Contactar con ventas

Sí. Jina es una marca modelo dentro de Elastic. Piensa en Qwen de Alibaba, GPT de OpenAI o Kimi de Moonshot. La identidad legal se ha transferido a Elastic, lo que permite a Jina AI centrarse exclusivamente en los modelos fundacionales de búsqueda como marca.

Embeddings, rerankers y modelos pequeños para una mejor búsqueda, incluyendo modelos multimodales y de lectura. Nuestra misión aún no ha concluido, y nunca hemos ocultado nuestro objetivo: ser un proveedor líder de modelos de búsqueda.

Sí. Las API Reader, Embeddings y Reranker continúan desarrollándose y manteniéndose, y los modelos se siguen publicando en plataformas de mercado en la nube. Puede utilizar nuestros servicios API como antes. La única excepción es que no podemos prestar servicios a entidades o países sujetos a los controles de exportación de EE. UU.

Sí. En Elastic, Jina sigue ampliando los límites de los modelos fundacionales de búsqueda y continuamos lanzando modelos de pesos abiertos.

La mayoría de los modelos actuales están bajo la licencia CC-BY-NC 4.0, y esperamos que esto continúe. Los modelos heredados de las generaciones v1 y v2 están bajo la licencia Apache-2.0, que permite el uso comercial sin restricciones. Un modelo, jina-embeddings-v4, está bajo la Qwen Research License que hereda de su modelo base: esta no permite ningún uso comercial, y no se le extiende ninguna licencia comercial. La licencia aplicable siempre se indica en la página del modelo en Hugging Face, así que consúltela allí en lugar de inferirla de la generación. Bajo la licencia CC-BY-NC 4.0, los pesos se pueden descargar, evaluar, comparar y usar en investigación de forma gratuita, con la debida atribución, mientras que para usarlos en un producto comercial se necesita una licencia comercial, que Elastic vende como su propio SKU. Póngase en contacto con Elastic Sales para obtener una.

Sí. Cada modelo que publicamos está respaldado por un artículo riguroso, y seguimos presentándolos a conferencias de primer nivel como ICLR, EMNLP, SIGIR, NeurIPS e ICML.

Simplemente regístrese y pague a través de nuestro sitio web o del mercado en la nube correspondiente, como antes.

Sí. Desde el 10 de agosto de 2026, Elastic vende licencias comerciales para modelos Jina directamente, como su propio SKU. Esto cubre la ejecución de modelos Jina en su propia infraestructura autogestionada, local o aislada de la red, y está disponible a través de los canales directos de Elastic, federales y de proveedores de servicios en la nube (CSP). La oferta se llama Jina On-Prem. Para obtener un presupuesto, póngase en contacto con Elastic Sales.

Jina On-Prem es una licencia comercial más un conjunto de contenedores Docker autocontenidos que le permiten ejecutar modelos Jina completamente dentro de su propia infraestructura. Los contenedores no realizan conexiones externas: no hay llamadas a Hugging Face ni a ningún registro de modelos, ni servidor de licencias, telemetría ni punto final de registro, lo que los hace viables en una red aislada. Cubren el portafolio de modelos Jina, incluidos los modelos de embedding, reranking y lectura, y exponen los esquemas de API de Elastic Inference Service (EIS), OpenAI, Cohere, Voyage AI y Gemini, por lo que las aplicaciones existentes funcionan sin cambios de código. Es una SKU independiente: no se basa en Elastic Resource Units (ERU) y no necesita ejecutar Elasticsearch para usarlo. También funciona junto con Elasticsearch de código abierto. Está disponible para pedidos desde el 10 de agosto de 2026. Para disponibilidad y condiciones, contacte con Elastic Sales.

Se trata de una licencia anual, cuyo precio depende de los modelos que implemente y de la cantidad de hardware que ejecute la inferencia. No se cobra por usuario, por nodo ni por tamaño de modelo, y no hay facturación por token. Una implementación solo con CPU se contabiliza de la misma manera, en función de los procesadores utilizados para la inferencia. El precio no es autogestionable: póngase en contacto con Elastic Sales para obtener un presupuesto para su implementación.

Organizaciones que no pueden, o prefieren no, enviar datos a un servicio de IA en la nube. Los casos típicos incluyen entornos aislados y de alta seguridad, el sector público y de defensa, industrias reguladas como los servicios financieros y la atención médica, sistemas críticos de baja latencia o sin conexión, y equipos que desean un costo de inferencia fijo y predecible en lugar de precios por token. Si esta descripción coincide con su implementación, Elastic Sales puede analizar los detalles con usted.

