公告:Elastic (NYSE: ESTC) 完成对Jina AI的收购

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
公告:Elastic (NYSE: ESTC) 完成对Jina AI的收购
7899点击    2025-10-10 13:12

速读


1. 纽约时间 2025 年 10 月 9 日早上 9 点,Elastic (NYSE: ESTC) 在其官网宣布完成了对 Jina AI 的收购。


2. 未来 Elastic 会与 Jina AI 一同推进向量模型、重排器、和小模型在搜索AI领域开放模型研发以及学术研究。新的 Jina AI 模型将在 Elastic 推理和搜索平台中分发,从而为 Elastic 客户提供最优的搜索质量。


3. Jina AI 原 CEO 肖涵将在 Elastic 担任 VP of AI,负责 AI 方向的战略和研发。由肖涵带领的核心Jina团队将继续在向量模型、重排器、Reader 和小模型上推进搜索 AI 的发展。


公告:Elastic (NYSE: ESTC) 完成对Jina AI的收购


(以下内容引自 Elastic 官方博客: https://www.elastic.co/blog/elastic-jina-ai)


Elastic 与 Jina AI 强强联手,共同推进 AI 应用的开源检索技术


作者:Ken Exner (Elastic CPO)


2025 年 10 月 9 日


检索技术是 Elastic Search AI 平台的核心所在。多年来,我们始终致力于提供强大的搜索相关性,帮助用户实时、精准地发现和分析所需信息。为了进一步增强这一优势,我们今天欣然宣布,Elastic 与 Jina AI 正式达成合作。


Jina AI 在开源多模态、多语言向量、重排器及小型语言模型领域,一直是行业先行者。要打造卓越的 AI 体验,关键在于将大语言模型(LLM)与精准的上下文及专有数据相结合。Jina AI 在搜索基础模型方面的深厚积累,能帮助企业构建顶尖的检索解决方案。我们尤其期待他们带来的能力,包括:


  • 通用向量模型:能够深入理解文本与图像,并支持单向量和多向量两种输出。
  • 先进的重排器:在多语言长文档、代码搜索及视觉文档检索任务中表现卓越。
  • 小型语言模型:可高质量完成 HTML 到 Markdown 的转换,以及 HTML 到 JSON 的数据提取任务。


我们将继续在 Hugging Face 上免费提供 Jina AI 的模型,供所有用户下载。同时,这些模型也将通过 Elastic Cloud 上的 Elastic 推理服务(Elastic Inference Service, EIS)实现原生集成。支持客户在 Elastic 向量搜索环境中,直接调用向量和重排功能。


Jina AI 创始人、Elastic AI 副总裁肖涵表示:


“在 Jina AI,我们专注于构建搜索基础模型,希望帮助世界解锁多模态 AI 的巨大潜力,并革新我们解读与互动信息的方式。和 Elastic 联手,让我们能将这些前沿能力直接注入到 Elasticsearch 这一每天处理着海量关键任务搜索的核心引擎中。我们非常期待将 Jina AI 的模型与 Elastic 庞大的平台和生态系统结合,共同帮助开发者打造更快、更精准的 AI 体验。”


我非常高兴地欢迎 Jina AI 全体团队成员加入。我们将携手构建全球最顶尖的搜索与 AI 平台,并期待早日与大家分享我们共同创造的辉煌成果。


展望未来


Jina AI 将继续秉持开源精神,专注于高质量的搜索模型。加入 Elastic,让我们拥有了一个更开阔的平台去加速实现这一使命。Jina AI 并没有因收购而结束,而是迎接新的开始。未来,我们邀请大家一起在 Elastic 旗下,共建下一代开源 AI 搜索。


活动预告


📢 10 月中旬和 11 月初肖涵博士计划在北京、上海、深圳开展三场线下交流活动,回顾 Jina AI 的发展、未来,并分享他在创业近六年来的一些反思以及收购案背后的故事,也会回答社区关心的问题。


如果你是 Jina AI 的多年来的铁粉,或者你计划创业,这次交流都是不可多得的好机会。欢迎你来投票决定最终城市。由于时间紧迫,如果你能提供场地或者有其他建议,



欢迎在公众号后台留言,我们会第一时间联系你。



文章来自于微信公众号 “Jina AI”,作者 “Jina AI”

关键词: AI新闻 , Elastic , Jina AI , Jina
AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI