向量模型

CC BY-NC 4.0

釋出部落格

jina-embeddings-v5-omni-nano

面向邊緣部署的輕量多模態向量模型

許可證

CC-BY-NC-4.0

釋出日期

2026-05-07

輸入

文字

影象

音訊

影片

PDF

輸出

向量

Matryoshka 維度

128

256

512

768

模型詳情

引數: 1.0B

輸入詞元長度: 8K

輸出維度: 768

底座模型

jina-embeddings-v5-text-nano

已訓練語言

32 種語言

支援的語言

108 種語言

量化版本

GGUF

Apple 晶片支援

MLX

相關模型

jina-embeddings-v5-omni-small

jina-embeddings-v5-text-nano

jina-embeddings-v3

jina-clip-v2

支援的任務

檢索

文字匹配

聚類

分類

可透過以下方式獲取

Elastic Inference Service

Jina API

AWS SageMaker

Hugging Face

物理隔離

I/O 圖 1

I/O 圖 2

I/O 圖 3

I/O 圖 4

Pareto front

MMTEB

RTEB public

MIEB

MAEB

This model

On the front

Jina AI

Other

RTEB public

64.08

Parameters

986M

Rank by score

21 / 62

Pareto front

Behind it

取值分佈

AUC 0.8242

語料

翻譯對

文件檢索

程式碼

影象 / 頭圖

影象 / 標識

任務

classification

clustering

retrieval.passage

retrieval.query

retrieval.query → retrieval.passage

text-matching

相關20.2%

困難負例1.7%

無關1.1%

推薦閾值

FPR 0.1 · 0.722

FPR 0.01 · 0.793

FPR 0.001 · 0.841

FPR 0.0001 · 0.865

均衡 · 0.678

AUC

0.8242

噪聲上限

0.840

召回懸崖

0.557

測量樣本對

119 / 11k

該模型與 jina-embeddings-v5-text-nano 共用文字塔。此處的分佈即為該模型的分佈，二者在 fp16 傳輸精度下一致。

向量分量

σ 0.0361 · 183k 個數值

嵌入幾何

各維度均值，懸停檢視區間

噪聲下限

0.288

有效維度

69 / 768

維度截斷

text-matching · 閾值隨所請求維度的變化

語言對

各語言對之間的閾值跨度：0.027

選擇要比較的模型

jina-embeddings-v5-omni-nano

jina-embeddings-v5-omni-small

jina-embeddings-v5-text-nano

jina-embeddings-v3

jina-clip-v2

論文 (1)

SIGIR 2026

五月 11, 2026

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

概述

jina-embeddings-v5-omni-nano（約 10.4 億參數）是 v5-omni 系列的精簡版，專為邊緣設備和普通硬體設計。它在 jina-embeddings-v5-text-nano 之上擴展出相同的多模態能力：文本、圖像、影片和音頻輸入共享同一向量空間。純文本輸出與 jina-embeddings-v5-text-nano 逐位一致。模型輸出 768 維向量，可通過 Matryoshka 截斷至最低 32 維，支援 8K 詞元的上下文長度。

方法

第三階段訓練與 omni-small 相同，在 jina-embeddings-v5-text-nano 之上擴充套件。EuroBERT-210M 文字主幹網路和 LoRA 介面卡保持凍結。跨模態投影器把 SigLIP2 Base 視覺編碼器和 Whisper-large-v3 音訊編碼器接入文字主幹網路。訓練資料與訓練目標與 omni-small 一致。

效能

純文字效能與 jina-embeddings-v5-text-nano 逐位一致。受限於更窄的向量空間（768 維對 1024 維）和更小的文字主幹網路，多模態表現略遜於 omni-small，但仍保持良好的跨模態對齊。它專為 CPU 和邊緣硬體最佳化，適用於 omni-small 跑不動的環境。

最佳實踐

用法與 omni-small 相同，LoRA 介面卡的選擇和多模態輸入的處理方式也完全一致。主要區別在於：輸出為 768 維空間（可透過 Matryoshka 截斷至 32 維），上下文視窗為 8K。nano 版可在普通硬體上執行，無需 GPU 加速。純文字向量與 jina-embeddings-v5-text-nano 完全相容。

提及此模型的部落格

五月 12, 2026 • 7 分鐘閱讀

jina-embeddings-v5-omni: Embeddings for Text, Image, Audio and Video

One model, four modalities: text, image, audio, video. Best-in-class omni embeddings in 1.6B and 0.9B.