免费POC，零成本试错
我要投稿
微信搜一搜，关注“模力方舟”
Jina-Embeddings v4重磅发布，支持多模态输入与多向量检索，为RAG架构带来革命性升级！ 核心内容： 1. 多模态统一编码架构突破传统双塔设计 2. 动态适配器实现异构检索/语义匹配/代码检索三合一 3. 在视觉文档等关键任务评测中全面领先竞品
模力方舟现已正式上线来自 Jina AI 的新一代通用向量模型 ——Jina-Embeddings v4，访问链接即可在线体验：https://ai.gitee.com/serverless-api?model=jina-embeddings-v4。
作为 Jina 系列嵌入模型的第四代版本，Jina-Embeddings v4不仅支持文本、图像等多模态输入统一编码，更首次在图文场景下实现了多向量检索（Late Interaction）能力，在复杂视觉文档、多语言问答、代码搜索等多个关键任务中取得了全面领先的性能表现。
Jina-Embeddings v4构建于Qwen2.5-VL-3B-Instruct基座模型之上，在底层架构上实现了图文统一表示的闭环。与传统的 CLIP 双塔架构不同，v4 模型采用共享编码路径，图像先通过视觉编码器转化为 token 序列，与文本一起输入语言模型，进行上下文感知处理。这种方式显著缩小了图文语义空间中的模态差距（modality gap），同时具备更强的跨模态语义理解能力。
模型支持两种输出形式：
这两种模式均可在推理阶段灵活选择，便于适配不同的存储与算力环境。
为了支持更复杂的应用需求，Jina-Embeddings v4内置三类基于 LoRA 微调的任务适配器（每类仅 60M 参数），可在推理阶段动态加载，分别针对：
这一设计不仅实现了「多任务共享主干 + 轻量化适配」的目标，也极大提升了模型在多样场景下的落地能力。
Jina-Embeddings v4在多个标准评测中表现突出，尤其在图文匹配与视觉文档检索任务中大幅领先。
得益于共享编码器架构与多向量表示机制，v4 能够精准建模图表、表格、说明文档等复杂视觉内容，在新基准 Jina-VDR 和 ViDoRe 上显著优于 CLIP 与同类模型。
同时，Jina-Embeddings v4在 MTEB 多语言语义匹配、长文本检索与代码搜索等任务中也保持强劲性能，展现出良好的通用性与扩展性。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业
2025-08-15
如何让 AI 绘图中文呈现更稳定和准确？
2025-08-15
含全文！OpenAI发布GPT-5官方Prompt指南
2025-08-15
道理都懂，做到很难！有赞白鸦的分享与AI赋能的启发
2025-08-15
MNN LLM Chat iOS 流式输出优化实践
2025-08-15
优tech分享 | 入局AI Infra：程序员必须了解的AI系统设计与挑战知识
2025-08-15
Kimi-K2模型真实项目OOP重构实践
2025-08-15
腾讯云上新CloudBase AI CLI，可减少80%编码量
2025-08-15
Altair重磅发布：100个AI赋能的工程应用案例，揭示“万物皆可解”的未来
2025-05-29
2025-05-23
2025-06-01
2025-06-21
2025-06-07
2025-05-20
2025-06-12
2025-06-19
2025-06-13
2025-05-28
回到顶部
粤ICP备14082021号