Sí. Los modelos Jina están disponibles a través del Elastic Inference Service (EIS), por lo que puede utilizarlos para la ingesta y la búsqueda sin aprovisionar nodos de aprendizaje automático ni administrar infraestructura de GPU. Los modelos generalmente disponibles en EIS incluyen jina-embeddings-v5-text-small, jina-embeddings-v5-text-nano, jina-embeddings-v5-omni-small, jina-embeddings-v5-omni-nano, jina-embeddings-v3, jina-clip-v2 y los rerankers jina-reranker-v3.5, jina-reranker-v3, jina-reranker-v2-base-multilingual y jina-reranker-m0. Consulte la documentación de Elastic para obtener la lista de modelos actual, las regiones compatibles y la versión mínima de pila para cada modelo.

Depende de la licencia que tenga el modelo, la cual se indica en su página en Hugging Face. Apache-2.0 permite el uso comercial sin costo alguno. Bajo CC-BY-NC 4.0, la evaluación, las pruebas de rendimiento y la investigación son gratuitas, pero el uso comercial en producción requiere una licencia comercial, que es la que proporciona Jina On-Prem. Una licencia de investigación no permite ningún uso comercial, y una licencia comercial para los demás modelos no se extiende a este, por lo que un modelo bajo una licencia de investigación no es apto para producción, independientemente del presupuesto. Tenga en cuenta que esto se refiere a los pesos: llamar a las API alojadas o a las imágenes oficiales del mercado en la nube con fines comerciales no requiere una licencia adicional. Para adquirir una, comuníquese con Elastic Sales.

Contacte con Elastic Sales. La concesión de licencias comerciales, la contratación y el soporte para los modelos Jina se gestionan ahora a través del proceso estándar de ventas y soporte de Elastic.

No se aplica a las recargas de API de autoservicio: estas se facturan automáticamente por la entidad que procesa el pago, la cual no puede emitir una factura en chino (发票). Para compras basadas en contratos, incluyendo Jina On-Prem, comuníquese con Elastic Sales para analizar las entidades contratantes disponibles y los acuerdos de facturación.

Póngase en contacto con Elastic Sales y podremos organizar una sesión entre usted, el equipo de Jina AI y Elastic.

Se incluyen los modelos lanzados en la misma categoría durante el período de vigencia: no se requiere ningún nuevo contrato ni compra, ni se modifica la clave de licencia, que se emite para la categoría y no para un modelo individual. Los modelos con una licencia que no permite el uso comercial son la excepción, ya que no se les aplica ninguna licencia comercial. Para conocer la cobertura de un contrato específico, consulte con Elastic Sales.

La licencia incluye soporte de nivel empresarial bajo el acuerdo de nivel de servicio estándar. Usted se encarga de la implementación: descarga la imagen del contenedor y la ejecuta en su propio entorno, y el soporte puede ayudarle si la instalación le presenta algún problema. El soporte se gestiona mediante el proceso estándar de Elastic, al igual que todo lo contractual. Para conocer los niveles de servicio asociados a un acuerdo específico, consulte con Elastic Sales.

El procesamiento de datos se rige por el acuerdo de procesamiento de datos de Elastic, en lugar de los términos anteriores de Jina AI GmbH. Esto es importante para los expedientes de adquisición que citan el antiguo acuerdo, por lo que conviene revisar cualquier documento redactado antes de la adquisición. Para conocer los términos actuales y cualquier detalle específico de su jurisdicción, póngase en contacto con Elastic Sales.

Reader es gratuito para uso básico: anteponga 'https://r.jina.ai/' a su URL. Proporcionar una clave API aumenta el límite de solicitudes y cobra tokens según la longitud del contenido. Consulte la pregunta 16 para obtener información sobre los límites de solicitudes.

La API Reader obtiene la URL del lado del servidor y devuelve texto limpio y listo para LLM. Usted elige el motor de obtención con el encabezado X-Engine: direct realiza una solicitud HTTP simple y es la más rápida, el motor predeterminado renderiza la página en un navegador sin interfaz gráfica para que el JavaScript del lado del cliente se ejecute antes de la extracción, y cf-browser-rendering es un renderizador experimental respaldado por Cloudflare. Se eliminan elementos repetitivos como la navegación, los encabezados, los pies de página y los anuncios, y el contenido principal se convierte a Markdown. Use X-Respond-With para obtener otras formas de la misma página, y X-Target-Selector o X-Remove-Selector para mantener o eliminar selectores CSS específicos.

El código del servicio Reader está disponible en la organización Jina AI de GitHub. Los modelos utilizados por Reader, incluidos ReaderLM-v2 y jina-vlm, tienen licencia CC-BY-NC 4.0, que no es una licencia de código abierto: se pueden descargar y usar gratuitamente para fines no comerciales, pero para uso comercial en producción se requiere una licencia comercial. Elastic vende dicha licencia por separado desde el 10 de agosto de 2026; contacte con Elastic Sales para obtener una.

Depende principalmente del motor y de la página en sí. Una descarga directa de una página simple suele tardar unos cientos de milisegundos, mientras que el motor del navegador predeterminado tiene que cargar y ejecutar la página antes de extraerla, lo que generalmente tarda unos pocos segundos. Las aplicaciones pesadas de una sola página, los servidores de origen lentos y los PDF grandes tardan más. Si se repite la misma URL en un plazo de 5 minutos, se sirve desde la caché y la respuesta es casi inmediata, por lo que una URL caliente es mucho más rápida que una fría.

