Ajuste fino automático
Simplemente díganos en qué dominio desea que sus embeddings destaquen y le entregaremos automáticamente un modelo de embedding optimizado y listo para usar para ese dominio.
¿Qué es el ajuste fino automático?
Hay tres formas de especificar sus requisitos: una instrucción general, una URL o una descripción del documento de consulta. Elija uno.
public
O URL de la página web
Consulte el contenido de una URL para realizar ajustes.
keyboard_arrow_down
notes
O instrucción general
Proporcione una descripción detallada de cómo se utilizarán los embeddings ajustados.
keyboard_arrow_down
Seleccione un modelo de embedding base
El ajuste fino le permite tomar un modelo previamente entrenado y adaptarlo a una tarea o dominio específico entrenándolo en un nuevo conjunto de datos. En la práctica, encontrar datos de entrenamiento efectivos no es sencillo para muchos usuarios. El entrenamiento eficaz requiere algo más que simplemente incluir archivos PDF y HTML sin formato en el modelo; y es difícil hacerlo bien. El ajuste fino automático resuelve este problema al generar automáticamente datos de entrenamiento efectivos utilizando un pipeline avanzado de agentes LLM; y ajustar el modelo dentro de un flujo de trabajo de ML. Puede pensarlo como una combinación de generación de datos sintéticos y AutoML, por lo que todo lo que necesita hacer es describir su dominio de destino en lenguaje natural y dejar que nuestro sistema haga el resto.
El ajuste automático tiene la promesa automática de ofrecer embeddings ajustados para cualquier dominio que desee. pero de verdad funciona? Esta es una duda bastante razonable. Lo hemos probado en una variedad de dominios y modelos base para averiguarlo. Eche un vistazo a los resultados seleccionados con cereza y limón a continuación.
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-enPromedio mejora
arrow_upward 2%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.505 arrow_forward 0.532 arrow_upward 5%
MAP
0.352 arrow_forward 0.389 arrow_upward 10%
MRR
0.352 arrow_forward 0.389 arrow_upward 10%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de tollefj/norwegian-nli-triplets
NDCG
0.852 arrow_forward 0.867 arrow_upward 2%
MAP
0.800 arrow_forward 0.820 arrow_upward 2%
MRR
0.800 arrow_forward 0.820 arrow_upward 2%
data_usage Datos sintéticos generados
Total
4648
Entrenamiento
4480
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-enPromedio mejora
arrow_upward 6%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.672 arrow_forward 0.755 arrow_upward 12%
MAP
0.567 arrow_forward 0.675 arrow_upward 19%
MRR
0.567 arrow_forward 0.675 arrow_upward 19%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de mteb/askubuntudupquestions-reranking
NDCG
0.698 arrow_forward 0.722 arrow_upward 3%
MAP
0.515 arrow_forward 0.549 arrow_upward 6%
MRR
0.666 arrow_forward 0.712 arrow_upward 7%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-enPromedio mejora
arrow_upward 9%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.727 arrow_forward 0.861 arrow_upward 18%
MAP
0.640 arrow_forward 0.814 arrow_upward 27%
MRR
0.640 arrow_forward 0.814 arrow_upward 27%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de mteb/scidocs-reranking
NDCG
0.773 arrow_forward 0.822 arrow_upward 6%
MAP
0.575 arrow_forward 0.651 arrow_upward 13%
MRR
0.823 arrow_forward 0.884 arrow_upward 7%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-zhPromedio mejora
arrow_upward 1%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.718 arrow_forward 0.785 arrow_upward 9%
MAP
0.629 arrow_forward 0.717 arrow_upward 14%
MRR
0.629 arrow_forward 0.717 arrow_upward 14%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de C-MTEB/CMedQAv2-reranking
NDCG
0.938 arrow_forward 0.948 arrow_upward 1%
MAP
0.912 arrow_forward 0.926 arrow_upward 2%
MRR
0.920 arrow_forward 0.933 arrow_upward 1%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-enPromedio mejora
arrow_upward 6%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.543 arrow_forward 0.579 arrow_upward 7%
MAP
0.402 arrow_forward 0.452 arrow_upward 12%
MRR
0.402 arrow_forward 0.452 arrow_upward 12%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de nc33/triplet_sbert_law2 (machine-translated to dutch)
NDCG
0.904 arrow_forward 0.948 arrow_upward 5%
MAP
0.870 arrow_forward 0.930 arrow_upward 7%
MRR
0.870 arrow_forward 0.930 arrow_upward 7%
data_usage Datos sintéticos generados
Total
9128
Entrenamiento
8960
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-codePromedio mejora
arrow_downward -4%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.671 arrow_forward 0.640 arrow_downward -5%
MAP
0.569 arrow_forward 0.525 arrow_downward -8%
MRR
0.569 arrow_forward 0.525 arrow_downward -8%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de mteb/stackoverflowdupquestions-reranking
NDCG
0.640 arrow_forward 0.621 arrow_downward -3%
MAP
0.530 arrow_forward 0.505 arrow_downward -5%
MRR
0.555 arrow_forward 0.532 arrow_downward -4%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-codePromedio mejora
arrow_downward -4%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.632 arrow_forward 0.711 arrow_upward 13%
MAP
0.517 arrow_forward 0.622 arrow_upward 20%
MRR
0.517 arrow_forward 0.622 arrow_upward 20%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de mteb/stackoverflowdupquestions-reranking
NDCG
0.640 arrow_forward 0.619 arrow_downward -3%
MAP
0.530 arrow_forward 0.504 arrow_downward -5%
MRR
0.555 arrow_forward 0.525 arrow_downward -5%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
Modelo base para ajuste fino
jinaai/jina-embeddings-v2-base-enPromedio mejora
arrow_upward 1%
description Instrucción de dominio
speed Rendimiento en el conjunto de validación sintética antes y después del ajuste
NDCG
0.646 arrow_forward 0.729 arrow_upward 13%
MAP
0.535 arrow_forward 0.644 arrow_upward 20%
MRR
0.535 arrow_forward 0.644 arrow_upward 20%
speed Rendimiento en el conjunto de pruebas retenido antes y después del ajuste fino
check
Probado en 50 muestras aleatorias de mteb/askubuntudupquestions-reranking
NDCG
0.645 arrow_forward 0.650 arrow_upward 1%
MAP
0.452 arrow_forward 0.462 arrow_upward 2%
MRR
0.606 arrow_forward 0.605 arrow_downward -0%
data_usage Datos sintéticos generados
Total
616
Entrenamiento
448
Validación
168
API de ajuste automático
Obtenga embeddings optimizados para cualquier dominio que desee.
