/ Модель

Характеристики

Контекст
128 000 токенов
Параметры
2,8 млрд
Размер весов
7,5 ГБ
Библиотека
transformers
Опубликована
7 мая 2025

jina-embeddings-v4

ЭмбеддингиИзображение, текст → embedding15 профессий

Мультимодальная мультиязычная модель Jina AI для поиска по текстам, изображениям и визуально сложным документам с помощью эмбеддингов.

147 тыс.скачиваний за 30 дней541лайквеса обновлены8 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки29

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • LEMBSummScreenFDRetrieval

    main_score

    Результат

    0,9696

    MTEB

    Публичная таблицадругая ревизия

  • WinoGrande

    main_score

    Результат

    0,6727

    MTEB

    Публичная таблицадругая ревизия

  • LEMBNeedleRetrieval

    main_score

    Результат

    0,3

    MTEB

    Публичная таблицадругая ревизия

  • MLQARetrieval

    main_score

    Результат

    0,8119

    Общий результат 0,8374Общий результат 0,8193Общий результат 0,7328
    MTEB

    Публичная таблицадругая ревизия

  • JinaVDRWikimediaCommonsDocumentsRetrieval

    main_score

    Результат

    0,8113

    Общий результат 0,8117Общий результат 0,7351Общий результат 0,713
    MTEB

    Публичная таблицадругая ревизия

  • CQADupstackTexRetrieval

    main_score

    Результат

    0,3094

    MTEB

    Публичная таблицадругая ревизия

  • LegalBenchCorporateLobbying

    main_score

    Результат

    0,9484

    MTEB

    Публичная таблицадругая ревизия

  • WikipediaRetrievalMultilingual

    main_score

    Результат

    0,8885

    Общий результат 0,9275Общий результат 0,8808
    MTEB

    Публичная таблицадругая ревизия

  • SemRel24STS

    main_score

    Результат

    0,5477

    Общий результат 0,4012Общий результат 0,2523
    MTEB

    Публичная таблицадругая ревизия

  • WikiSQLRetrieval

    main_score

    Результат

    0,9608

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3IndustrialRetrieval

    main_score

    Результат

    0,3921

    MTEB

    Публичная таблицадругая ревизия

  • ChatDoctorRetrieval

    main_score

    Результат

    0,6409

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3EnergyRetrieval

    main_score

    Результат

    0,5832

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3PhysicsRetrieval.v2

    main_score

    Результат

    0,4675

    MTEB

    Публичная таблицадругая ревизия

  • JinaVDRTweetStockSyntheticsRetrieval

    main_score

    Результат

    0,8633

    MTEB

    Публичная таблицадругая ревизия

  • CUREv1

    main_score

    Результат

    0,5014

    Общий результат 0,4886
    MTEB

    Публичная таблицадругая ревизия

  • STS22.v2

    main_score

    Результат

    0,6352

    Общий результат 0,6033
    MTEB

    Публичная таблицадругая ревизия

  • MIRACLRetrievalHardNegatives

    main_score

    Результат

    0,6982

    Общий результат 0,5292
    MTEB

    Публичная таблицадругая ревизия

  • AILAStatutes

    main_score

    Результат

    0,5013

    MTEB

    Публичная таблицадругая ревизия

  • JinaVDRAutomobileCatelogRetrieval

    main_score

    Результат

    0,8132

    MTEB

    Публичная таблицадругая ревизия

  • Vidore2EconomicsReportsRetrieval

    main_score

    Результат

    0,5955

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3FinanceFrRetrieval.v2

    main_score

    Результат

    0,3307

    Общий результат 0,3324
    MTEB

    Публичная таблицадругая ревизия

  • DemagogSKNLI

    main_score

    Результат

    0,8356

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3ComputerScienceRetrieval

    main_score

    Результат

    0,6044

    MTEB

    Публичная таблицадругая ревизия

  • JinaVDRShiftProjectRetrieval

    main_score

    Результат

    0,9217

    MTEB

    Публичная таблицадругая ревизия

  • Vidore3TelecomRetrieval.v2

    main_score

    Результат

    0,5034

    MTEB

    Публичная таблицадругая ревизия

  • AlloprofRetrieval

    main_score

    Результат

    0,6098

    MTEB

    Публичная таблицадругая ревизия

  • STS17

    main_score

    Результат

    0,8336

    MTEB

    Публичная таблицадругая ревизия

  • JinaVDRGitHubReadmeRetrieval

    main_score

    Результат

    0,7666

    MTEB

    Публичная таблицадругая ревизия

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Jina Embeddings v4 — мультимодальная мультиязычная модель эмбеддингов, разработанная Jina AI на базе Qwen2.5-VL-3B-Instruct. Она предназначена для поиска по текстам, изображениям и визуально насыщенным документам, включая материалы с диаграммами, таблицами и иллюстрациями. Модель поддерживает плотные векторные представления и многовекторный late-interaction поиск, а также задачи сопоставления текстов и поиска по коду; адаптер задачи выбирается при инференсе.

Модель содержит 2,8 млрд параметров, принимает текст и изображения и выдаёт эмбеддинги. Размерность плотного эмбеддинга по умолчанию составляет 2048 и может быть уменьшена до 128; заявлена поддержка более 30 языков. Длина контекста — до 128 000 токенов. Веса опубликованы в формате safetensors, для работы доступны Transformers и интерфейс Sentence Transformers.

Модель подходит для мультиязычного семантического поиска, поиска по визуальным документам, сопоставления текстов и поиска фрагментов кода. Карточка не сообщает лицензию; количественные результаты оценки и конкретные ограничения качества в предоставленных данных не приведены.

Сценарии применения

  • поиск ответа в документах с таблицами и диаграммами
  • поиск текстовых фрагментов по смысловому запросу
  • поиск изображений и визуальных документов по запросу
  • сопоставление текстов на разных языках
  • поиск фрагментов кода по описанию задачи

Ограничения

В предоставленной карточке не указана лицензия и не приведены конкретные ограничения качества или результаты бенчмарков.

Для каких профессий подходит15

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Jina Embeddings v4: Universal Embeddings for Multimodal Multilingual Retrieval

GGUF | Blog | Technical Report | API

Intended Usage & Model Info

jina-embeddings-v4 is a universal embedding model for multimodal and multilingual retrieval. The model is specially designed for complex document retrieval, including visually rich documents with charts, tables, and illustrations.

Built on Qwen/Qwen2.5-VL-3B-Instruct, jina-embeddings-v4 features:

  • Unified embeddings for text, images, and visual documents, supporting both dense (single-vector) and late-interaction (multi-vector) retrieval.
  • Multilingual support (30+ languages) and compatibility with a wide range of domains, including technical and visually complex documents.
  • Task-specific adapters for retrieval, text matching, and code-related tasks, which can be selected at inference time.
  • Flexible embedding size: dense embeddings are 2048 dimensions by default but can be truncated to as low as 128 with minimal performance loss.

Summary of features:

FeatureJina Embeddings V4
Base ModelQwen2.5-VL-3B-Instruct
Supported Tasksretrieval, text-matching, code
Model DTypeBFloat 16
Max Sequence Length32768
Single-Vector Dimension2048
Multi-Vector Dimension128
Matryoshka dimensions128, 256, 512, 1024, 2048
Pooling StrategyMean pooling
Attention MechanismFlashAttention2

Training & Evaluation

Please refer to our technical report of jina-embeddings-v4 for training details and benchmarks.

Usage

The following Python packages are required:

  • transformers>=4.52.0
  • torch>=2.6.0
  • peft>=0.15.2
  • torchvision
  • pillow

Optional / Recommended

  • flash-attention: Installing flash-attention is recommended for improved inference speed and efficiency, but not mandatory.
  • sentence-transformers: If you want to use the model via the sentence-transformers interface, install this package as well.
curl https://api.jina.ai/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $JINA_AI_API_TOKEN" \
  -d @- <<EOFEOF
  {
    "model": "jina-embeddings-v4",
    "task": "text-matching",
    "input": [
        {
            "text": "غروب جميل على الشاطئ"
        },
        {
            "text": "海滩上美丽的日落"
        },
        {
            "text": "A beautiful sunset over the beach"
        },
        {
            "text": "Un beau coucher de soleil sur la plage"
        },
        {
            "text": "Ein wunderschöner Sonnenuntergang am Strand"
        },
        {
            "text": "Ένα όμορφο ηλιοβασίλεμα πάνω από την παραλία"
        },
        {
            "text": "समुद्र तट पर एक खूबसूरत सूर्यास्त"
        },
        {
            "text": "Un bellissimo tramonto sulla spiaggia"
        },
        {
            "text": "浜辺に沈む美しい夕日"
        },
        {
            "text": "해변 위로 아름다운 일몰"
        },
        {
            "image": "https://i.ibb.co/nQNGqL0/beach1.jpg"
        },
        {
            "image": "https://i.ibb.co/r5w8hG8/beach2.jpg"
        }
    ]
  }
EOFEOF
# !pip install transformers>=4.52.0 torch>=2.6.0 peft>=0.15.2 torchvision pillow
# !pip install
from transformers import AutoModel
import torch

# Initialize the model
model = AutoModel.from_pretrained("jinaai/jina-embeddings-v4", trust_remote_code=True, torch_dtype=torch.float16)

model.to("cuda")

# ========================
# 1. Retrieval Task
# ========================
# Configure truncate_dim, max_length (for texts), max_pixels (for images), vector_type, batch_size in the encode function if needed

# Encode query
query_embeddings = model.encode_text(
    texts=["Overview of climate change impacts on coastal cities"],
    task="retrieval",
    prompt_name="query",
)

# Encode passage (text)
passage_embeddings = model.encode_text(
    texts=[
        "Climate change has led to rising sea levels, increased frequency of extreme weather events..."
    ],
    task="retrieval",
    prompt_name="passage",
)

# Encode image/document
image_embeddings = model.encode_image(
    images=["https://i.ibb.co/nQNGqL0/beach1.jpg"],
    task="retrieval",
)