El scraping puede ser complicado y poco confiable, particularmente con páginas complejas o dinámicas. Reader API proporciona una salida optimizada y confiable de texto limpio y listo para LLM.

La API Reader es independiente del idioma y devuelve el contenido en el idioma original de la página; no lo traduce. La negociación de contenido está disponible a través del encabezado X-Locale, que establece la configuración regional del navegador utilizada al renderizar, de modo que los sitios que sirven un marcado diferente según la configuración regional pueden dirigirse a la versión deseada.

Sí. Reader funciona como un cliente web estándar y respeta los controles de acceso de los sitios web. Si un sitio web bloquea la solicitud, se respeta dicha decisión. Usted es responsable de garantizar que su uso de Reader cumpla con los términos de los sitios a los que acceda y no infrinja los derechos de propiedad intelectual de terceros.

Sí, la API de Reader puede extraer contenido de archivos PDF de forma nativa.

Sí, Reader puede añadir descripciones a imágenes en páginas web usando el encabezado x-with-generated-alt. Esto añade etiquetas alt descriptivas a las imágenes que no las tienen, lo que permite a los LLM comprender el contenido visual. Se planea incluir el resumen de vídeo en futuras versiones.

No, la API Reader solo puede procesar contenido de URL de acceso público.

Si solicita la misma URL en un plazo de 5 minutos, la API de Reader devolverá el contenido almacenado en caché.

Sí, para páginas que aceptan sesiones basadas en cookies. Pase sus cookies de sesión con el encabezado X-Set-Cookie y el Reader las reenviará al obtener la URL, usando el mismo formato <name>=<value> que un Set-Cookie normal, opcionalmente con ámbito ; domain=. Las solicitudes que contienen cookies nunca se almacenan en caché, por lo que cada una es una obtención nueva. Esto no realiza un inicio de sesión por usted: reproduce las credenciales que ya posee, por lo que es responsable de obtenerlas y de cumplir con los términos de servicio del sitio de destino. Los flujos que requieren un inicio de sesión interactivo, MFA o un token de portador que la página obtiene por sí misma están fuera del alcance.

Sí, puede utilizar la compatibilidad con PDF nativo del Reader (https://r.jina.ai/https://arxiv.org/pdf/2310.19923v4) o utilizar la versión HTML de arXiv (https://r.jina.ai/https://arxiv.org/html/2310.19923v4)

Reader añade descripciones a todas las imágenes en la URL especificada y agrega Image [idx]: [caption] como etiqueta alt (si inicialmente carecen de una). Esto permite a los LLM posteriores interactuar con las imágenes para razonar, resumir, etc.

La API Reader está diseñada para ser altamente escalable. Se escala automáticamente en función del tráfico en tiempo real y las solicitudes de concurrencia máxima ahora son de alrededor de 4000. Lo mantenemos activamente como uno de los productos principales de Jina AI. Así que siéntete libre de usarlo en producción.

Encuentre la información más reciente sobre el límite de tarifas en la siguiente tabla. Tenga en cuenta que estamos trabajando activamente para mejorar el límite de velocidad y el rendimiento de Reader API; la tabla se actualizará en consecuencia.

ReaderLM-v2 es un modelo de lenguaje pequeño con 1.540 millones de parámetros que convierte HTML sin procesar en Markdown o JSON limpio, y puede extraer datos estructurados mediante un esquema JSON o instrucciones en lenguaje natural. Úselo a través de la API Reader con el encabezado x-respond-with: readerlm-v2, o impleméntelo desde los mercados de AWS, Azure o GCP. Para documentos con muchas imágenes o escaneados, jina-vlm es nuestro modelo de Reader de lenguaje visual con 2.400 millones de parámetros.

Utilice el encabezado x-json-schema con una definición de esquema JSON o el encabezado x-instruction con instrucciones en lenguaje natural. Ambas funciones son compatibles con ReaderLM-v2 para extraer campos específicos, como precios, títulos, fechas, etc., de cualquier página web a formato JSON estructurado.

No. Reader no elude ni evade activamente ningún mecanismo de defensa, sistema antibot ni control de acceso de los sitios web. Si un sitio web detecta nuestro servicio como un bot y bloquea la solicitud, se respeta dicha decisión. Funcionamos como un cliente web estándar y no utilizamos técnicas diseñadas para evadir los sistemas de detección. Usted es responsable de garantizar que su uso de Reader respete los derechos de propiedad intelectual de terceros y los términos de los sitios a los que acceda.

No. Actualizar de un nivel gratuito a una clave API de pago no otorga acceso a sitios web adicionales ni evita las restricciones de sitios. La diferencia entre los niveles radica principalmente en los límites de velocidad y las optimizaciones de rendimiento. Una clave API de pago proporciona un mayor rendimiento de solicitudes y un procesamiento más rápido, pero no permite el acceso a sitios web que bloquean nuestro servicio.

