jina-reranker-v2-base-multilingual

jina-reranker-v2-base-multilingual 是一個 278M 參數的交叉編碼器重排模型，支援 100 多種語言，上下文視窗為 1,024 詞元（搭配 Flash Attention 2 時可達 524,288 詞元）。它是 Jina 首個打破純英語限制的重排模型，在 AirBench 上取得 SOTA 效能，並在函式呼叫、SQL 結構比對等結構化資料任務上表現強勁。它處理文件的速度比同類模型快 15 倍。

該模型採用強化過的交叉編碼器架構，加上 Flash Attention 2，讓查詢與文件能跨越語言障礙直接比較。278M 參數的 BERT 編碼器對 1,024 詞元的基礎上下文（搭配 Flash Attention 2 可延伸至 524,288 詞元）使用對稱雙向注意力與 ALiBi 位置編碼。訓練依四階段漸進流程：（1）英語能力；（2）跨語言對齊；（3）納入多語言資料；（4）困難負樣本精煉。這種分階段做法避免了把多語言資料加進單語模型時常見的災難性遺忘。Flash Attention 2 是關鍵的效率創新，吞吐量比 bge-reranker-v2-m3 高 15 倍。

該模型在 RAG 系統的 AirBench 排行榜上取得 SOTA 效能，在 MKQA（26 種語言）上也有強勁表現。它在結構化資料任務上出色：ToolBench（函式呼叫）召回率高，NSText2SQL（SQL 結構比對）表現亦佳。最突出的是，它處理文件的速度比 bge-reranker-v2-m3 等同類模型快 15 倍，因此適合即時應用。100 多種語言支援加上結構化資料能力，讓它特別適合代理式 RAG 系統與多語言 API 文件搜尋。2026 年，jina-reranker-v3.5 以 listwise 互動、131K 上下文與領域特定訓練取代該模型。

該模型需要支援 CUDA 的 GPU，可透過 Jina Reranker API、主流 RAG 框架（Haystack、LangChain）與雲端市集（AWS、Azure、GCP）使用。它擅長需要跨越語言與資料型態精確理解的場景：處理多語言內容的跨國企業、API 文件搜尋，以及多語言程式碼庫中的程式碼檢索。有了 1,024 詞元的上下文視窗，加上對較長文件自動分塊，它能有效率地處理較長的內容。當您需要提升跨語言搜尋準確率、需要代理式 RAG 的函式呼叫能力，或想改善多語言程式碼庫的程式碼搜尋時，就用這個模型。新專案可改用 jina-reranker-v3.5，它提供 listwise 排序、131K 上下文與領域特定改進。