向量检索

Jina Embeddings v4

统一编码文本、图像与视觉文档的多模态嵌入模型，同时支持单向量与后期交互多向量检索。

最后核实：2026-10-17

https://huggingface.co/jinaai/jina-embeddings-v4

特点与限制

主要特点

单向量输出默认 2048 维，Matryoshka 可截断至 128/256/512/1024 维；多向量模式输出 128 维/token
支持文本与图像输入（encode_text 与 encode_image），并通过 return_multivector 切换多向量
提供 retrieval、text-matching、code 三个任务适配器，查询/文档用 prompt_name 区分
最长序列 32768 tokens；模型卡标注权重 dtype 为 BFloat16、注意力机制为 FlashAttention2
官方另发布按任务合并适配器的 vLLM 版本与 GGUF 版本

使用边界

权重实际适用 Qwen Research License（非商业）：模型卡说明最初误标为 cc-by-nc-4.0，正确许可为继承自 Qwen2.5-VL-3B 的 Qwen Research License；协议仅授予非商业用途，商业使用需另行取得许可，并需遵守署名与“Built with Qwen”等条款。
模型卡未给出完整评测配置与硬件估算，本站未下载权重或在设备上验证，3.8B 规模的实际显存与吞吐需自行测量。
单向量与多向量输出需要不同的索引与打分方式（余弦相似度与后期交互），切换模式需重新编码；模型卡说明多向量编码需直接使用 Hugging Face 模型，Sentence Transformers 接口不提供该路径。
模型卡说明图像输入可由 encode 的 max_pixels 参数控制；不同图像分辨率与文本长度组合下的实际可用上下文本站未验证。

模型信息

家族与版本: Jina Embeddings / 4
输入与输出: 文本、图像 → 向量
公开参数规模: 3.8B（以以下来源口径为准）
激活 / 有效参数: 未提供 / 未提供
参数口径: 官方模型卡与技术报告摘要口径为 3.8B 参数，模型卡说明其基于 Qwen/Qwen2.5-VL-3B-Instruct；该公开规模覆盖含视觉编码器的整套模型，模型卡未逐组件拆分参数量。本记录按官方口径填写，不从权重文件大小反推。参数来源
原生上下文: 32,768 tokens
扩展上下文: 未提供
语言声明: 多语言（模型卡称支持 30 种以上语言）；语言支持不代表对应语言的评测水平。
权重许可: Qwen Research License
代码许可: 未核实
训练资料: 技术报告公开模型结构（Qwen2.5-VL-3B-Instruct 骨干、任务 LoRA 适配器）、训练阶段设计与多模态评测设置；本站核对的公开材料中未见可完整复核的训练数据清单。

能力依据

模型变体：专用版；家族与版本：Jina Embeddings / 4

向量检索

MTEB (Multilingual, v2) · nDCG@1066.49分（0–100）MMTEB 检索任务平均分（技术报告 Table 2 口径） · 多语言

MTEB (English, v2) · nDCG@1055.97分（0–100）MTEB(eng, v2) 检索任务平均分（技术报告 Table 2 口径） · 英语

ViDoRe · nDCG@584.11分（0–100）ViDoRe 视觉文档检索平均分（技术报告 Table 2，单向量模式） · 英语、法语

查看评估与来源收起补充信息

仅官方依据4 条成绩 · 1 个评测来源 · 0 个独立来源

发布方技术报告给出的平均分为：MMTEB 检索 66.49、MTEB(eng, v2) 检索 55.97（单向量，nDCG@10），ViDoRe 84.11 与自建 JVDR 73.98（单向量，nDCG@5）；多向量模式下 ViDoRe 为 90.17、JVDR 为 80.55。覆盖文本、图像与视觉文档检索，但均为发布方自运行成绩。

已有依据支持

同一张表并列单向量与多向量模式，可直接看出多向量在视觉文档检索上的增益。
技术报告披露基准构成、指标定义（nDCG@10 与 nDCG@5）与 JVDR/ViDoRe 的多语平均方式，便于判断口径。
同一表列出同厂 v3 与若干第三方模型的对照数值，便于定位 v4 在文本与视觉任务上的相对位置。

证据限制

全部成绩由模型发布方运行并报告，未找到许可明确且已确认独立性的同型号评测结果；JVDR 由发布方自行构建。
报告未披露评测运行日、模型 revision 与完整推理配置，汇总平均分不能直接用于跨型号排序。
模型采用的许可为 Qwen Research License（非商业），商用需另行取得授权，评测成绩的可用性不改变许可约束。
视觉文档检索效果依赖页面渲染、图像分辨率与切分方式，本站未在自有文档上验证。