Sí. Los modelos de Reader se distribuyen como contenedores Docker autónomos sin conexión, bajo la licencia comercial Jina On-Prem que Elastic vende como su propia SKU desde el 10 de agosto de 2026. Esta es la opción para entornos aislados y con firewall, donde los contenedores no realizan conexiones salientes de ningún tipo. Tenga en cuenta que la obtención de páginas web públicas arbitrarias aún requiere acceso a la red; la ventaja de la versión local reside en ejecutar los modelos de extracción localmente. Póngase en contacto con Elastic Sales para obtener un presupuesto.

Para obtener información detallada sobre nuestros procesos de entrenamiento, fuentes de datos y evaluaciones, consulte los informes técnicos en arXiv. Los modelos de texto jina-embeddings-v5 se entrenan en dos etapas: destilación de embeddings a partir de un modelo maestro más grande, seguida del entrenamiento del adaptador LoRA específico para la tarea sobre pesos de la estructura base congelados. Las variantes multimodales v5-omni añaden una tercera etapa que entrena solo proyectores multimodales, dejando la estructura base del texto y los adaptadores congelados.

jina-embeddings-v5-omni-small (~1,74B parámetros, 1024 dimensiones, 32K contexto) y jina-embeddings-v5-omni-nano (~1,04B parámetros, 768 dimensiones, 8K contexto) son nuestros modelos multimodales actuales. Aceptan texto, imágenes, audio, vídeo y PDF en un espacio vectorial compartido, por lo que puede indexar en una modalidad y consultar en otra sin reindexar. Su salida de solo texto es idéntica a jina-embeddings-v5-text-small y jina-embeddings-v5-text-nano respectivamente, lo que significa que puede agregar entrada multimodal a un índice de texto existente sin volver a incrustarlo. jina-clip-v2 (865M parámetros) sigue disponible como una opción más ligera de texto e imagen.

Todos los modelos lanzados desde 2024 son multilingües. Los modelos jina-embeddings-v5-text-small y v5-omni se basan en una arquitectura Qwen3 con amplia cobertura multilingüe; jina-embeddings-v5-text-nano se basa en EuroBERT-210M, que cubre 15 idiomas europeos y globales importantes, incluidos inglés, francés, alemán, español, chino, japonés, árabe e hindi. jina-embeddings-v3 y jina-clip-v2 admiten 89 idiomas. Para obtener cifras de referencia por idioma, consulte los resultados de MMTEB en el informe técnico de cada modelo.

La longitud del contexto varía según el modelo: jina-embeddings-v5-text-small y jina-embeddings-v5-omni-small admiten hasta 32.768 tokens, mientras que jina-embeddings-v5-text-nano y jina-embeddings-v5-omni-nano admiten 8.192 tokens. jina-embeddings-v4 y los modelos jina-code-embeddings admiten 32.768 tokens; jina-embeddings-v3, jina-clip-v2 y jina-colbert-v2 admiten 8.192 tokens. Las entradas que superen el límite devuelven un error a menos que establezca truncate: true.

No existe un límite estricto en la cantidad de elementos por solicitud. La API agrupa internamente las entradas según el número de tokens para optimizar el uso de la GPU, por lo que puede enviar tantos textos o imágenes como necesite en una sola solicitud. Los archivos PDF son la excepción: envíe un PDF por solicitud.

Pase un objeto tipado en el array input usando una clave image, audio, video o pdf, cuyo valor es una URL pública o bytes codificados en base64. El modelo dirige cada modalidad al codificador apropiado, y puede combinar modalidades libremente dentro de un mismo lote. Los formatos de audio compatibles incluyen WAV, MP3, FLAC, OGG, M4A y Opus; el vídeo se procesa como 32 fotogramas muestreados uniformemente. Los PDF deben enviarse uno por solicitud.

jina-embeddings-v5-text-small (677M parámetros) es el modelo más fuerte con 1B parámetros en MMTEB, con una puntuación promedio de 67,0 a nivel de tarea, y alcanza un promedio de 71,7 en MTEB en inglés. jina-embeddings-v5-text-nano (239M parámetros) obtiene una puntuación de 65,5 en MMTEB, por delante de todos los modelos que evaluamos con 500M parámetros. Nuestro objetivo de diseño es la capacidad por parámetro en lugar del tamaño bruto, por lo que estos modelos son más económicos de implementar que la mayoría de las alternativas con una calidad de recuperación comparable o mejor. Todos los modelos v5 admiten Matryoshka Representation Learning, por lo que puede truncar las dimensiones hasta 32 sin volver a entrenar.

