Характеристики

Лицензия: CC BY-NC 4.0
Базовая модель: jina-embeddings-v4-vllm-retrieval
Библиотека: transformers
Опубликована: 15 авг 2025

Ссылки

jina-embeddings-v4-vllm-retrieval-i1-GGUF

ЭмбеддингиТекст → embedding9 профессий

Это мультимодальная embedding-модель jina-embeddings-v4-vllm-retrieval, разработанная Jina AI и представленная в формате GGUF сообществом mradermacher.

1 281скачиваний за 30 дней2лайкавеса обновлены10 дек 2025

Бенчмарки

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

Публичные оценки

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

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий содержит квантизированные варианты модели, включая imatrix-файл для создания собственных квантов. Модель предназначена для multilingual embedding, извлечения признаков, оценки семантического сходства и поиска Text-to-Visual Document (T→VD), то есть сопоставления текста с визуальными документами. Она также связана с задачами и бенчмарками Vidore, ColPali и MTEB.

Из README известно, что модель поддерживает мультимодальные входы и многоязычное использование, однако точные архитектура, число параметров, размерность embeddings, перечень языков и размер контекстного окна не указаны. Доступны варианты квантизации GGUF размером примерно от 0,9 до 2,0 ГБ и более; наиболее рекомендуемыми в описании названы i1-Q4_K_M как быстрый вариант и i1-Q4_K_S как компромисс между размером, скоростью и качеством. При этом низкобитные варианты могут заметно уступать по качеству.

Модель подходит для семантического поиска и retrieval-систем, включая поиск по визуальным документам и мультимодальное сопоставление текста и изображений. Ограничения, связанные с конкретными характеристиками качества и производительности, в README не приведены; выбор квантизации влияет на компромисс между размером, скоростью и точностью. Лицензия модели — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.11Универсальные способностиКлассификация, ранжирование и сопоставлениеAI помогает распределять объекты по категориям, устанавливать соответствия и определять порядок обработки.15 задач26 736моделей I.1Универсальные способностиПоиск и навигация по информацииAI помогает находить нужные сведения и помогать человеку быстро переходить от вопроса к подтверждённому источнику.18 задач13 467моделей II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей I.3Универсальные способностиИзвлечение и структурирование данныхAI помогает превращать разрозненные данные в структуру, пригодную для поиска, аналитики и автоматизации.18 задач25 791модель

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

About

weighted/imatrix quants of https://huggingface.co/jinaai/jina-embeddings-v4-vllm-retrieval

For a convenient overview and download list, visit our model page for this model.

static quants are available at https://huggingface.co/mradermacher/jina-embeddings-v4-vllm-retrieval-GGUF

This is a vision model - mmproj files (if any) will be in the static repository.

Usage

If you are unsure how to use GGUF files, refer to one of TheBloke's READMEs for more details, including on how to concatenate multi-part files.

Provided Quants

(sorted by size, not necessarily quality. IQ-quants are often preferable over similar sized non-IQ quants)

Link	Type	Size/GB	Notes
GGUF	imatrix	0.1	imatrix file (for creating your own quants)
GGUF	i1-IQ1_S	0.9	for the desperate
GGUF	i1-IQ1_M	1.0	mostly desperate
GGUF	i1-IQ2_XXS	1.0
GGUF	i1-IQ2_XS	1.1
GGUF	i1-IQ2_S	1.2
GGUF	i1-IQ2_M	1.2
GGUF	i1-Q2_K_S	1.3	very low quality
GGUF	i1-Q2_K	1.4	IQ3_XXS probably better
GGUF	i1-IQ3_XXS	1.4	lower quality
GGUF	i1-IQ3_XS	1.5
GGUF	i1-Q3_K_S	1.6	IQ3_XS probably better
GGUF	i1-IQ3_S	1.6	beats Q3_K*
GGUF	i1-IQ3_M	1.6
GGUF	i1-Q3_K_M	1.7	IQ3_S probably better
GGUF	i1-Q3_K_L	1.8	IQ3_M probably better
GGUF	i1-IQ4_XS	1.8
GGUF	i1-IQ4_NL	1.9	prefer IQ4_XS
GGUF	i1-Q4_0	1.9	fast, low quality
GGUF	i1-Q4_K_S	1.9	optimal size/speed/quality
GGUF	i1-Q4_K_M	2.0	fast, recommended
GGUF	i1-Q4_1	2.1
GGUF	i1-Q5_K_S	2.3
GGUF	i1-Q5_K_M	2.3
GGUF	i1-Q6_K	2.6	practically like static Q6_K

Here is a handy graph by ikawrakow comparing some lower-quality quant types (lower is better):

And here are Artefact2's thoughts on the matter: https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9

FAQ / Model Request

See https://huggingface.co/mradermacher/model_requests for some answers to questions you might have and/or if you want some other model quantized.

Thanks

I thank my company, nethype GmbH, for letting me use its servers and providing upgrades to my workstation to enable this work in my free time. Additional thanks to @nicoboss for giving me access to his private supercomputer, enabling me to provide many more imatrix quants, at much higher quality, than I would otherwise be able to.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: beca070