Embeddings

Embeddings multimodaux multilingues à contexte long les plus performantes pour les applications de recherche, RAG et agents.

API embeddings

Améliorez vos systèmes de recherche et de RAG grâce à nos modèles d'embedding. Essayez-les gratuitement !

Sélectionnez les embeddings

Normalisation L2

normalized

Mettre à l'échelle les embeddings à une longueur unitaire (norme L2 = 1). Nécessaire pour la similarité cosinus via le produit scalaire.

Type de données de sortie

embedding_type

encoding_format

output_dtype

embedding_types

Choisissez le format de sortie : float (par défaut), binaire (stockage compact) ou base64 (transmission efficace).

Par défaut (comme float)

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": [
    text_fieldsclose"Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of na…ing, healthy complexion.",
    text_fieldsclose"Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung u…einen strahlenden Teint.",
    text_fieldsclose"Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la n…el radiante y saludable.",
    text_fieldsclose"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。",
    text_fieldsclose"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。"
    + ajouter une entrée
  ]
}
EOFEOF

Clé API

Tokens disponibles

C'est votre clé unique. Conservez-la en toute sécurité !

v5-omni : Un seul embedding pour tous

Texte, image, audio, vidéo : un seul espace d'embeddings partagé, deux tailles. v5-omni-small (1,6 B) est le modèle omni à poids ouverts le plus performant sous les 2 milliards de paramètres. v5-omni-nano (0,9 B) offre une recherche compétitive sous le milliard de paramètres. Les deux sont compatibles octet par octet avec v5-text : aucune réindexation n'est nécessaire.

v5-text : Nouveaux embeddings multilingues de petite taille à l’état de l’art

jina-embeddings-v5-text offre une qualité d'embedding de cinquième génération dans deux tailles efficaces — un petit modèle de 677M et un nano modèle de 239M — avec des adaptateurs LoRA spécifiques à la tâche, des dimensions Matryoshka, un contexte de 32K et une quantification GGUF/MLX pour le déploiement en périphérie, établissant de nouvelles références pour les tâches MMTEB, MTEB English et de récupération.

Deux façons d'acheter

Abonnez-vous à notre API ou achetez via des fournisseurs de cloud.

Avec 3 fournisseurs de services cloud

Votre entreprise utilise-t-elle AWS ou Azure ? Déployez nos modèles directement sur la plateforme cloud de votre entreprise et gérez la facturation via le compte CSP.

Avec l'API Jina Search Foundation

Le moyen le plus simple d'accéder à tous nos produits. Rechargez vos tokens au fur et à mesure.

Saisissez la clé API que vous souhaitez recharger

Rechargez cette clé API avec plus de tokens

Selon votre emplacement, vous pouvez être facturé en USD, EUR ou dans d'autres devises. Des taxes peuvent s'appliquer.

Veuillez saisir la bonne clé API pour recharger

Comprendre la limite de débit

Les limites de débit correspondent au nombre maximal de requêtes pouvant être adressées à une API en une minute par adresse IP/clé API (RPM). Découvrez ci-dessous les limites de débit pour chaque produit et niveau.

Recharge automatique en cas de faible solde de tokens

Recommandé pour un service ininterrompu en production. Lorsque le solde de votre token descend en dessous du seuil défini, nous rechargerons automatiquement votre mode de paiement enregistré pour le dernier forfait acheté, jusqu'à ce que le seuil soit atteint.

Nous avons introduit un nouveau modèle de tarification le 6 mai 2025. Si vous avez activé la recharge automatique avant cette date, vous continuerez à payer l'ancien prix (celui appliqué lors de l'achat). La nouvelle tarification s'applique uniquement si vous modifiez vos paramètres de recharge automatique ou achetez une nouvelle clé API.

< 1M Tokens

Rechargez quand

Déploiement sur site

Déployez les modèles Jina Embeddings dans AWS SageMaker et Microsoft Azure, et bientôt dans Google Cloud Services, ou contactez notre équipe commerciale pour obtenir des déploiements Kubernetes personnalisés pour votre cloud privé virtuel et vos serveurs sur site.

AWS SageMaker

Embeddings

Reranker

Microsoft Azure

Embeddings

Reranker

Google Cloud

Embeddings

Embeddings d'API

Notre API embeddings est nativement intégrée à diverses bases de données renommées, magasins de vecteurs, frameworks RAG et LLMOps. Pour commencer, copiez et collez simplement votre clé API dans l'une des embeddings répertoriées pour un démarrage rapide et transparent.

