Jina Embeddings

Jina (Berlin) bietet u. a. ein dediziertes Deutsch-Englisch-Modell (v2-base-de, frei). v3 ist stärker, aber nur nicht-kommerziell frei.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Im Detail

Jina Embeddings sind Vektor-Modelle des Berliner Anbieters Jina AI, speziell für Retrieval-Aufgaben wie RAG (Retrieval-Augmented Generation) und semantische Suche entwickelt. Besonders interessant für deutschsprachige Projekte ist v2-base-de, ein dediziertes Deutsch-Englisch-Modell, das frei nutzbar ist – eine Seltenheit, da viele starke Embedding-Modelle vor allem auf Englisch trainiert sind. Die neuere Version v3 liefert nochmals bessere Ergebnisse, ist aber nur für nicht-kommerzielle Zwecke kostenlos; im produktiven Einsatz fällt eine Lizenzgebühr an. Für deutsche RAG-Systeme, Dokumentensuche oder Chatbots mit Wissensbasis ist v2-base-de daher oft der pragmatische Startpunkt, v3 lohnt sich bei höheren Qualitätsansprüchen und vorhandenem Budget.

Praxis-Tipp

Für ein rein deutschsprachiges RAG-Projekt ohne Budget zunächst v2-base-de einsetzen und erst bei unzureichender Trefferqualität auf die lizenzpflichtige v3 wechseln.

Lizenz & Quelle

• Lizenz: v3: CC-BY-NC-4.0 (nicht kommerziell); v2: Apache-2.0
• Quelle: HF v3
• Quelle: HF v2-de