La transición es sencilla: nuestro endpoint de API coincide con los esquemas JSON de entrada y salida de text-embedding-3-large de OpenAI, por lo que en la mayoría de las bases de código solo se cambia la URL base, la clave API y el nombre del modelo. Lo mismo ocurre con los contenedores Jina On-Prem, que además exponen los esquemas de Elastic Inference Service (EIS), Cohere, Voyage AI y Gemini, por lo que los modelos Jina son un reemplazo directo en las rutas de código existentes. Tenga en cuenta que los embeddings de diferentes familias de modelos no son comparables, por lo que debe volver a incrustar su corpus en lugar de mezclar vectores de dos proveedores en un índice. Para los contenedores On-Prem, póngase en contacto con Elastic Sales.

El texto se contabiliza de la forma estándar. Las entradas que no son de texto se convierten en tokens mediante el codificador correspondiente, y el coste depende en gran medida del modelo que se utilice, por lo que conviene medir con las propias entradas en lugar de hacer suposiciones. Como referencia, una imagen de 600x600 píxeles cuesta aproximadamente: • jina-embeddings-v5-omni-small: ~363 tokens • jina-embeddings-v5-omni-nano: ~362 tokens • jina-embeddings-v4: ~4840 tokens • jina-clip-v2: ~16 000 tokens Los modelos v5-omni son entre uno y dos órdenes de magnitud más económicos por imagen que los modelos anteriores. Cada respuesta incluye un objeto usage con el recuento exacto de tokens para esa solicitud, incluyendo un desglose de image_tokens para entradas multimodales, para que pueda verificar el costo por llamada.

Sí. jina-embeddings-v5-omni-small y jina-embeddings-v5-omni-nano incrustan texto, imágenes, audio, vídeo y PDF en un único espacio vectorial compartido. jina-embeddings-v4 y jina-clip-v2 manejan texto e imágenes.

Existen dos opciones. La primera es la API de ajuste fino, que genera datos de entrenamiento sintéticos a partir de la descripción de su dominio y devuelve un modelo ajustado, sin necesidad de que cree un conjunto de datos etiquetados. Para el ajuste fino de datos propietarios bajo un acuerdo comercial, en infraestructura dedicada o en un modelo que no se encuentra en el selector de modelos base, póngase en contacto con Elastic Sales; dicho trabajo se define y contrata a través de Elastic.

Sí, de dos maneras. Los modelos Jina están disponibles en los marketplaces de AWS, Azure y GCP, por lo que puede implementarlos en su propia cuenta en la nube. Para infraestructuras autogestionadas, locales o aisladas, Elastic vende una licencia comercial llamada Jina On-Prem, disponible desde el 10 de agosto de 2026, que incluye los modelos como contenedores Docker totalmente offline, sin llamadas externas ni servidor de licencias. Para obtener un presupuesto para cualquiera de las dos opciones, póngase en contacto con Elastic Sales.

El parámetro task selecciona un adaptador LoRA específico para la tarea para un rendimiento óptimo. Utilice retrieval.query para consultas de búsqueda, retrieval.passage para documentos que se buscan, text-matching para similitud simétrica como detección de duplicados o paráfrasis, classification para categorización y separation para agrupamiento. La recuperación es asimétrica, por lo que usar el lado incorrecto del par consulta/pasaje degrada notablemente los resultados. El parámetro es compatible con jina-embeddings-v5, jina-embeddings-v4 y jina-embeddings-v3.

La interacción tardía mantiene vectores a nivel de token en lugar de colapsar un documento en un solo vector, lo que preserva detalles finos a costa de un índice más grande. jina-embeddings-v4 admite salida densa (vector único) e interacción tardía (múltiples vectores) a través del parámetro output_type, y jina-colbert-v2 es un modelo dedicado a la interacción tardía. Para la mayoría de los pipelines de recuperación, un modelo v5 denso seguido de un reranker ofrece una mejor relación precisión/costo.

La segmentación tardía primero integra todo el documento con un modelo de contexto extenso y luego deriva las representaciones de los fragmentos a partir de las representaciones a nivel de token. A diferencia de la segmentación ingenua, que integra cada fragmento de forma aislada, la segmentación tardía conserva el contexto entre fragmentos, lo que mejora la calidad de la recuperación en los pipelines RAG donde un fragmento hace referencia a algo definido anteriormente en el documento. Habilítela con el parámetro late_chunking.

Algunos modelos son capaces de manejar contextos más largos de lo que acepta la API alojada. Las secuencias muy largas consumen una cantidad considerable de memoria de GPU, y ajustamos la configuración del servidor para equilibrar el rendimiento, la latencia y el costo en la mayoría de los casos de uso. Si necesita la longitud completa del contexto arquitectónico, ejecute el modelo usted mismo: póngase en contacto con Elastic Sales para obtener información sobre una implementación autogestionada.

jina-embeddings-v4 se basa en el modelo base Qwen2-VL, publicado bajo la Licencia de Investigación Qwen, que permite únicamente investigación y uso no comercial. Por lo tanto, no podemos licenciarlo comercialmente y lo proporcionamos de forma gratuita a través de la API. También es un modelo de 3,8 mil millones de parámetros, por lo que es inherentemente más lento por solicitud, y limitamos su rendimiento para gestionar los costos de infraestructura. No es adecuado para cargas de trabajo de producción, y por la misma razón no se ofrece a través del Servicio de Inferencia Elástica ni como parte de Jina On-Prem. Para uso en producción, utilice la familia jina-embeddings-v5: es más rápido, tiene un mejor rendimiento en las pruebas de recuperación y se puede licenciar para uso comercial a través de Elastic Sales.