MTEB (Multilingual, v2) · nDCG@10

MMTEB 检索任务平均分（技术报告 Table 2 口径） · 多语言 · jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）

66.49 分（0–100）官方报告 · Jina AI（技术报告作者及模型发布方）官方自测

MTEB (Multilingual, v2) · nDCG@10 · 越高越好 · 多语言 · 摘要引用

展开评测条件与来源

模型标识 / 修订: jinaai/jina-embeddings-v4 / 未提供
思考模式: 不适用
量化 / 运行时: 未提供 / 未提供
数据集 / 划分: MMTEB 检索任务平均分（技术报告 Table 2 口径） / 未提供
基准 / 报告版本: jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）
Few-shot / 输出上限: 未提供 / 未提供 tokens
提示模板 / 设置: 未提供；技术报告 Table 2 中 jina-embeddings-v4（单向量）行的 MMTEB 数值，口径为 MTEB(Multilingual, v2) 检索任务平均 nDCG@10；技术报告说明 JVDR/ViDoRe 先对多语任务取平均再计总分，其余列直接按任务平均。报告未披露评测运行日与推理配置；不是本站复测。
评测日期 / 核实日期: 未提供 / 2026-10-17
评测身份: 官方自测
来源标识 / 评测批次: jinaai / jinaai-v4-report-table2
来源: https://arxiv.org/html/2506.18902v3
来源使用说明: 引用来源；许可：未提供；仅引用技术报告中的少量汇总成绩并保留作者与来源链接；不复制表格明细与基准数据，引用不更改论文及基准数据集许可。查看说明
比较状态: 不可比：来源未披露模型 revision、评测运行日与完整推理配置，且表内多语汇总已先做多语平均；该数值仅记录原报告口径，不加入跨型号比较组。

MTEB (English, v2) · nDCG@10

MTEB(eng, v2) 检索任务平均分（技术报告 Table 2 口径） · 英语 · jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）

55.97 分（0–100）官方报告 · Jina AI（技术报告作者及模型发布方）官方自测

MTEB (English, v2) · nDCG@10 · 越高越好 · 英语 · 摘要引用

展开评测条件与来源

模型标识 / 修订: jinaai/jina-embeddings-v4 / 未提供
思考模式: 不适用
量化 / 运行时: 未提供 / 未提供
数据集 / 划分: MTEB(eng, v2) 检索任务平均分（技术报告 Table 2 口径） / 未提供
基准 / 报告版本: jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）
Few-shot / 输出上限: 未提供 / 未提供 tokens
提示模板 / 设置: 未提供；技术报告 Table 2 中 jina-embeddings-v4（单向量）行的 MTEB-en 数值，口径为 MTEB(eng, v2) 检索任务平均 nDCG@10；报告同时给出同表 jina-embeddings-v3 的 54.33 作为对照。报告未披露评测运行日与推理配置；不是本站复测。
评测日期 / 核实日期: 未提供 / 2026-10-17
评测身份: 官方自测
来源标识 / 评测批次: jinaai / jinaai-v4-report-table2
来源: https://arxiv.org/html/2506.18902v3
来源使用说明: 引用来源；许可：未提供；仅引用技术报告中的少量汇总成绩并保留作者与来源链接；不复制表格明细与基准数据，引用不更改论文及基准数据集许可。查看说明
比较状态: 不可比：来源未披露模型 revision、评测运行日与完整推理配置；该数值仅记录原报告口径，不加入跨型号比较组。

ViDoRe · nDCG@5

ViDoRe 视觉文档检索平均分（技术报告 Table 2，单向量模式） · 英语、法语 · jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）

