执行摘要

本PR新增了对Jina Embeddings v5模型（jinaai/jina-embeddings-v5-text-small）的支持，通过实现一个基于Qwen3-0.6B-Base并合并任务特定LoRA适配器的模型类，解决了Issue #38633中报告的不支持问题。变更覆盖了模型实现、注册表、测试和文档，使用户能够通过vLLM直接部署该模型进行嵌入任务。

功能与动机

Issue #38633报告用户尝试部署jinaai/jina-embeddings-v5-text-small模型时，出现Model architectures ['JinaEmbeddingsV5Model'] are not supported错误，并提示需要peft包。PR body明确说明目的是添加该模型支持以修复此问题，使用户能够通过vLLM服务该模型，支持检索、文本匹配、分类和聚类四种任务。

实现拆解

1. 新增模型实现：在vllm/model_executor/models/jina.py中新增JinaEmbeddingsV5Model类，继承自Qwen3ForCausalLM，并实现load_weights方法。添加辅助函数_load_adapter和_build_lora_pairs，用于从Hugging Face仓库加载LoRA适配器配置和权重，并在加载时合并到基础权重中，避免运行时依赖peft。关键代码如下：

2. 注册模型：在vllm/model_executor/models/registry.py的_EMBEDDING_MODELS字典中添加"JinaEmbeddingsV5Model": ("jina", "JinaEmbeddingsV5Model")条目，使系统能够识别该模型架构。

3. 更新测试套件：在tests/models/language/pooling_mteb_test/test_jina.py中添加新模型的测试配置，包括MTEB分数和架构属性；修改tests/models/language/pooling_mteb_test/mteb_embed_utils.py，新增HfMtebEncoder类并扩展VllmMtebEncoder以支持提示前缀。测试配置示例如下：

4. 配套调整：更新docs/models/pooling_models/embed.md文档，添加模型说明；修改tests/conftest.py中的HfRunner类，添加revision参数以支持模型版本控制。

关键源码片段

vllm/model_executor/models/jina.py

核心模型实现文件，新增了JinaEmbeddingsV5Model类和适配器加载逻辑，是实现变更的入口。

def _load_adapter(
    model: str,
    task: str,
    revision: str | None,
) -> tuple[dict, dict[str, torch.Tensor]] | None:
    """从本地路径或HF仓库加载适配器配置和权重。
​
    返回 (adapter_config, adapter_weights) 或 None（如果未找到）。
    """
    config_bytes = get_hf_file_bytes(
        f"adapters/{task}/adapter_config.json", # 从 HF 仓库获取适配器配置文件
        model,
        revision,
    )
    if config_bytes is None:
        return None # 适配器不存在时返回 None
​
    adapter_config = json.loads(config_bytes) # 解析 JSON 配置
​
    weights_bytes = get_hf_file_bytes(
        f"adapters/{task}/adapter_model.safetensors", # 获取适配器权重文件
        model,
        revision,
    )
    if weights_bytes is None:
        return None # 权重文件不存在时返回 None
​
    adapter_weights = safetensors_load(weights_bytes) # 加载安全张量格式的权重
    return adapter_config, adapter_weights

评论区精华

• 权重加载缺陷：gemini-code-assist[bot]指出load_weights实现可能跳过非self.model属性中的权重（如lm_head），建议使用super().load_weights并优化LoRA合并方法。作者最终采纳建议，修复了实现。

gemini-code-assist[bot]: “The load_weights implementation has several critical issues... By calling self.model.load_weights instead of super().load_weights, any weights defined in the JinaEmbeddingsV5Model... are skipped.”
- 文件合并优化：noooop建议将新增的jina_embeddings_v5.py和test_jina_v5.py合并到现有文件中，以减少文件数量。作者响应并执行了合并，提升了代码结构清晰度。

noooop: “Please merge this file with jina.py. There are already too many files in this folder; having one less file is always better.”

风险与影响

• 技术风险：权重加载逻辑可能遗漏外部权重，导致模型参数不完整；LoRA适配器合并时可能引入数值精度误差；测试覆盖依赖于预设的MTEB分数，模型更新时可能需要调整。
• 影响范围：对用户，现在可以直接部署Jina Embeddings v5模型进行嵌入任务；对系统，扩展了模型支持范围；对团队，代码结构优化减少了维护复杂度。

关联脉络

从近期历史PR看，本PR与#39747“Update registry for Nemotron-v3 VL Nano/Super”类似，都属于新增模型支持的功能扩展，反映了vLLM持续集成新模型的演进趋势。此外，Issue #38633直接关联，显示用户需求驱动了此变更。