Los límites de velocidad dependen del tipo de clave API:

Gratis: 100 RPM, 100K TPM
De pago: 500 RPM, 2M TPM
Premium: 5.000 RPM, 50M TPM

Existe un límite adicional basado en IP de 10.000 solicitudes cada 60 segundos para evitar abusos. Los límites se aplican por clave y se cuentan en una ventana de 60 segundos, por lo que las ráfagas se suavizan en lugar de ponerse en cola; una solicitud que supere el límite devuelve HTTP 429 y debe reintentarse con retroceso exponencial. Si necesita límites más allá del nivel Premium, o capacidad dedicada sin ningún límite de inquilino compartido, póngase en contacto con Elastic Sales.

Comience con jina-embeddings-v5-text-small para la recuperación de texto: es el modelo sub-1B más robusto que ofrecemos y maneja 32K de contexto. Cambie a jina-embeddings-v5-text-nano cuando la latencia, el costo o el hardware de borde sean más importantes que el último punto de precisión. Use jina-embeddings-v5-omni-small o v5-omni-nano cuando se trate de imágenes, audio, vídeo o PDF; su salida de texto es idéntica al modelo de texto correspondiente, por lo que puede agregar modalidades a un índice existente sin volver a incrustar. Use jina-code-embeddings-0.5b o 1.5b para el código fuente. Dentro de una familia, cuanto más reciente, mejor.

El tamaño máximo de archivo es de 5 MB para imágenes y 8 MB para archivos PDF. Los archivos de mayor tamaño serán rechazados con un error.

El precio de la API de Reranker sigue la misma estructura basada en tokens que la API de Embeddings, y los tokens se comparten entre todas las API de Jina con la misma clave. Las nuevas claves de API incluyen tokens gratuitos para empezar; además, se pueden adquirir paquetes de tokens. Consulta la sección de precios para obtener más información.

jina-reranker-v3.5 es nuestro producto estrella actual: un reranker multilingüe listwise con 0,6 mil millones de parámetros y un contexto de 131.000 tokens, y un reemplazo directo para jina-reranker-v3. Mejora la versión 3 en todos los ejes que medimos, con las mayores ganancias en datos estructurados y recuperación legal, y se ejecuta de 1,22× a 1,56× más rápido. jina-reranker-v3 sigue disponible. jina-reranker-m0 es el reranker multimodal para clasificar documentos visuales. jina-reranker-v2-base-multilingual es un codificador cruzado más pequeño que admite más de 100 idiomas, útil cuando se necesita un modelo no derivado de Qwen. jina-colbert-v2 utiliza interacción tardía en 89 idiomas.

jina-reranker-v3.5, jina-reranker-v3, jina-reranker-m0, jina-reranker-v2-base-multilingual y jina-colbert-v2 se publican bajo la licencia CC-BY-NC 4.0. Puede utilizarlos, compartirlos y adaptarlos libremente para fines no comerciales. El uso comercial en producción requiere una licencia comercial, que Elastic ha vendido como su propio SKU desde el 10 de agosto de 2026 bajo el nombre Jina On-Prem. Póngase en contacto con Elastic Sales para obtener un presupuesto. Los modelos heredados jina-reranker-v1-* siguen siendo Apache-2.0.

Sí, todos los rerankers actuales son multilingües. jina-reranker-v3.5 mejora la versión 3 en MIRACL y en la recuperación multilingüe en general. jina-reranker-v3 y jina-reranker-v2-base-multilingual admiten más de 100 idiomas, jina-reranker-m0 maneja la clasificación visual de documentos multilingües y jina-colbert-v2 admite 89 idiomas.

La longitud del contexto varía según el modelo:

jina-reranker-v3.5: 131.072 tokens (consulta más todos los documentos combinados) con truncamiento automático
jina-reranker-v3: 131.072 tokens con truncamiento automático
jina-reranker-m0: 10.000 tokens
jina-reranker-v2-base-multilingual: 1.024 tokens, con fragmentación automática para documentos más largos
jina-colbert-v2: 8.192 tokens

Para los rerankers v1 y v2, las consultas se truncan automáticamente y los documentos largos se fragmentan con max-pooling en todos los fragmentos.

No hay un límite estricto en la cantidad de documentos por solicitud. Al igual que nuestra API de embeddings, la API de reranking agrupa las entradas internamente por número de tokens para optimizar el uso de la GPU. Puede enviar tantos documentos como necesite en una sola solicitud.