Magasin de vecteurs

LLMOps

RAG

Observabilité

MongoDB

DataStax

Qdrant

Pinecone

Chroma

Weaviate

Milvus

Epsilla

MyScale

LlamaIndex

Haystack

Langchain

Dify

SuperDuperDB

DashVector

Portkey

Baseten

TiDB

LanceDB

Carbon

Nos publications

Découvrez comment nos modèles de recherche de frontière ont été entraînés à partir de zéro et consultez nos dernières publications. Rencontrez notre équipe à EMNLP, SIGIR, ICLR, NeurIPS et ICML !

arXiv

septembre 02, 2026

jina-ocr-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards

arXiv

juillet 20, 2026

jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation

SIGIR 2026

mai 11, 2026

jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers

SIGIR 2026

février 17, 2026

jina-embeddings-v5-text: Task-Targeted Embedding Distillation

ICLR 2026

janvier 22, 2026

Embedding Compression via Spherical Coordinates

arXiv

décembre 29, 2025

Vision Encoders in Vision-Language Models: A Survey

ICLR 2026

décembre 04, 2025

Jina-VLM: Small Multilingual Vision Language Model

AAAI 2026

octobre 01, 2025

jina-reranker-v3: Last but Not Late Interaction for Document Reranking

NeurIPS 2025

août 31, 2025

Efficient Code Embeddings from Code Generation Models

EMNLP 2025

juin 24, 2025

jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval

ICLR 2025

mars 04, 2025

ReaderLM-v2: Small Language Model for HTML to Markdown and JSON

ACL 2025

décembre 17, 2024

AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark

ICLR 2025

décembre 12, 2024

jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images

ECIR 2025

septembre 18, 2024

jina-embeddings-v3: Multilingual Embeddings With Task LoRA

SIGIR 2025

septembre 07, 2024

Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models

EMNLP 2024

août 30, 2024

Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever

WWW 2025

juin 21, 2024

Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models

ICML 2024

mai 30, 2024

Jina CLIP: Your CLIP Model Is Also Your Text Retriever

arXiv

février 26, 2024

Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings

arXiv

octobre 30, 2023

Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents

EMNLP 2023

juillet 20, 2023

Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models

21 publications au total.

En savoir plus sur les embeddings

Par où commencer avec les embeddings ? Nous avons ce qu'il vous faut. Découvrez les embeddings de A à Z avec notre guide complet.

Comparaison de Reranker, Vector Search et BM25

Le tableau ci-dessous fournit une comparaison complète du Reranker, de la recherche Vector/Embeddings et du BM25, mettant en évidence leurs forces et leurs faiblesses dans diverses catégories.

	Reranker	Recherche de vecteurs	BM25
Meilleur pour	Précision et pertinence de recherche améliorées	Filtrage initial et rapide	Récupération de texte générale pour des requêtes étendues
Granularité	Détaillé : sous-document et segment de requête	Large : documents entiers	Intermédiaire : divers segments de texte
Complexité du temps de requête	Haut	Moyen	Faible
Complexité du temps d’indexation	Non requis	Haut	Faible, utilise un index prédéfini
Complexité du temps d'entraînement	Haut	Haut	Non requis
Qualité de la recherche	Supérieur pour les requêtes nuancées	Équilibré entre efficacité et précision	Cohérent et fiable pour un large éventail de requêtes
Forces	Très précis avec une compréhension contextuelle approfondie	Rapide et efficace, avec une précision modérée	Hautement évolutif, avec une efficacité établie
	Essayez l'API de reclassement gratuitement	Essayez l'API d'embedding gratuitement

L'évolution des embeddings Poster

Découvrez l'affiche idéale pour votre espace, présentant des infographies captivantes ou des visuels à couper le souffle retraçant l'évolution des modèles d'embedding de texte depuis 1950.

Découvrez comment nous l'avons fait

Acheter une copie papier

FAQ

Comment les modèles d'embedding Jina ont-ils été entraînés ?

Quels sont vos modèles d'embedding multimodaux ?

Quelles langues vos modèles prennent-ils en charge ?

Quelle est la longueur maximale du contexte pour une entrée unique ?

Quel est le nombre maximal d'entrées que je peux inclure dans une seule requête ?

Comment envoyer des images, de l'audio, de la vidéo ou des PDF aux modèles multimodaux ?

Comment les représentations vectorielles de Jina se comparent-elles aux derniers modèles OpenAI, Cohere et Voyage ?

Dans quelle mesure la transition entre Text-Embedding-3-Large d'OpenAI et votre solution est-elle transparente ?

