Jina代码嵌入：在0.5B和1.5B参数下的最先进代码检索

今天发布了jina-code-embeddings，包含0.5B和1.5B两种参数的代码嵌入模型，支持15种编程语言。

0.5B模型在25个代码检索基准中平均表现为78.41%，1.5B为79.04%。

0.5B模型比Qwen3-Embedding-0.6B高出5个百分点，1.5B模型与voyage-code-3相当。

模型通过对比学习和合成数据训练，展示了在小规模下的优异性能。

使用了五个任务特定的指令前缀，支持不对称检索的查询和文档角色。

训练数据结合了现有的MTEB代码任务训练集和适应的公共数据集。

训练效率高，0.5B模型在8.3小时内完成训练，1.5B模型在12小时内完成。

最后一个token池化策略在所有基准类别中表现优于均值池化和潜在注意力池化。

jina-code-embeddings证明有效的代码嵌入不需要大规模模型，正确的基础模型更为重要。

Jina AI的愿景是统一架构，使嵌入和生成来自同一基础，推动搜索基础模型的可能性。