84.11 分（0–100）官方报告 · Jina AI（技术报告作者及模型发布方）官方自测

ViDoRe · nDCG@5 · 越高越好 · 英语、法语 · 摘要引用

展开评测条件与来源

模型标识 / 修订: jinaai/jina-embeddings-v4 / 未提供
思考模式: 不适用
量化 / 运行时: 未提供 / 未提供
数据集 / 划分: ViDoRe 视觉文档检索平均分（技术报告 Table 2，单向量模式） / 未提供
基准 / 报告版本: jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）
Few-shot / 输出上限: 未提供 / 未提供 tokens
提示模板 / 设置: 未提供；技术报告 Table 2 中 jina-embeddings-v4（单向量/dense）行的 ViDoRe 数值；报告说明 ViDoRe 为英文与法文的视觉文档问答检索基准，指标为 nDCG@5。同一行多向量模式（late）为 90.17，本记录只取单向量数值。报告未披露评测运行日；不是本站复测。
评测日期 / 核实日期: 未提供 / 2026-10-17
评测身份: 官方自测
来源标识 / 评测批次: jinaai / jinaai-v4-report-table2
来源: https://arxiv.org/html/2506.18902v3
来源使用说明: 引用来源；许可：未提供；仅引用技术报告中的少量汇总成绩并保留作者与来源链接；不复制 ViDoRe 基准的题目、页面图像或数据，引用不更改基准自身许可。查看说明
比较状态: 不可比：来源未披露模型 revision、评测运行日与推理配置，且基准由第三方构建、报告为发布方自运行；该数值不加入跨型号比较组。

Jina-VDR（JVDR） · nDCG@5

JVDR 视觉文档检索平均分（技术报告 Table 2，单向量模式） · 多语言（技术报告称覆盖最多 20 种语言） · jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）

73.98 分（0–100）官方报告 · Jina AI（技术报告作者及模型发布方）官方自测

Jina-VDR（JVDR） · nDCG@5 · 越高越好 · 多语言（技术报告称覆盖最多 20 种语言） · 摘要引用

展开评测条件与来源

模型标识 / 修订: jinaai/jina-embeddings-v4 / 未提供
思考模式: 不适用
量化 / 运行时: 未提供 / 未提供
数据集 / 划分: JVDR 视觉文档检索平均分（技术报告 Table 2，单向量模式） / 未提供
基准 / 报告版本: jina-embeddings-v4 技术报告 v3 Table 2（arXiv:2506.18902v3）
Few-shot / 输出上限: 未提供 / 未提供 tokens
提示模板 / 设置: 未提供；技术报告 Table 2 中 jina-embeddings-v4（单向量/dense）行的 JVDR 数值；报告说明该基准由其自行构建，扩展 ViDoRe 并覆盖表格、图表、法律与历史文档等材料，报告口径为先对多语任务取平均再汇总，指标为 nDCG@5。同一行多向量模式为 80.55。报告未披露评测运行日；不是本站复测。
评测日期 / 核实日期: 未提供 / 2026-10-17
评测身份: 官方自测
来源标识 / 评测批次: jinaai / jinaai-v4-report-table2
来源: https://arxiv.org/html/2506.18902v3
来源使用说明: 引用来源；许可：未提供；仅引用技术报告中的少量汇总成绩并保留作者与来源链接；不复制 JVDR 基准的数据与页面图像，引用不更改论文及基准自身许可。查看说明
比较状态: 不可比：基准由模型发布方自行构建并用于展示该型号，来源也未披露模型 revision 与评测运行日；该数值仅记录原报告口径，不加入跨型号比较组。

运行条件与获取

Transformers

系统支持未提供 · Safetensors · 未指定量化

官方支持；本站尚未进行推理验证。

硬件：未核实。本站未实测；模型卡未提供官方内存/显存估算，不将参数量或文件大小换算为资源保证。

内存：未核实；显存：未核实。

依赖：transformers>=4.52.0、torch>=2.6.0、peft>=0.15.2、torchvision、pillow。

STEP 01　按官方示例准备环境

模型卡在示例中给出注释形式的安装行 `# !pip install transformers>=4.52.0 torch>=2.6.0 peft>=0.15.2 torchvision pillow`；此处按终端写法记录为 python -m pip install 后接同一组包与版本下界（由官方 Notebook 写法转换，未增删包名）。官方另推荐可选安装 flash-attention。本站未执行这些命令。

python -m pip install "transformers>=4.52.0" "torch>=2.6.0" "peft>=0.15.2" torchvision pillow

STEP 02　加载模型并编码文本或图像

按模型卡示例用 AutoModel.from_pretrained(..., trust_remote_code=True) 加载并移动到目标设备，文本用 encode_text、图像用 encode_image，按用途传入 task（retrieval、text-matching、code）与 prompt_name；需要多向量时设置 return_multivector=True。本站未下载权重或执行模型，需在目标设备验证。

获取权重官方部署指引部署前检查

查看官方模型资料