这玩意儿是个 reranker，你知道吧？就是帮你把一堆搜索结果重新排个序，让最相关的排前面。但牛逼之处在于，它不光能处理文本，还能看懂图片、图表、表格这些视觉元素！而且支持 29 多种语言，简直是跨语言、跨模态的全能选手！
你想想，以前搜东西，如果文档里关键信息是在一张图或者表格里，普通 reranker 就抓瞎了。但 jina-reranker-m0 能直接理解这些视觉内容，然后告诉你这份带图的文档是不是和你搜的东西最相关。比如你搜 “small language model data extraction”，它能把包含相关论文截图、图表的文档排在前面，甚至比纯文本描述的文档得分还高！
跟它家以前的纯文本 reranker (v2) 比：
– 核心升级： 能处理图片了！这是质变。
– 文本能力也强了： 就算是纯文本，它在处理多语言、长文档、甚至是代码搜索方面，性能也比 v2 有提升。
– 架构大换血： 这次没用老套的 cross-encoder，而是基于 Qwen2-VL 搞了个 decoder-only 架构。参数量也大了不少 (24亿 vs 2.78亿)。
这个新架构有啥好处呢？
– 真正多模态： 能无缝处理文本+图片的混合输入，解决了以前文本向量和图像向量”玩不到一起去”的”模态鸿沟”问题。现在你可以放心地把纯文本文档和图片混在一起让它排。
– 上下文更长： 支持的输入 token 更多了（理论 32k，训练 10k）。
– 潜力巨大： 文章说这种 decoder 架构未来可能更容易实现更高级的功能，比如列表式重排（一次性看整个列表来排序，更智能）和可解释性（更容易知道模型为啥这么排）。
怎么用？
– API 调用： 最省事，注册就有免费额度，直接扔文本查询和文档（可以是文本、图片 URL 或 base64）就行。（不过 API 暂时不支持用图片做查询）
– Hugging Face： 开源大法好！可以直接下载模型本地跑，更灵活，支持图片查询、图文混合文档。他们还贴心地准备了 Colab 教程。
– 云平台市场： AWS、Azure、GCP 上架了，可以直接订阅部署。
感觉 RAG 这块儿，有个能理解图文的 reranker 会是个巨大的提升！以后喂给大模型的上下文质量能更高了。