I/O 圖

文字

jina-embeddings-v2-base-es

向量

帕雷托前緣
30M100M300M1B3.0B657075808590all-MiniLM-L6-v2bge-m3e5-base-v2EmbeddingGemma-300MEVA-CLIP ViT-B/16gtr-t5-basegtr-t5-largegtr-t5-xlgtr-t5-xxljina-clip-v1jina-clip-v2jina-embedding-b-en-v1jina-embedding-s-en-v1jina-embeddings-v2-smal…jina-embeddings-v3jina-embeddings-v4jina-embeddings-v5-text…jina-embeddings-v5-text…KaLM-mini-v2.5LongCLIP ViT-B/16multilingual-e5-basemultilingual-e5-largemultilingual-e5-large-i…nllb-siglip-largeOpenAI CLIP ViT-B/16Qwen3-Embedding-0.6BQwen3-Embedding-4Bsentence-t5-basesentence-t5-xlsentence-t5-xxlsnowflake-arctic-embed-…voyage-4-nanojina-embeddings-v2-base…參數量(對數)Spearman
本模型
在前緣上
Jina AI
其他
MTEB English · sts
83.50
參數量
161M
按分數的排名
11 / 39
帕雷托前緣
在前緣上
取值分佈
AUC 0.8383
語料
翻譯對
文件檢索
0.6830.000.200.400.600.80
相關17.6%
困難負例3.0%
無關0.8%
推薦閾值
FPR 0.1 · 0.509
FPR 0.01 · 0.683
FPR 0.001 · 0.775
FPR 0.0001 · 0.834
均衡 · 0.365
AUC
0.8383
雜訊上限
0.774
召回斷崖
0.163
測量樣本對
119 / 11k
向量分量
-0.160.000.17
σ 0.0361 · 183k 個數值
向量幾何
0768
各維度平均值,游標移入檢視區間
雜訊下限
0.326
有效維度
51 / 768
語言對
de-rude-zhen-deen-jaen-koen-ruen-zhja-ko
各語言對之間的閾值跨度:0.315
選擇要比較的模型
論文 (1)

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。

提及此模型的部落格