突破中英文語言壁壘的 8K Token 長度雙語嵌入向量

繼先前推出傑出的 Embeddings V2 後，我們很高興宣布推出最新的中英雙語文本嵌入模型：jina-embeddings-v2-base-zh。這個新模型繼承了 Jina Embeddings V2 的 8K 字符長度的特點，同時強力支援中文和英文。

jina-embeddings-v2-base-zh 憑藉其卓越的品質和性能脫穎而出，這是通過高品質雙語數據的嚴謹且均衡的預訓練達成的。這種方法有效減少了常見於不平衡多語言數據訓練模型中的偏差。

tag亮點特色

雙語模型：此模型可以同時編碼中文和英文文本，允許使用任一語言作為查詢或目標文件。兩種語言中具有相同意義的文本會被映射到相同的嵌入空間，為眾多多語言應用奠定基礎。
延伸至 8K 字符長度：我們的模型能夠處理大量文本段落，這項功能超越了大多數其他開源模型的能力。
小巧且高效：模型大小為 322MB（1.61 億參數）且輸出維度為 768，我們的模型設計可在無 GPU 的標準電腦硬體上實現高性能，提高了其可用性。

tag在 C-MTEB 上的領先表現

在 Chinese MTEB 排行榜上，我們支援中英雙語的 Jina Embeddings v2 在小於 0.5GB 的模型中脫穎而出。其獨特之處在於擁有 8K 字符長度的能力，這在同類別中是獨一無二的特色。

Table comparing Chinese AI models' rankings and statistics, including model names, sizes, and C-MTEB scores

在相近大小的中文模型中，只有 E5 Multilingual 模型和我們的 jina-embeddings-v2-base-zh 提供英文支援，能夠實現有效的跨語言應用。值得注意的是，Jina 在所有涉及中文的類別中都展現出明顯優越的性能。

Technical table comparing performance of language retrieval models, including average and overall scores for tasks like Eng-to-Chn

雖然兩個模型都具有 8K 字符的上下文大小，但 jina-embeddings-v2-base-zh 在性能上明顯優於 OpenAI 的 text-embedding-ada-002，尤其是在涉及中文的任務中。

Comparative table of AI models with columns for model name, size, context, embedding size, and C-MTEB average score

tag助力中國企業全球擴展

我們的中英嵌入模型是中國企業「出海」的強力工具。它能無縫處理中文文本，提供高品質的嵌入，輕鬆整合到領先的向量數據庫、搜索系統、RAG 應用中。

jina-embeddings-v2-base-zh 特別適合開發針對中英語境的 AI 應用，對於企業的國際擴展至關重要。以下是一些具體使用案例：

文檔分析與管理：能夠分析和管理大量文檔，協助國際法律和商務交易。
AI 驅動的搜尋應用：在多語言環境中提升搜尋功能，讓全球用戶更容易找到中英文的相關資訊。
檢索增強型聊天機器人和問答系統：建立高效的雙語客服機器人，改善與全球客戶的互動。
自然語言處理應用：包括理解全球市場趨勢的情感分析、國際行銷策略的主題建模，以及管理全球溝通的文本分類。
推薦系統：利用中英文數據的見解，為多元化的全球受眾量身定制產品和內容推薦。

透過運用這個模型，中國企業可以有效突破 AI 應用中的語言障礙，提升其全球競爭力和市場觸及率。

tag透過 API 開始使用 jina-embeddings-v2-base-zh

立即通過 Embeddings API 將我們的模型整合到您的工作流程中。只需訪問我們的 Embeddings 入口網站，獲取免費訪問金鑰或充值現有金鑰，然後從下拉選單中選擇 jina-embeddings-v2-base-zh。就是這麼簡單！

AI platform interface with options like USAGE and TEST, and highlighting the "Chinese-English bilingual embeddings with SOTA performance.

tag未來展望：擴展語言支援和 AWS Sagemaker 整合

jina-embeddings-v2-base-zh 即將在 AWS Sagemaker 和 Hugging Face 上提供。

在 Jina AI，我們致力於成為全球使用者可負擔且易於使用的嵌入技術領導者。我們正在積極開發更多多語言產品，專注於主要歐洲和其他國際語言，以擴大我們的覆蓋範圍。敬請期待這些令人興奮的更新，包括與 AWS SageMaker 的整合，我們將持續擴展我們的能力。

tag特別感謝我們的早期測試者

我們非常感謝中國用戶社群中測試預覽版本（jina-embeddings-v2-base-zh-preview）的特選成員。他們的寶貴意見對於提升此次正式版本的性能至關重要。如果您對我們的模型品質有任何觀察或建議，我們誠摯邀請您加入我們的 Discord 伺服器並與我們分享您的想法。您的意見對我們持續改進的過程非常重要。

