Jina AI 搜索模型

用于采集和检索的前沿级模型

Jina AI 模型可在从采集到检索的全过程中保留语义。仅需一小部分计算成本,即可实现前沿级准确性;它可以部署在您的云环境或本地部署环境中,也可以在 Elasticsearch 中原生运行。

能够在从文档到答案的过程中保留语义的 AI 模型

Jina AI 开发前沿级小型模型,用于高精度、高性价比的文档采集、跨文本和媒体多语言嵌入以及重排序。它可在 Elasticsearch 上零配置原生运行。

  • OCR/读取器

    将网页、PDF、扫描件和手写内容转化为干净和结构化的输入数据,以便搜索引擎可以检索、智能体可以执行操作,并且 Retrieval-Augmented Generation (RAG) 管道可以此为基础生成答案。

  • 嵌入

    借助面向文本、图像、音频、视频和代码的多模态、多语言嵌入,提升搜索和 RAG 系统的效果。

  • 重排序器

    借助全球领先的重排序模型,最大限度提升相关性,为 RAG、AI 助手和智能体等关键应用提供精准结果。

设计紧凑,结果精准

通过一个 API,将文档转化为整洁的结构化数据和高精度搜索结果。

  • 准确采集视觉文档

    将文档和 Web 内容转换为整洁、结构化的 Markdown,确保每个数字都与其含义紧密关联,从而让智能体依据精准的事实采取行动,并使 RAG 的回答以内容的实际表述为依据。

  • 多模式搜索,支持 100 多种语言

    Jina 的模型适用于文本、图像、音频和视频。有了 v5-omni,仅用一个嵌入模型就能在一个共享空间中处理所有四种模态。它原生支持 100 多种语言,跨语言搜索功能开箱即用。

  • 最佳结果,不止于最接近

    Jina 的重排序模型实力已获验证。借助重排序模型,可基于原始查询对每个候选结果重新评分,并通过深度分析将最相关的答案优先呈现。

  • 更聪明的训练,更小巧的模型

    Jina 模型围绕检索中的关键任务进行训练:从杂乱来源中找到合适的文档和最佳答案。因此,它们能够以更低成本匹敌甚至超越更大的模型。

  • 零配置语义搜索

    将字段映射为 semantic_text 或 semantic,Elasticsearch 即可自动生成嵌入向量。在 EIS 上,Jina 模型默认提供开箱即用的多语言、多模态语义搜索,无需配置。

  • 只需一次 API 调用

    将传统关键词搜索与 Jina 的语义匹配结合到单个查询中。只需一次 API 调用,即可利用倒数排序融合(RRF)整合两种方法的优势。

无论您在哪里构建,都可以使用 Jina 模型

从完全托管到自托管,Jina 模型能完美适配你数据所在的任何环境。选择最适合您的访问路径。

我们的研究

Jina 的模型基于发表于顶级机器学习(ML)会议的研究成果构建,包括 CVPR、NeurIPS 和 EMNLP。探索我们最新发布的论文,了解这些前沿搜索模型是如何从零开始训练的。
  • Jina-embeddings-v5-text:面向任务的嵌入蒸馏

    我们提出了一种全新的训练方案,将模型蒸馏技术与任务特定的对比损失相结合,以构建紧凑且高性能的嵌入模型。

  • jina-embeddings-v5-omni

    我们通过结合冻结的预训练编码器与轻量化训练的适配器,将 jina-embeddings-v5-text 扩展到了图像、音频和视频领域,在此过程中无需重新训练文本模型,也无需对现有数据进行重新索引。

  • jina-ranker-3.5

    我们对 jina-reranker-v3 的“末位但非滞后”列表式架构进行了重构,采用混合滑动窗口 + 全局注意力调度机制,并基于多域自蒸馏完成模型训练。

  • jina-ocr-v1

    我们将压缩视觉编码器和 MoE 解码器与 FastMTP 推测解码头配套使用;该解码头在三个步骤中共享一个草稿块,并在可验证奖励机制下通过 GRPO 进行训练。

加入我们的开源社区

Jina 的模型采用开放权重,可在 Hugging Face 上免费获取,每月下载量达数百万次。其代码库也已在 GitHub 上公开。社区成员还可直接与我们的开发人员交流。

常见问题

什么是 Jina 搜索模型?

Jina 模型是开源的、前沿的检索 AI 模型。它们包括用于向量的嵌入模型、用于提高精确度的重排序器,以及用于从 URL 和文档中提取和构建内容的 OCR 和读取器。

使用 Jina 模型是否需要 AI 或机器学习专业知识?

无需具备 ML 专业知识。Jina 模型在 Elasticsearch 中以预配置端点形式提供。只需映射 semantic 或 semantic_text 字段,即可自动生成向量嵌入。

我要怎么开始呢?

Jina 模型可在 Elastic Cloud 的 Elastic 推理服务上使用,所有试用版均已包含该能力。您可先定义 semantic 或 semantic_text 字段,也可前往 Hugging Face 的模型卡片查看代码示例。

目前可用的 Jina 模型有哪些?

有关 Elastic Inference Service 中支持的 Jina 模型的详细信息,请参阅我们的 Jina 模型文档。

支持多少种语言?

Jina-embeddings-v5-omni 和 Jina-ocr-v1 支持 100 多种语言。使用一种语言发起查询,也能找到以另一种语言编写的相关内容,无需翻译管道。

这与 ELSER 有何关系?

Jina 嵌入模型是新项目的默认选择。对于选择使用 ELSER 的客户,ELSER 将继续获得支持。两者均可在 Elasticsearch 的混合搜索框架中使用。

请问这是一个独立的产品吗?

Elastic 推理服务上的 Jina 搜索模型面向所有 Elastic Cloud 用户开放,采用按量计费模式。无需单独的许可证、订阅或 API 密钥。Jina 模型也可作为 Jina On-Prem 的一部分单独购买。

这与 Elastic 的向量数据库页面有什么关系?

向量数据库页面介绍了如何大规模存储和搜索向量;本页面则介绍了生成和重排序这些向量的 AI 模型。两者结合,涵盖存储、计算和应用。