globe_book
Utilice
r.jina.ai para leer una URL y obtener su contenidotravel_explore
Utilice
s.jina.ai para buscar en la web y obtener SERP
Agregue
mcp.jina.ai como su servidor MCP para acceder a nuestra API en LLMcurl "https://r.jina.ai/https://www.example.com"code
¿Puedo usar la misma clave API en todas las API de Jina?
keyboard_arrow_down
code
¿Puedo monitorear el uso del token de mi clave API?
keyboard_arrow_down
code
¿Qué debo hacer si olvido mi clave API?
keyboard_arrow_down
code
¿Caducan las claves API?
keyboard_arrow_down
code
¿Puedo transferir tokens entre claves API?
keyboard_arrow_down
code
¿Puedo revocar mi clave API?
keyboard_arrow_down
code
¿Por qué la primera solicitud de algunos modelos es lenta?
keyboard_arrow_down
code
¿Se utilizan mis datos de API para entrenar sus modelos?
keyboard_arrow_down
code
¿Cuáles son los límites de velocidad para las API de Jina?
keyboard_arrow_down
code
¿Existen límites de tamaño de lote para las API?
keyboard_arrow_down
code
¿Las API de Jina son lo mismo que los modelos de Jina dentro de Elastic?
keyboard_arrow_down
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.
| Producto | Punto final de API | Descripciónarrow_upward | Sin clave APIkey_off | con clave API gratuitakey | con clave API de pagokey | con clave API Premiumkey | Latencia media | Recuento de uso de tokens | Solicitud permitida | |
|---|---|---|---|---|---|---|---|---|---|---|
| API de Reader | https://r.jina.ai | Convertir la URL en texto compatible con LLM | 20 RPM | 500 RPM | 500 RPM | trending_up5000 RPM | 7.9s | Contar el número de tokens en la respuesta de salida. | GET/POST | |
| API de Reader | https://s.jina.ai | Buscar en la web y convertir los resultados en texto compatible con LLM | block | 100 RPM | 100 RPM | trending_up1000 RPM | 2.5s | Cada solicitud cuesta una cantidad fija de tokens, a partir de 10.000 tokens | GET/POST | |
| API de embedding | https://api.jina.ai/v1/embeddings | Convertir texto/imágenes en vectores de longitud fija | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart depende del tamaño de entrada help | Contar el número de tokens en la solicitud de entrada. | POST | |
| API de Reranker | https://api.jina.ai/v1/rerank | Reordenar documentos según la consulta | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart depende del tamaño de entrada help | Contar el número de tokens en la solicitud de entrada. | POST |
Preguntas comunes relacionadas con la facturación
attach_money
¿La facturación se basa en el número de oraciones o solicitudes?
keyboard_arrow_down
attach_money
¿Hay una prueba gratuita disponible para nuevos usuarios?
keyboard_arrow_down
attach_money
¿Se cobran tokens por solicitudes fallidas?
keyboard_arrow_down
attach_money
¿Qué métodos de pago se aceptan?
keyboard_arrow_down
attach_money
¿Está disponible la facturación para compras de tokens?
keyboard_arrow_down
attach_money
¿Cómo puedo comprar una licencia comercial en lugar de tokens API?
keyboard_arrow_down
attach_money
¿Puedo pagar con factura o con orden de compra en lugar de con tarjeta?
keyboard_arrow_down
attach_money
Realicé el pago, pero mi saldo o límite de velocidad no ha cambiado. ¿Qué debo revisar?
keyboard_arrow_down
attach_money
¿Cómo puedo cancelar, detener la recarga automática o eliminar un método de pago guardado?
keyboard_arrow_down