Comment les tokens sont-ils calculés pour les images et autres entrées non textuelles ?

Fournissez-vous des modèles pour intégrer des images, de l'audio ou de la vidéo ?

Les modèles d'embedding Jina peuvent-ils être affinés sur des données privées ou d'entreprise ?

Les modèles peuvent-ils être hébergés de manière privée, sur ma propre infrastructure ou dans mon propre compte cloud ?

Qu’est-ce que le paramètre « task » et quand dois-je l’utiliser ?

Qu’est-ce que la récupération late-interaction et quels modèles la prennent en charge ?

Qu’est-ce que le découpage tardif et quand dois-je l’utiliser ?

Pourquoi l'API impose-t-elle une longueur de contexte différente de celle prise en charge par le modèle ?

Pourquoi jina-embeddings-v4 est-il gratuit, et pourquoi est-il lent ?

Quelles sont les limites de débit de l'API Embeddings ?

Quel modèle d'embedding dois-je choisir ?

Quelles sont les limites de taille des fichiers image et PDF ?

Comment obtenir ma clé API ?

Quelle est la limite de débit ?

Limite de débit

Les limites de débit sont suivies de deux manières : RPM (requêtes par minute) et TPM (tokens par minute). Les limites sont appliquées par IP/clé API et sont déclenchées dès que le seuil RPM ou TPM est atteint. Lorsque vous fournissez une clé API dans l'en-tête de la requête, nous suivons les limites de débit par clé plutôt que par adresse IP.

Colonnes

Produit	Point de terminaison de l'API	Description	sans clé API	avec clé API gratuite	avec clé API payante	avec clé API Premium	Latence moyenne	Comptage de l'utilisation des tokens	Demande autorisée
API de Reader	`https://r.jina.ai`	Convertir l'URL en texte compatible LLM	20 RPM	500 RPM	500 RPM	5000 RPM	7.9s	Compter le nombre de tokens dans la réponse de sortie.	GET/POST
API de Reader	`https://s.jina.ai`	Rechercher sur le web et convertir les résultats en texte adapté au LLM		100 RPM	100 RPM	1000 RPM	2.5s	Chaque demande coûte un nombre fixe de tokens, à partir de 10 000 tokens	GET/POST
API de reclassement	`https://api.jina.ai/v1/rerank`	Classer les documents par requête		100 RPM & 100,000 TPM	500 RPM & 2,000,000 TPM	5,000 RPM & 50,000,000 TPM	dépend de la taille de l'entrée	Compter le nombre de tokens dans la demande d'entrée.	POST
API embeddings	`https://api.jina.ai/v1/embeddings`	Convertir du texte/des images en vecteurs de longueur fixe		100 RPM & 100,000 TPM	500 RPM & 2,000,000 TPM	5,000 RPM & 50,000,000 TPM	dépend de la taille de l'entrée	Compter le nombre de tokens dans la demande d'entrée.	POST

Ai-je besoin d’une licence commerciale ?

Auto-vérification de la licence CC BY-NC

Utilisez-vous notre API hébergée ou nos images officielles sur Azure, AWS ou GCP ?

Oui

Non

Puis-je utiliser la même clé API pour toutes les API Jina ?

Puis-je surveiller l’utilisation des tokens de ma clé API ?

Que dois-je faire si j'oublie ma clé API ?

Les clés API expirent-elles ?

Puis-je transférer des tokens entre des clés API ?

Puis-je révoquer ma clé API ?

Pourquoi la première demande de certains modèles est-elle lente ?

Mes données API sont-elles utilisées pour entraîner vos modèles ?

Quelles sont les limites de débit des API Jina ?

Existe-t-il des limites de taille de lot pour les API ?

Les API Jina sont-elles la même chose que les modèles Jina au sein d'Elastic ?

La facturation est-elle basée sur le nombre de phrases ou de demandes ?

Existe-t-il un essai gratuit disponible pour les nouveaux utilisateurs ?

Les tokens sont-ils facturés pour les demandes ayant échoué ?

Quels moyens de paiement sont acceptés ?

La facturation est-elle disponible pour les achats de tokens ?

Comment puis-je acheter une licence commerciale plutôt que des tokens API ?

Puis-je payer par facture ou bon de commande plutôt que par carte ?

J'ai payé, mais mon solde ou ma limite de débit n'a pas changé. Que dois-je vérifier ?

Comment puis-je annuler, arrêter le rechargement automatique ou supprimer un mode de paiement enregistré ?