La latencia varía de 100 milisegundos a 7 segundos, dependiendo en gran medida de la longitud de los documentos y de la consulta. Por ejemplo, reordenar 100 documentos de 256 tokens cada uno con una consulta de 64 tokens lleva unos 150 milisegundos. Aumentar la longitud del documento a 4096 tokens aumenta el tiempo a 3,5 segundos. Si la longitud de la consulta aumenta a 512 tokens, el tiempo aumenta aún más a 7 segundos.

Sí. Los rerankers están disponibles en los marketplaces de AWS, Azure y GCP para su implementación en su propia cuenta en la nube. Para infraestructuras autogestionadas, locales o aisladas, Elastic vende una licencia comercial (Jina On-Prem) que distribuye los modelos como contenedores Docker completamente offline. Póngase en contacto con Elastic Sales para obtener un presupuesto.

Antes de solicitar un ajuste fino, pruebe jina-reranker-v3.5: se entrenó con autodestilación específicamente para la robustez del dominio y muestra grandes mejoras en la recuperación de datos legales y estructurados con respecto a la versión 3. Un reranker comercial bien elegido, junto con una mejor segmentación, suele cerrar más la brecha que un ajuste fino, y no tiene costo probarlo. Si aún así no cumple con sus expectativas para sus datos, un reranker específico del dominio es un servicio personalizado: comuníquese con Elastic Sales para definir el alcance.

El tamaño de imagen mínimo aceptable para el modelo jina-reranker-m0 es 28x28 píxeles.

jina-reranker-v3 y jina-reranker-v3.5 utilizan una arquitectura basada en listas: la consulta y todos los candidatos comparten una ventana de contexto y se puntúan en una única pasada hacia adelante, de modo que el modelo puede comparar los documentos entre sí. Los rerankers tradicionales basados ​​en puntos, incluido jina-reranker-v2-base-multilingual, puntúan cada documento de forma independiente con respecto a la consulta. La puntuación basada en listas es más precisa porque la relevancia suele ser relativa a lo que hay en el conjunto de candidatos.

Algunos algoritmos de reordenamiento son capaces, desde el punto de vista arquitectónico, de manejar contextos más largos de los que admite la API alojada. Las secuencias muy largas consumen una cantidad considerable de memoria de GPU, por lo que ajustamos la configuración de servicio para equilibrar el rendimiento, la latencia y el coste en la mayoría de los casos de uso. Si necesita la longitud total del contexto arquitectónico, ejecute el modelo en su propia infraestructura y póngase en contacto con Elastic Sales para obtener una licencia comercial.

Los límites de velocidad dependen del tipo de clave API:

Gratis: 100 RPM, 100K TPM
De pago: 500 RPM, 2M TPM
Premium: 5.000 RPM, 50M TPM

También hay un límite basado en IP de 10.000 solicitudes por 60 segundos. Los mismos límites se aplican a las API de Embeddings y Reranker, y los tokens se comparten entre todas las API de Jina en la misma clave.

Utilice jina-reranker-v3.5 para texto. Es un reemplazo directo para jina-reranker-v3: el esquema de solicitud no cambia, por lo que cambiar la cadena del modelo es toda la migración. Utilice jina-reranker-m0 cuando sus candidatos sean imágenes o documentos visualmente ricos. Utilice jina-reranker-v2-base-multilingual cuando necesite un modelo más pequeño o uno que no derive de una estructura base Qwen.

Sí. Una clave API es válida para todos los productos de la plataforma de búsqueda Jina AI, incluidas las API de Reader, Embeddings, Reranker, Classifier y Segmenter, y los tokens se comparten entre todos ellos.

Sí, el uso de tokens se puede monitorear en la pestaña "Clave API y facturación" ingresando su clave API, lo que le permite ver el historial de uso reciente y los tokens restantes. Si ha iniciado sesión en el panel de API, estos detalles también se pueden ver en la pestaña "Administrar clave API".

Si ha perdido una clave recargada y desea recuperarla, escriba a support AT jina.ai desde su correo electrónico registrado para recibir asistencia. Se recomienda iniciar sesión para mantener su clave API almacenada de forma segura y de fácil acceso.

No, nuestras claves API no tienen fecha de caducidad. Si una clave se ve comprometida, revócala en el panel de administración de claves API; el cambio surtirá efecto de inmediato. Emite primero una clave de reemplazo si desea evitar el tiempo de inactividad. Cualquier saldo de tokens restante permanece en su cuenta y no en la clave revocada. Si no puede acceder al panel de control o crea que la cuenta está comprometida, comunícate con el Soporte de Elastic.

Sí, puede transferir tokens de una clave premium a otra. Después de iniciar sesión en su cuenta en el panel de administración de claves API, use la configuración de la clave que desea transferir para mover todos los tokens pagos restantes.

