Jina Embeddings v3とは？（ジーナエンベディングスブイスリー）意味・特徴をわかりやすく解説

Q: Jina Embeddings v3とは？

Jina AI 社が2024年に公開した多言語テキスト埋め込みモデル。570Mパラメータながらタスク別 LoRA アダプタで検索・分類・クラスタリング・テキストマッチングを高精度に切り替え、最大8,192トークン入力に対応するオープンソースモデル。

Jina Embeddings v3とは

Jina Embeddings v3は、ドイツ・ベルリンに本社を置くJina AI社が2024年9月に公開した第3世代のテキスト埋め込みモデルである。最大の特長は「タスク別LoRAアダプタ」で、1つの基盤モデルにタスクごとの軽量アダプタ（LoRA）を差し替えることで、検索・分類・クラスタリング等のタスクに特化した埋め込みを生成する。570Mパラメータと軽量ながら、MTEB複数タスクで7BクラスのE5-Mistralに迫るスコアを記録。

主な特徴

タスク別LoRAアダプタ: 5種類のLoRAアダプタを内蔵し、推論時にタスクに応じて切り替え
- retrieval.query: 検索クエリの埋め込み
- retrieval.passage: 検索対象ドキュメントの埋め込み
- separation: テキスト分類
- classification: 感情分析・カテゴリ分類
- text-matching: 意味的類似度・パラフレーズ検出
570Mパラメータ: XLM-RoBERTa-largeベース。7B LLMモデルの1/12の重さ
最大8,192トークン入力: Long-range dependencies に対応
Matryoshka Representation Learning: 32/64/128/256/512/1,024次元から選択可能。ストレージとのトレードオフを柔軟に調整
89言語対応: 多言語対応で日本語・中国語・韓国語を含む
ライセンス: CC BY-NC 4.0（非商用）、商用利用はJina AIとの個別契約
API提供あり: jina.ai の API経由でも利用可能（$0.02/1M tokens）

LoRA アダプタの仕組み

従来の埋め込みモデルは1つの重みで全タスクに対応するが、Jina v3は基盤モデル（540M）+ タスク別LoRAアダプタ（各30M、ランク4-16）という構成。LoRAはモデル全体の5%程度の追加パラメータで、切り替えのオーバーヘッドはほぼゼロ。

from transformers import AutoModel

model = AutoModel.from_pretrained('jinaai/jina-embeddings-v3', trust_remote_code=True)

# タスクに応じてアダプタを指定
query_emb = model.encode(["検索クエリ"], task="retrieval.query")
doc_emb = model.encode(["検索対象文書"], task="retrieval.passage")
class_emb = model.encode(["分類対象テキスト"], task="classification")

ベンチマーク比較

ベンチマーク	Jina v3	BGE-M3	E5-Mistral	GTE-Qwen2-1.5B
MTEB Retrieval	55.8	58.4	56.9	57.8
MTEB Classification	86.2	79.1	82.4	83.5
MTEB STS	85.8	82.6	88.5	84.1
パラメータ	570M	568M	7.1B	1.5B
VRAM（FP16）	1.1GB	1.1GB	14.2GB	3.0GB

Classificationタスクで最高クラスのスコアを記録。LoRAアダプタによるタスク特化が効いている。

BGE-M3 との比較

観点	Jina v3	BGE-M3
アプローチ	LoRAアダプタ切り替え	Dense+Sparse+ColBERT
検索精度	やや劣る	やや優れる
分類精度	優れる	劣る
次元選択	32-1024（Matryoshka）	1024固定
ライセンス	CC BY-NC 4.0	MIT
商用利用	要個別契約	自由

検索メインならBGE-M3、検索+分類の両方が必要ならJina v3が適している。

選び方・注意点

ライセンスに注意: CC BY-NC 4.0は非商用のみ。商用利用にはJina AIとのライセンス契約が必要（API経由での利用は商用OK）
LoRAの利点: 1モデルで5タスクをカバーするため、デプロイ管理がシンプル。タスクごとに別モデルをロードする必要がない
軽量: BGE-M3と同等の570Mパラメータで、1.1GB VRAMで動作。RTX 3060でも余裕
Matryoshkaの柔軟性: 32次元（超軽量）から1,024次元（高精度）まで選択可能。エッジデバイスでの利用にも適する
API利用推奨: 商用ユースケースではAPI経由（$0.02/1M tokens）が最も手軽。Voyage-3の1/3の価格

よくある質問（FAQ）

Q1: Jina v3はローカルで商用利用できる？ A: CC BY-NC 4.0ライセンスのため、ローカルでの商用利用は不可。商用ならAPI利用（$0.02/1M tokens）か、Jina AIとの個別ライセンス契約が必要。非商用（研究・個人プロジェクト）なら自由に利用可能。

Q2: LoRAアダプタを自分で追加・カスタマイズできる？ A: 技術的には可能だが、公式にはサポートされていない。自社ドメインに特化したLoRAを追加学習するケースは研究レベルで報告されている。実用的にはJina AIのFine-tuning APIを利用する方が安全。

Q3: Jina v2からv3への移行コストは？ A: v2（512/1024次元）とv3（Matryoshka 32-1024次元）は互換性がない。埋め込みの再計算が必要。v3ではタスク別アダプタの指定が追加されるため、API呼び出しコードの修正も必要。

まとめ

Jina Embeddings v3はタスク別LoRAアダプタで検索・分類・STSを1モデルで切り替えるユニーク設計
570Mパラメータ（1.1GB VRAM）と軽量ながら、分類タスクで最高クラスの性能
Matryoshka対応で32-1024次元から選択可能、エッジデバイスでも利用可能
商用利用はAPI経由かライセンス契約が必要（CC BY-NC 4.0）

Jina Embeddings v3（ジーナエンベディングスブイスリー）