Embeddings

Embeddings de contexto largo multilingües y multimodales de alto rendimiento para aplicaciones de búsqueda, RAG y agentes.

API de embedding

Pruebe nuestros modelos de embedding para mejorar sus sistemas de búsqueda y RAG. ¡Empiece con una prueba gratuita!
Pedido
POST
curl "https://api.jina.ai/v1/embeddings" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $JINA_API_KEY" \
  -d @- <<EOFEOF
{
  "model": null,
  "normalized": true,
  "embedding_type": "float",
  "input": [
    "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of na…ing, healthy complexion.",
    "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung u…einen strahlenden Teint.",
    "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la n…el radiante y saludable.",
    "针对敏感肌专门设计的天然有机护肤产品：体验由芦荟和洋甘菊提取物带来的自然呵护。我们的护肤产品特别为敏感肌设计，温和滋润，保护您的肌肤不受刺激。让您的肌肤告别不适，迎来健康光彩。",
    "新しいメイクのトレンドは鮮やかな色と革新的な技術に焦点を当てています: 今シーズンのメイクアップトレンドは、大胆な色彩と革新的な技術に注目しています。ネオンアイライナーからホログラフィックハイライターまで、クリエイティビティを解き放ち、毎回ユニークなルックを演出しましょう。"
    + agregar entrada
  ]
}
EOFEOF

v5-omni: Un solo embedding para todo

Texto, imagen, audio, vídeo: un único espacio de embedding compartido, dos tamaños. v5-omni-small (1,6B) es el modelo omni de pesos abiertos con mejor rendimiento por debajo de 2B parámetros. v5-omni-nano (0,9B) ofrece una recuperación competitiva con menos de 1B. Ambos son compatibles byte a byte con v5-text; no se requiere reindexación.

v5-text: Nuevos embeddings multilingües pequeños SOTA

jina-embeddings-v5-text ofrece calidad de embedding de quinta generación en dos tamaños eficientes (un modelo pequeño de 677 M y un modelo nano de 239 M) con adaptadores LoRA específicos para cada tarea, dimensiones Matryoshka, contexto de 32 K y cuantificación GGUF/MLX para implementación en el borde, lo que establece nuevos puntos de referencia en MMTEB, MTEB English y tareas de recuperación.

Dos formas de comprar

Suscríbete a nuestra API o compra a través de proveedores de la nube.
Con la API de Jina Search Foundation
La forma más sencilla de acceder a todos nuestros productos. Recargue tokens a medida que avanza.
Recargue esta clave API con más tokens
Dependiendo de su ubicación, es posible que se le cobre en USD, EUR u otras monedas. Se pueden aplicar impuestos.
Ingrese la clave API correcta para recargar

Implementación local

Implemente modelos de Jina Embeddings en AWS SageMaker y Microsoft Azure, y pronto en Google Cloud Services, o comuníquese con nuestro equipo de ventas para obtener implementaciones personalizadas de Kubernetes para su nube privada virtual y servidores locales.
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
Integraciones API
Nuestra API de embedding está integrada de forma nativa con varias bases de datos, almacenes de vectores, marcos RAG y LLMOps de renombre. Para comenzar, simplemente copie y pegue su clave API en cualquiera de las integraciones enumeradas para un comienzo rápido y sin problemas.
Tienda de vectores
LLMOps
RAG
Observabilidad
MongoDB
DataStax
Qdrant
Pinecone
Chroma
Weaviate
Milvus
Epsilla
MyScale
LlamaIndex
Haystack
Langchain
Dify
SuperDuperDB
DashVector
Portkey
Baseten
TiDB
LanceDB
Carbon

Nuestras Publicaciones

Entienda cómo entrenamos nuestros modelos de búsqueda de frontera desde cero y mire nuestras últimas publicaciones. ¡Conoce a nuestro equipo en EMNLP, SIGIR, ICLR, NeurIPS e ICML!
arXiv
septiembre 02, 2026
jina-ocr-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards
arXiv
julio 20, 2026
jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation
SIGIR 2026
mayo 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
SIGIR 2026
febrero 17, 2026
jina-embeddings-v5-text: Task-Targeted Embedding Distillation
ICLR 2026
enero 22, 2026
Embedding Compression via Spherical Coordinates
arXiv
diciembre 29, 2025
Vision Encoders in Vision-Language Models: A Survey
ICLR 2026
diciembre 04, 2025
Jina-VLM: Small Multilingual Vision Language Model
AAAI 2026
octubre 01, 2025
jina-reranker-v3: Last but Not Late Interaction for Document Reranking
NeurIPS 2025
agosto 31, 2025
Efficient Code Embeddings from Code Generation Models
EMNLP 2025
junio 24, 2025
jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
ICLR 2025
marzo 04, 2025
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
ACL 2025
diciembre 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
diciembre 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
septiembre 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
SIGIR 2025
septiembre 07, 2024
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
EMNLP 2024
agosto 30, 2024
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
WWW 2025
junio 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
mayo 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
febrero 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
octubre 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
julio 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
21 publicaciones en total.

