Jina AI開源第二代文字嵌入模型，整體表現接近OpenAI同級模型

德國人工智慧新創Jina AI開源了該公司的第二代文字嵌入模型jina-embeddings-v2，新模型現在可以處理多達8,192個token上下文長度。以大規模文字嵌入基準（Massive Text Embedding Benchmark）評估jina-embeddings-v2的能力，整體來說已非常接近同等級模型OpenAI text-embedding-ada-002的表現。

jina-embeddings-v2是完全由Jina AI開發團隊研發、收集資料集和調校的新模型，能力較前一版本大幅提升，其最重要的進步，便是能夠處理8,192個token上下文長度。可以處理更長的上下文，也就代表模型可以應用的領域更為廣泛，像是可以分析法律文件，更細緻地捕捉法律文件中的細節，或是從財務報表中解析關鍵資訊，進行財務預測，也能夠用於開發對話機器，以應對複雜的用戶查詢。

在大規模文字嵌入基準的排名中，開源的jina-embeddings-v2排名第17，與商用的OpenAI text-embedding-ada-002的15名相去不遠，而且在分類、重新排序、檢索和摘要生成等自然語言處理任務，jina-embeddings-v2的表現已經超越text-embedding-ada-002。

目前用戶可以從Huggingface免費下載jina-embeddings-v2模型，官方釋出兩個模型版本，第一個是針對學術研究或是商業分析等高準確性需求任務設計，大小為0.27 GB的基礎模型，另一個則是適用於輕量級應用程式，能夠整合行動應用程式或是供運算資源有限的裝置使用的小型模型，容量只有0.07 GB。

Jina AI持續擴展jina-embeddings-v2模型，正著手開發API平臺，供用戶能夠根據需求簡單擴展使用規模，同時Jina AI也將擴增jina-embeddings-v2的能力，支援更多的語言。