Elastic 获得 ISO 27701 认证

作者：来自 Elastic Sean Handley 及 Ranjana Devaji

亲身体验 Elasticsearch：深入了解我们的示例 notebooks，开始免费的 cloud 试用，或立即在本地机器上试用 Elastic。

今天，我们很高兴在 Elastic Inference Service（ EIS ）上推出 jina-embeddings-v3，使快速的多语言 dense retrieval 能够直接集成到 Elasticsearch 中。jina-embeddings-v3 是首个在 EIS 上可用的 Jina AI 模型，后续还将推出更多模型。

Jina AI 近期通过收购加入 Elastic，是开源多语言和多模态 embeddings、rerankers 以及 small language models 领域的领导者。Jina 在 search foundation models 方面拥有深厚的专业能力，帮助开发者在 text、images、code 以及长篇多语言内容上构建高质量的检索和 RAG 系统。

Elastic Inference Service（ EIS ）让开发者能够以可预测、基于使用量的定价方式，轻松为 search、RAG 和 agentic 应用添加快速、高质量且可靠的 semantic retrieval。EIS 提供完全托管的 GPU 推理和开箱即用的 models，无需额外的设置或 hosting 复杂度。

jina-embeddings-v3 支持高质量的多语言 retrieval，具备长上下文推理，并提供针对 RAG 和 agents 的 task-tuned 模式。它为开发者在多种语言中提供快速的 dense embeddings，同时无需承担运维开销。

为什么选择 jina-embeddings-v3？

jina-embeddings-v3 是一个 text embedding 模型，支持 32 种语言和最高 8192-token 的上下文，在更低成本下提供高相关性，并通过 EIS 提供 GPU 驱动的推理。

关键能力

多语言能力：弥合语言差距，在 32 种语言之间对齐语义，包括阿拉伯语、孟加拉语、中文、丹麦语、荷兰语、英语、芬兰语、法语、格鲁吉亚语、德语、希腊语、印地语、印尼语、意大利语、日语、韩语、拉脱维亚语、挪威语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语、泰语、土耳其语、乌克兰语、乌尔都语和越南语。
参数效率 ：仅使用 570M 参数即可提供更高性能，在更低成本下实现与更大规模、基于 LLM 的 embeddings 相当的效果。
维度控制：默认 1024 维，并支持 Matryoshka 表示法，允许开发者将 embedding 维度一路调低到 32 维，从而根据你的需求在准确率、延迟和存储之间灵活平衡。
任务特定优化：提供任务特定的 Low-Rank Adaptation（ LoRA ）适配器，使其能够为多种任务生成高质量 embeddings，包括 query-document retrieval、聚类、分类和文本匹配。

开始使用

bash 复制代码

`

1.  POST _inference/text_embedding/.jina-embeddings-v3
2.  {
3.    "input": ["Rocky Mountain National Park"],
4.    "input_type": "ingest"
5.  }

`AI写代码

该响应：

bash 复制代码

`

1.  {
2.    "text_embedding": [
3.      {
4.        "embedding": [
5.          -0.06678891,
6.          -0.0073341704,
7.          0.011903269,
8.          -0.041797,
9.        ...
10.        ]
11.      }
12.    ]
13.  }

`AI写代码![](https://csdnimg.cn/release/blogv2/dist/pc/img/runCode/icon-arrowwhite.png)

接下来是什么

在这些新 models 的同时，EIS 将持续演进，以支持更多用户，并简化跨环境的 semantic search。

用于 EIS 的 Cloud Connect ：用于 EIS 的 Cloud Connect 即将把 EIS 带到自托管环境中，降低运维开销，并支持 hybrid 架构和按你最合适方式进行的扩展。

semantic_text 在 EIS 上默认使用 jina-embeddings-v3 ：semantic_text 目前在后台使用 ELSER 作为 embeddings 模型，但在不久的将来将默认使用 EIS 上的 jina-embeddings-v3 endpoint。这一变化将在数据写入时提供内置推理，使在无需额外配置的情况下更容易采用多语言 search。

更多 models：我们正在扩展 EIS 的 model 目录，以满足客户不断增长的 inference 需求。在接下来的几个月中，我们将推出支持更广泛 search 和 inference 工作负载的新 models。紧随 jina-embeddings-v3 之后，下一个推出的 models 是 jina-reranker-v2-base-multilingual 和 jina-reranker-v3。这两个 Jina AI models 通过多语言 reranking，大幅提升 RAG 和 AI agents 的精度。

总结

通过在 EIS 上使用 jina-embeddings-v3，你可以在无需管理 models、GPUs 或基础设施的情况下，构建多语言、高精度的 retrieval pipelines。你可以获得快速的 dense retrieval，并与 Elasticsearch 的 relevance stack 紧密集成，全部集中在一个平台中。

无论你是在构建全球化的 RAG 系统、search，还是需要可靠 context 的 agentic workflows，Elastic 现在都为你提供了开箱即用的高性能 model，以及从 prototype 顺利走向 production 的运维简化能力。

所有 Elastic Cloud 试用都可以访问 Elastic Inference Service。现在就在 Elastic Cloud Serverless 和 Elastic Cloud Hosted 上试用。

原文：www.elastic.co/search-labs...