Aprendiendo sobre embeddings

¿Por dónde empezar con los embeddings? Le tenemos cubierto. Aprenda sobre los embeddings desde cero con nuestra guía completa.
mayo 12, 2026 • 7 minutos de lectura
jina-embeddings-v5-omni: Embeddings for Text, Image, Audio and Video
One model, four modalities: text, image, audio, video. Best-in-class omni embeddings in 1.6B and 0.9B.
mayo 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
We introduce GELATO (Geometry-preserving Embeddings via Locked Aligned TOwers), a novel approach to multimodal embedding models. We build on the VLM-style architecture, in which non-text encoders are adapted to produce input for a language model, which in turn generates embeddings for all varieties of input. GELATO extends the two Jina Embeddings v5 Text models to support additional modality by adding encoders for images and audio. The backbone text embedding models and the added non-text modality encoders remain frozen. We only trained the connecting components, representing 0.35% of the total weights of the joint model. Additionally, the language model remains effectively unaltered, producing exactly the same embeddings for text inputs as the Jina Embeddings v5 Text models. The resulting jina-embeddings-v5-omni suite encodes text, image, audio, and video into a single semantic embedding space, yielding nearly equal performance to larger multimodal embedding models.
marzo 11, 2026 • 7 minutos de lectura
Bootstrapping Audio Embeddings from Multimodal LLMs
Turn any multimodal LLM into a small audio embedding model that beats CLAP with 25x less data.
marzo 06, 2026 • 6 minutos de lectura
Identifying Embedding Models from Raw Numerical Values
A tiny transformer that fingerprints embedding models by reading raw numerical digits. No feature engineering.

Comparación de Reranker, Vector Search y BM25

La siguiente tabla proporciona una comparación completa de Reranker, Vector/Embeddings Search y BM25, destacando sus fortalezas y debilidades en varias categorías.
RerankerBúsqueda de vectoresBM25
Mejor paraPrecisión y relevancia de búsqueda mejoradasFiltrado inicial y rápidoRecuperación de texto general en consultas de amplio alcance
GranularidadDetallado: subdocumento y segmento de consultaAmplio: documentos completosIntermedio: varios segmentos de texto
Complejidad del tiempo de consultaAltoMedioBajo
Complejidad del tiempo de indexaciónNo requeridoAltoBajo, utiliza índice prediseñado
Complejidad del tiempo de entrenamientoAltoAltoNo requerido
Calidad de búsquedaSuperior para consultas matizadasEquilibrado entre eficiencia y precisiónConsistente y confiable para un amplio conjunto de consultas
FortalezasAltamente preciso con una profunda comprensión contextual.Rápido y eficiente, con precisión moderada.Altamente escalable, con eficacia establecida
Pruebe la API de reranker gratisPruebe la API de embedding gratis

La evolución de los embeddings Póster

Descubra el póster ideal para su espacio, con infografías cautivadoras o imágenes impresionantes que rastrean la evolución de los modelos de embedding de texto desde 1950.
Aprenda cómo lo hicimos
Compre una copia impresa

Preguntas frecuentes

¿Cómo obtener mi clave API?

¿Cuál es el límite de velocidad?

Límite de velocidad
Los límites de velocidad se controlan de dos maneras: RPM (solicitudes por minuto) y TPM (tokens por minuto). Los límites se aplican por IP/clave API y se activan cuando se alcanza primero el umbral de RPM o TPM. Al proporcionar una clave API en el encabezado de la solicitud, controlamos los límites de velocidad por clave, no por dirección IP.
ProductoPunto final de APIDescripciónSin clave APIcon clave API gratuitacon clave API de pagocon clave API PremiumLatencia mediaRecuento de uso de tokensSolicitud permitida
API de Readerhttps://r.jina.aiConvertir la URL en texto compatible con LLM20 RPM500 RPM500 RPM5000 RPM7.9sContar el número de tokens en la respuesta de salida.GET/POST
API de Readerhttps://s.jina.aiBuscar en la web y convertir los resultados en texto compatible con LLM100 RPM100 RPM1000 RPM2.5sCada solicitud cuesta una cantidad fija de tokens, a partir de 10.000 tokensGET/POST
API de embeddinghttps://api.jina.ai/v1/embeddingsConvertir texto/imágenes en vectores de longitud fija100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depende del tamaño de entrada
Contar el número de tokens en la solicitud de entrada.POST
API de Rerankerhttps://api.jina.ai/v1/rerankReordenar documentos según la consulta100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depende del tamaño de entrada
Contar el número de tokens en la solicitud de entrada.POST

¿Necesito una licencia comercial?

Autocomprobación de licencia CC BY-NC
¿Está utilizando nuestra API alojada o nuestras imágenes oficiales en Azure, AWS o GCP?
Preguntas comunes relacionadas con API
Preguntas comunes relacionadas con la facturación
Idioma / tema actual
Search Foundation
Reader
Embeddings
Reranker
Obtener la clave API de Jina
Límite de velocidad
Sobre nosotros
Noticias
Descargar el logotipo de Jina
Descargar el logotipo de Elastic
Estado de la API
Elastic © 2026.SeguridadTérminos y condicionesPrivacidadAdministrar cookiesNo venda ni comparta mi información personal.
Este sitio web y su contenido, software, productos y servicios asociados están destinados exclusivamente a un uso profesional. El uso por parte de consumidores no está previsto ni dirigido.