概述
jina-embeddings-v2-base-es 是一個 161M 參數的西英雙語文字向量模型,具備 8,192 詞元的上下文視窗與 768 維輸出。它為西語市場的跨語言檢索而設計,把語意等價的西語與英語內容映射到同一個向量空間。該模型補上了一個關鍵缺口:當時多數向量模型以英語為中心,西語效能明顯下滑。
方法
該模型使用帶對稱雙向 ALiBi 位置編碼的 BERT 骨幹、161M 參數與 768 維輸出空間。訓練分三階段:(1)在西英平行語料上預訓練;(2)在精選句對上以困難負樣本挖掘做對比微調;(3)跨語言對齊,確保同一概念的西語與英語表示聚在一起。ALiBi 機制不需學習式位置編碼就能撐起 8,192 詞元上下文,讓模型外推超過 512 詞元的訓練長度。最終向量由平均池化產生。
效能
在西英檢索任務上,該模型勝過規模大得多的多語言模型(E5、BGE-M3),體積卻只有它們的 15–30%。它在 MTEB 西語子任務上表現出色,檢索與分群尤其突出。8,192 詞元的上下文視窗讓多頁文件也能穩定處理,而多數競爭模型得先分塊。2026 年,jina-embeddings-v5-text-small 取代該模型,提供 89 種語言、32K 上下文與任務特定 LoRA 適配器。v2-base-es 仍是專用西英管線的經濟選擇。
最佳實務
西英雙語搜尋、內容推薦與跨語言文件分析的理想選擇。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。該模型可與主流向量資料庫及 RAG 框架整合。新專案若需要西英以外的多語言覆蓋、32K 上下文或任務特定最佳化,建議改用 jina-embeddings-v5-text-small`。生產環境建議搭配支援 CUDA 的 GPU。輸入文字應為西語或英語;混合語言輸入也支援,但效能是針對這兩種訓練語言最佳化的。