Sí, puede revocar su clave API si crea que se ha visto comprometida. Al revocar una clave, se deshabilitará de inmediato para todos los usuarios que la hayan almacenado, y todo el saldo restante y las propiedades asociadas quedarán inutilizables de forma permanente. Si la clave es una clave premium, tiene la opción de transferir el saldo restante pagado a otra clave antes de la revocación. Tenga en cuenta que esta acción no se puede deshacer. Para revocar una clave, vaya a la configuración de claves en el panel de control de administración de claves API.

Esto se debe a que nuestra arquitectura sin servidor retira ciertos modelos durante períodos de bajo uso. La solicitud inicial activa o "calienta" el modelo, lo que puede tardar unos segundos. Después de esta activación inicial, las solicitudes posteriores se procesan mucho más rápido.

No. Nunca utilizamos sus solicitudes a la API, entradas o salidas para entrenar nuestros modelos de embedding, reranker u otros modelos. Sus datos siguen siendo suyos.

Se aplican límites de velocidad por clave API:

Gratis: 100 RPM, 100K TPM
De pago: 500 RPM, 2M TPM
Premium: 5.000 RPM, 50M TPM

También hay un límite basado en IP de 10.000 solicitudes cada 60 segundos. Los límites varían según el punto final; consulte la tabla de límites de velocidad anterior para obtener las cifras por punto final.

No hay límite de tamaño de lote ni para la API de Embeddings ni para la de Reranker. Puede enviar tantos elementos o documentos como necesite por solicitud. Ambas API procesan las entradas internamente por lotes según el número de tokens para optimizar el uso de la GPU.

No, son tres rutas separadas. Las API de Jina en este sitio son de autoservicio y de pago por uso con una clave de API de Jina. El Servicio de Inferencia Elástica (EIS) ejecuta modelos de Jina dentro de Elastic Cloud, facturado a través de su suscripción a Elastic, sin infraestructura que tenga que administrar. Jina On-Prem es una licencia comercial, vendida por Elastic como su propio SKU desde el 10 de agosto de 2026, para ejecutar los modelos en su propia infraestructura autogestionada, local o aislada. Para las rutas EIS y On-Prem, comuníquese con Ventas de Elastic.

Nuestro modelo de precios se basa en la cantidad total de tokens procesados, lo que permite a los usuarios la flexibilidad de asignar estos tokens en cualquier cantidad de oraciones, ofreciendo una solución rentable para diversos requisitos de análisis de texto.

Sí. Los nuevos usuarios reciben una clave API generada automáticamente con tokens gratuitos que pueden usar en cualquiera de nuestros modelos. Una vez que se agoten los tokens gratuitos, pueden comprar tokens adicionales para la clave en la pestaña "Comprar tokens".

No, los tokens no se deducen por solicitudes fallidas.

Los pagos se procesan a través de Stripe y admiten una variedad de métodos de pago que incluyen tarjetas de crédito, Google Pay y PayPal para su comodidad.

Para las compras de tokens de autoservicio, Stripe emite una factura a la dirección de correo electrónico asociada a su cuenta de Stripe en el momento de la compra. Si necesita una orden de compra formal, un contrato negociado, documentación de adquisición o facturación consolidada, que se gestione a través de Elastic en lugar de Stripe, póngase en contacto con Elastic Sales.

Las compras de tokens en este sitio cubren el uso de las API de Jina alojadas. No otorgan licencia para ejecutar los pesos del modelo en su propia infraestructura. Para ello, Elastic vende una licencia comercial como su propio SKU desde el 10 de agosto de 2026, con un precio anual en lugar de por token. Contacte con Elastic Sales para obtener un presupuesto.

Las compras de tokens de autoservicio se procesan a través de Stripe y se facturan automáticamente al correo electrónico de su cuenta de Stripe. Para órdenes de compra, procesos de adquisición o volúmenes que superen lo que admite la recarga de autoservicio, póngase en contacto con Elastic Sales.

El saldo y los límites de tarifa pertenecen a una clave API, no a la cuenta, por lo que lo primero que debe verificar es la clave en sí, en lugar de la página de la cuenta: introdúzcala en la pestaña Clave API y facturación y confirme el saldo y el nivel allí. Si la cuenta tiene más de una clave, los tokens están en la clave que se recargó, que puede no ser la clave que envía su aplicación. Un nuevo nivel también puede tardar un poco en propagarse después del pago. Si la clave muestra el saldo pero sigue limitada al nivel anterior, póngase en contacto con el soporte técnico.

La facturación de autoservicio se gestiona desde el portal del cliente, al que se accede a través de la pestaña Clave API y Facturación. Allí se puede desactivar la recarga automática y eliminar los métodos de pago guardados. Al desactivar la recarga automática, se detienen los cargos futuros, pero el saldo ya comprado permanece disponible. Si también desea eliminar la cuenta y sus datos, o solicitar un reembolso, envíe su solicitud al servicio de asistencia. La eliminación de la cuenta se realiza manualmente y tarda algunos días hábiles. Recibirá una confirmación por escrito una vez finalizado el proceso.