與 `jina-embeddings-v2-base-zh-preview` 相比改進的分數分布

jina-embeddings-v2-base-zh-preview 存在相似度分數過高的問題，即使是不相關的項目也會得到較高的餘弦分數。這一點在下方截圖的前 5 個結果中特別明顯。相似度分數普遍偏高，並未真實反映項目間的關係。例如，「安妮」和「蒸汽機」之間的比較獲得了誤導性的高相似度分數。

在正式發布版本中，我們已經對模型進行了微調，使其產生更加明確和合理的相似度分數，確保更準確地表示項目之間的關係。例如，修訂後的評分現在呈現更廣泛的範圍，為項目間的相對相似度提供更清晰的洞察。

此外，Jina Embeddings 現在是唯一支援 8192 個 tokens 的開源嵌入模型。這一特點突顯了它在處理各種類型數據的能力，從長篇文檔到簡短短語，甚至單個詞彙/名稱，如「安妮」vs「露娜」。

Table comparing similarity scores between the character "安妮" and various others, with rows for different characters and columns for similarity attributes

tag中英雙語 8K 向量大模型全新上線，企業拓展國際市場必備！

自從我們的 Embeddings V2 獲得各界好評後，今日，我們推出了全新的中英雙語文本向量大模型：jina-embeddings-v2-base-zh。此模型不僅繼承了 V2 的全部優勢，能夠處理長達八千詞元的文本，更能流暢應對中英文雙語內容，為跨語種的應用插上了翅膀。

jina-embeddings-v2-base-zh 之所以表現卓越，全賴優質的雙語資料集，經過我們嚴格且平衡的預訓練、一階微調和二階微調。這種三步走的訓練範式不僅泛化了模型的雙語能力，更有效地降低了模型偏見，解決了多語言模型時常遭遇到的「不患寡而患不均」的問題。

tag模型特色一覽

特色 1：雙語無縫對接

jina-embeddings-v2-base-zh 模型能夠流暢處理中英文本，無論是作為搜索查詢還是目標文件。中英文本中意義相近的內容都會被映射到相同的向量空間，為多語言應用奠定了堅實基礎。

特色 2：8k Token 超長文本支援

我們的模型支援長達 8K Token 的文本處理，這在開源向量模型中獨樹一幟，在處理更長的文本段落上提供了顯著優勢。

特色 3：高效緊湊的模型結構

jina-embeddings-v2-base-zh 模型以 322MB 的輕巧體積（包含 1.61 億參數），輸出維度為 768，能夠在普通電腦硬體上高效運行，無需依賴 GPU，極大地提升了其實用性和便捷性。

tag模型性能卓越

在 CMTEB 排行榜的激烈競爭中，我們的 Jina Embeddings v2 模型在 0.5GB 以下模型類別中脫穎而出，它不僅支援中英文本，而且能夠處理高達 8K Token 的文本，這一能力在同類模型中實屬罕見。

Chart comparing Chinese AI models with details like names, sizes, embedding dimensions, and average C-MTEB scores

在同等體積的支援中文的模型中，Multilingual E5 和我們的 jina-embeddings-v2-base-zh 是唯二能夠處理英文的模型，這使得跨語言應用成為可能。

Data comparison table of language retrieval models with metrics for Eng-to-Chn, Chn-to-Eng, and Eng-to-Eng retrievals

目前，全球範圍內，僅有 OpenAI 的閉源模型 text-embedding-ada-002 和 Jina Embeddings 能夠支援 8k Token 的長文本輸入。而在處理中文任務方面，Jina Embeddings 顯示出了顯著的性能優勢。

A detailed table comparing three AI models, highlighting their size, context, embedding size, and C-MTEB average score

tag助力中國企業拓展全球業務

我們的中英雙語向量模型 jina-embeddings-v2-base-zh 是中國企業進軍國際市場的強大夥伴。它能夠無縫處理中英雙語文本，並提供高品質的文本向量表示，還能輕鬆整合到先進的向量資料庫、搜索系統以及 RAG 應用裡。
這款模型特別適合打造適應中英雙語場景的 AI 應用，對於追求全球化發展的企業來說，其價值不可估量。以下是幾個實際應用案例：