涵蓋兩種以上語言,建議改用 jina-embeddings-v5-text-small`(89 種語言、32K 上下文、LoRA 適配器)。生產吞吐量建議搭配支援 CUDA 的 GPU。









