ai 搜索公司 jina ai 正式推出全新视觉语言大模型 jina-vlm，该模型拥有 24 亿参数，是当前开源领域中规模达 20 亿级的 vlm 中，在多语言视觉问答任务上表现最为领先的模型。

Jina-VLM 创新性地融合了 SigLIP2 视觉编码器与 Qwen3 语言主干网络，并通过注意力池化连接器（Attention Pooling Connector）实现高效跨模态对齐。这一设计使其在覆盖 29 种语言的多语言场景下均展现出强大性能，同时兼顾推理速度与资源占用。其整体架构如图所示，清晰呈现了“SigLIP2 视觉编码器 → VL-Connector → Qwen3 语言基座”的信息流向。

得益于轻量化的结构设计与优化策略，Jina-VLM 对硬件要求极低，可在主流消费级 GPU 或 Apple M 系列芯片的 MacBook 上稳定、流畅运行。

实测结果显示：无论是在标准视觉问答（VQA）、多语言多模态理解（MMMB、MMBench），还是 OCR 解析与纯文本推理（如常识问答、数学推理）等多样化任务中，Jina-VLM 均达到同参数量级模型中的顶尖水平，并同步实现了面向消费级设备的高度友好型推理效率。

• 多语言多模态理解（MMMB SOTA）：在阿拉伯语、中文、英语、葡萄牙语、俄语及土耳其语六大语种组成的 MMMB 基准测试中，Jina-VLM 以 78.8 分的综合得分位居榜首，充分验证其卓越的跨语言视觉语义理解能力（参见图 1 & 图 2）。
• 高难度视觉问答（VQA）：在 ChartQA（图表理解）、DocVQA（文档问答）、TextVQA（场景文字识别问答）以及 CharXiv（科学图表解析）等多项极具挑战性的评测中，模型均保持稳健且精准的表现（参见图 3）。
• 视觉增强不损语言能力：多数视觉语言模型在强化图像理解能力时往往导致文本能力下降。而 Jina-VLM 凭借独特的训练范式，在 MMLU（大规模多任务语言理解）和 GSM-8K（小学数学应用题）等纯文本基准上，几乎完整继承了 Qwen3 原始基座的强大语言能力（参见图 5）。

拾贝

一键同步微信读书所有笔记和划线，并在新标签页回顾

186 查看详情

论文地址：https://www.php.cn/link/3a532033aa5b0c64d1a7b2b13e4b5d33
Hugging Face 模型页：https://www.php.cn/link/76daf89ce28106580694a0eea18a27ee

源码获取：点击下载

以上就是Jina-VLM：可在笔记本上跑的多语言视觉小模型的详细内容，更多请关注其它相关文章！

# 葡萄牙语  # seo图片alt6  # 米粉店营销推广案例  # 温州网站产品优化公司  # 山东网站建设策划公司  # 优化网站怎么做好  # 关键词排名 公式怎么做  # seo怎么拿高薪  # 大连滨州网站建设  # 网站过度优化什么意思呀  # 四川营销号推广  # 自驾  # 正式发布  # 阿拉伯语  # 编码  # 史上  # 彻头彻尾  # 基座  # 拾贝  # 可在  # qwen  # 大模型  # 多语言  # apple  # ai  # mac  # macbook  # app 

相关栏目： 【 科技资讯46185 】 【 网络学院92790 】

相关推荐： React Hooks最佳实践：动态组件状态管理的组件化方案  C#使用XPath查询节点时出错？ 常见语法错误与调试技巧  Win10如何清理注册表垃圾 Win10注册表维护与优化指南【慎用】  qq浏览器打开空白页怎么办 qq浏览器启动后显示白屏的解决教程  蓝湖怎样用切图标注提对接效率_蓝湖用切图标注提对接效率【设计对接】  Python多版本共存与虚拟环境管理深度指南  2026年发布！ 美少女养成动作RPG《神剑少女战记》发布实机演示  印象笔记如何设提醒任务防漏执行_印象笔记设提醒任务防漏执行【任务提醒】  微信语音通话掉线如何解决 微信语音通话稳定优化方法  精准捕获：如何在页面中监听除特定元素外的所有点击事件  顺丰快件物流信息 官方网站查询入口  Mac怎么查看崩溃日志_Mac控制台错误报告分析  解决macOS上安装pyhdf时‘hdf.h’文件缺失的编译错误  极速漫画官方主页网址 极速漫画漫画在线浏览官网链接  Python自定义类排序：解决lambda键值访问TypeError的实践指南  多闪网页版在线观看免费入口_多闪官网访问入口  现代化 SciPy 一维插值：interp1d 的替代方案与最佳实践  Win10如何开启蓝牙功能_Windows10找不到蓝牙开关解决方法  如何高效处理PHP中的Excel数据导入导出？PortPHP/Spreadsheet助你轻松搞定！  处理Kafka消费者会话超时：深入理解消息处理语义与幂等性  漫蛙2在线漫画入口 漫蛙正版漫画网页版直达  Python实现多节点属性重叠度分析教程  三星GalaxyZFold5怎样在相册制作折叠屏分镜_iPhone三星GalaxyZFold5相册制作折叠屏分镜【创意编辑】  Win11如何开启讲述人功能 Win11屏幕阅读器（讲述人）开启与关闭【教程】  C++如何实现异步操作_C++11使用std::future和std::async进行异步编程  顺丰国际快递查询 国际件官方查询入口  处理嵌套交互式控件：前端可访问性指南  为什么我的微信朋友圈看不到别人的更新_微信朋友圈更新显示异常解决方法  蛙漫正版漫画平台入口_蛙漫免费阅读全站漫画资源  Word2013如何插入视频和音频媒体_Word2013媒体插入的多媒体支持  提升Kafka消费者健壮性：会话超时处理与消息处理语义  “音游” × “怪文书” 题材的节奏冒险游戏 《晕晕电波症候群》确定于2026年4月发售！  如何解决电商平台定制报价请求的“黑洞”问题，SprykerQuoteRequest模块助你提升客户体验与销售效率  Pandas DataFrame：高效添加条件计算列  高德地图总提示网络异常怎么办 高德地图离线导航设置与网络排查方法  AWS EC2实例间SQL Server连接超时：安全组配置与故障排除指南  苹果手机如何防止被恶意App追踪  Go语言中动态执行代码字符串的策略与实践  MAC如何将整个网页截长图_MAC使用Safari的导出为PDF或第三方工具  LINUX的perf命令入门_LINUX官方性能分析工具的使用与解读  “在文档元素之后找到了标记”是什么错误？ 检查并修复XML中多个根元素的3个方法  2025年云电脑操作系统体验 | 无需本地硬件，随时随地使用高性能PC  VS Code远程开发时如何处理文件权限问题  必由学官方网站入口 必由学学生教师共用登录通道  离线运行Go语言之旅：本地部署与GOPATH配置指南  Go语言HTML解析：利用Goquery精准获取指定元素内容  C++ explicit关键字防止隐式转换_C++构造函数安全规范  快手官方唯一登录入口 谨防山寨钓鱼网站  如何在复杂的电商平台中优雅地管理共享资源并确保正确重定向，使用spryker-shop/resource-share-page模块助你一臂之力  c++如何实现一个简单的ECS框架_c++数据驱动设计与游戏开发