一、快速入门

本文介绍了 Jina Embeddings v4，这是一个用于多模态和多语言检索的通用嵌入模型。它特别适用于复杂的文档检索，包括包含图表、表格和插图等视觉元素的文档。

二、使用场景与模型信息

（一）模型构建基础

Jina Embeddings v4 基于 Qwen/Qwen2.5-VL-3B-Instruct 构建。

（二）功能特点

1. 统一嵌入 ：为文本、图像和视觉文档提供统一的嵌入表示，支持密集（单向量）和后期交互（多向量）检索。

2. 多语言支持 ：支持 30 多种语言，适用于包括技术性和视觉复杂文档在内的多种领域。

3. 任务特定适配器 ：在推理时可选择用于检索、文本匹配和代码相关任务的适配器。

4. 灵活嵌入尺寸 ：密集嵌入默认为 2048 维，但可截断至低至 128 维，且性能损失 minimal（原文如此，意为 “极小”）。

（三）特征概要

（四）技术亮点

其注意力机制采用了 FlashAttention2。

三、训练与评估

文中提及训练细节和基准测试可参阅 Jina Embeddings v4 的技术报告。

四、使用方法

可通过 Jina AI Embeddings API、transformers 或 sentence-transformers 来满足相关要求并使用该模型。

五、Jina - VDR

随 Jina Embeddings v4 一起发布的还有 Jina VDR，这是一个用于视觉文档检索的多语言、多领域基准。任务集合可在相应页面查看，评估说明也可在指定位置找到。

六、核心技术汇总