Jina AI 现已成为 Elastic 的一部分，将其高性能的多语言、多模态搜索 AI 与 Elasticsearch 强大的数据存储、检索和索引能力相结合。Jina AI 模型可通过公共 API 与 Elasticsearch 集成，并提供 1,000 万个免费 token 用于测试。
jina-embeddings-v4 是一款多语言、多模态嵌入模型，支持图像及 30 种主要语言的文本。该模型拥有 38 亿个参数，在同等规模的模型中达到领先水平，不仅擅长以文搜图，在文本到文本的任务中也表现出色。它在视觉文档检索方面尤为突出，能够处理图表、幻灯片、地图、屏幕截图、扫描件和示意图等常见图像类型，而这些恰恰是大多数 计算机视觉 模型的薄弱领域。
该模型支持最长 32,768 个 token 的文本输入，以及最高 2,000 万像素的图像输入。其关键创新之一是提供两种输出模式：
- 单向量嵌入------在统一的语义空间中，为文本和图像生成紧凑的文档嵌入。用户可在 128 至 2,048 维之间选择嵌入向量的维度，精度损失很小。较短的嵌入向量能够节省存储空间，提高索引和检索速度，但精度相对较低，因此用户可以自行权衡速度、计算资源和检索准确性。
- 多向量嵌入 ------嵌入向量的数量随输入规模变化：每个文本 token 对应一个 128 维向量，图像对应的向量数量则与图像大小成比例。这类嵌入适用于 "后期交互" 相似度计算。与单向量嵌入相比，多向量嵌入的数据量更大，比较时的计算开销更高，但能够实现更精确的匹配。
Jina AI 针对多种任务优化了该模型，并通过紧凑、可选的 LoRA 扩展模块支持以下三类用途：
- 非对称检索------在基于嵌入的检索中，对文档和查询文本采用不同的编码方式，可以获得更好的效果。Jina Embeddings v4 通过两个经过协同训练的独立 LoRA 扩展模块实现这一点：一个用于待索引的文档，另一个用于查询。
- 语义相似度------衡量两段文本在含义或主题上的接近程度。常见应用包括相关文档发现、去重和翻译对齐。
- 代码专用任务------针对计算机技术及编程语言的相似度任务，提供专门的处理方式和训练。
jina-embeddings-v3 是一款多语言、多用途的纯 文本嵌入 模型，支持最长 8,192 个 token 的文本输入，并可根据用户选择，生成 64 至 1,024 维的可变长度嵌入向量。这款紧凑模型的参数量不足 6 亿，尽管发布于 2024 年，但相对于其规模而言，性能依然出色。
Jina AI 为其训练了五个 LoRA 扩展模块，以支持四类任务：与上述 jina-embeddings-v4 类似，一个模块用于语义相似度，两个模块用于非对称检索，另外两个模块分别用于：
- 分类------将文本划分到不同类别，可用于情感分析、垃圾信息过滤、内容审核和欺诈识别等场景。
- 聚类------根据文本自身的分布特征确定其所属类别，常用于推荐系统、新闻聚合及类似任务。
jina-code-embeddings (0.5b & 1.5b) 是两款面向编程语言和框架的专用嵌入模型，参数量分别为 5 亿和 15 亿。两款模型都能为自然语言文本和 15 种编程语言的 代码生成 嵌入，支持最长 32,768 个 token 的输入。用户可以自行选择输出嵌入的维度：较小模型支持 64 至 896 维，较大模型支持 128 至 1,536 维。
它们提供五种针对特定任务的检索模式，为各类任务生成经过优化的查询和文档嵌入：
- 代码到代码------跨编程语言检索相似代码，用于代码对齐、代码去重，以及辅助代码移植和重构。
- 自然语言到代码------检索与自然语言查询、注释、描述和文档相匹配的代码。
- 代码到自然语言------为代码匹配相关文档或其他自然语言文本。
- 代码到代码补全------推荐相关代码，以补全或改进现有代码。
- 技术问答------为信息技术问题查找自然语言答案，非常适合技术支持任务。
jina-clip-v2 是一款同时支持文本和图像的多模态嵌入模型。经过训练，当文本描述图像内容时，两者会生成相似的嵌入向量，从而实现多模态匹配。任何已经支持文本嵌入的数据库，都可以直接使用该模型，支持通过文本查询检索图像。
该模型还经过专门训练，可作为高性能文本嵌入模型使用，广泛支持多种语言，文本输入 上下文长度 为 8,192 个 token。这使用户无须为文本到文本和文本到图像检索分别使用不同模型，从而降低成本。
输入图像会被缩放至 512 × 512 像素。
jina-reranker-m0 是一款多语言、多模态的成对文档重排序模型，采用更细粒度的"后期交互"分析来提高检索精度。它接收一个文本查询和两个候选项，并判断哪一个与查询更匹配。候选项可以是两段文本、两张图像，或一段文本与一张图像。该模型经过训练，支持幻灯片、屏幕截图和示意图等多种印刷及计算机生成的图形材料，为复杂搜索环境提供了提高精度的有效方法。图像的每条边均须至少为 56 像素；过大的图像会被缩小，使其生成的 28 × 28 像素图像块不超过 768 个。查询文本与候选文档的 token 总数不得超过 10,240。
jina-reranker-v3 是一款采用列表式重排序的多语言文本文档重排序模型，使用与 jina-reranker-m0 相同的"后期交互"方法，但会根据文档与查询的匹配程度，对整个文档列表重新排序。利用 AI 模型进行列表式重排序，适用于任何能够生成有限候选结果列表的搜索方式，而不仅限于基于 AI 的搜索。作为现有搜索方式的补充，它能够全面提高准确性，因此非常适合直接用于增强混合搜索和传统搜索系统。
该重排序模型仅适用于文本，支持总计 131,000 个 token 的输入，包括查询及所有待重排序的候选文档。
ReaderLM-v2 是一款小型生成式 语言模型 ，可根据用户提供的输出模式定义和自然语言指令，将 HTML（包括网页 DOM 树的转储内容）转换为 Markdown 或 JSON。该工具将 AI 引入数据预处理，能够智能处理网页抓取数据中杂乱的结构。在其专门针对的数据转换任务中，这款紧凑模型的表现优于 GPT-4。
入门指南
访问 Jina AI 网站，获取模型，以及有关调用 Web API 或自行下载和使用模型的说明。
教程与 Notebook
以下教程使用的是较早版本的 Jina AI 模型，新教程即将推出。