# ========================
# 2. Text Matching Task
# ========================
texts = [
    "غروب جميل على الشاطئ",  # Arabic
    "海滩上美丽的日落",  # Chinese
    "Un beau coucher de soleil sur la plage",  # French
    "Ein wunderschöner Sonnenuntergang am Strand",  # German
    "Ένα όμορφο ηλιοβασίλεμα πάνω από την παραλία",  # Greek
    "समुद्र तट पर एक खूबसूरत सूर्यास्त",  # Hindi
    "Un bellissimo tramonto sulla spiaggia",  # Italian
    "浜辺に沈む美しい夕日",  # Japanese
    "해변 위로 아름다운 일몰",  # Korean
]

text_embeddings = model.encode_text(texts=texts, task="text-matching")

# ========================
# 3. Code Understanding Task
# ========================

# Encode query
query_embedding = model.encode_text(
    texts=["Find a function that prints a greeting message to the console"],
    task="code",
    prompt_name="query",
)

# Encode code
code_embeddings = model.encode_text(
    texts=["def hello_world():\n    print('Hello, World!')"],
    task="code",
    prompt_name="passage",
)

# ========================
# 4. Use multivectors
# ========================

multivector_embeddings = model.encode_text(
    texts=texts,
    task="retrieval",
    prompt_name="query",
    return_multivector=True,
)

images = ["https://i.ibb.co/nQNGqL0/beach1.jpg", "https://i.ibb.co/r5w8hG8/beach2.jpg"]
multivector_image_embeddings = model.encode_image(
    images=images,
    task="retrieval",
    return_multivector=True,
)
from sentence_transformers import SentenceTransformer

# Initialize the model
model = SentenceTransformer("jinaai/jina-embeddings-v4", trust_remote_code=True)
# ========================
# 1. Retrieval Task
# ========================
# Encode query
query_embeddings = model.encode(
    sentences=["Overview of climate change impacts on coastal cities"],
    task="retrieval",
    prompt_name="query",
)

print(f"query_embeddings.shape = {query_embeddings.shape}")

# Encode passage (text)
passage_embeddings = model.encode(
    sentences=[
        "Climate change has led to rising sea levels, increased frequency of extreme weather events..."
    ],
    task="retrieval",
    prompt_name="passage",
)

print(f"passage_embeddings.shape = {passage_embeddings.shape}")

# Encode image/document
image_embeddings = model.encode(
    sentences=["https://i.ibb.co/nQNGqL0/beach1.jpg"],
    task="retrieval",
)

print(f"image_embeddings.shape = {image_embeddings.shape}")

# ========================
# 2. Text Matching Task
# ========================
texts = [
    "غروب جميل على الشاطئ",  # Arabic
    "海滩上美丽的日落",  # Chinese
    "Un beau coucher de soleil sur la plage",  # French
    "Ein wunderschöner Sonnenuntergang am Strand",  # German
    "Ένα όμορφο ηλιοβασίλεμα πάνω από την παραλία",  # Greek
    "समुद्र तट पर एक खूबसूरत सूर्यास्त",  # Hindi
    "Un bellissimo tramonto sulla spiaggia",  # Italian
    "浜辺に沈む美しい夕日",  # Japanese
    "해변 위로 아름다운 일몰",  # Korean
]

text_embeddings = model.encode(sentences=texts, task="text-matching")

# ========================
# 3. Code Understanding Task
# ========================

# Encode query
query_embeddings = model.encode(
    sentences=["Find a function that prints a greeting message to the console"],
    task="code",
    prompt_name="query",
)

# Encode code
code_embeddings = model.encode(
    sentences=["def hello_world():\n    print('Hello, World!')"],
    task="code",
    prompt_name="passage",
)

# ========================
# 4. Use multivectors
# ========================
# If you want to use multi-vector embeddings, please use the Hugging Face model directly.

We provide separate model versions for each task (retrieval, text-matching, code) where specific adapter is merged into the base Qwen2.5-VL weights. This modification enables native compatibility with vLLM.

Instructions and usage examples for each task are available in their respective directories:

Please refer to the directory that matches your task for more details.

Jina-VDR

Alongside jina-embeddings-v4, we’re releasing Jina VDR, a multilingual, multi-domain benchmark for visual document retrieval. The task collection can be viewed here, and evaluation instructions can be found here.

License

This model was initially released under cc-by-nc-4.0 due to an error. The correct license is the Qwen Research License, as this model is derived from Qwen-2.5-VL-3B which is governed by that license.

Contact

Join our Discord community and chat with other community members about ideas.

Citation

If you find jina-embeddings-v4 useful in your research, please cite the following paper:

@misc{günther2025jinaembeddingsv4universalembeddingsmultimodal,
      title={jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval}, 
      author={Michael Günther and Saba Sturua and Mohammad Kalim Akram and Isabelle Mohr and Andrei Ungureanu and Sedigheh Eslami and Scott Martens and Bo Wang and Nan Wang and Han Xiao},
      year={2025},
      eprint={2506.18902},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2506.18902}, 
}

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Поиск по документам-картинкам пока не поддерживается.

Класс архитектуры
JinaEmbeddingsV4Model
Ревизия весов
853c867

0 моделей