Réglage automatique
Dites-nous simplement dans quel domaine vous souhaitez que vos embeddings excellent, et nous vous fournirons automatiquement un modèle d'embedding prêt à l'emploi et affiné pour ce domaine.
Qu’est-ce que le réglage automatique ?
Il existe trois manières de spécifier vos besoins : une instruction générale, une URL ou une description du document de requête. Choisissez-en un.
public
Ou l'URL de la page Web
Reportez-vous au contenu d'une URL pour un réglage précis.
keyboard_arrow_down
notes
Ou, instruction générale
Fournissez une description détaillée de la manière dont les embeddings affinés seront utilisés.
keyboard_arrow_down
Sélectionnez un modèle d'embedding de base
Le réglage fin vous permet de prendre un modèle pré-entraîné et de l'adapter à une tâche ou un domaine spécifique en l'entraînant sur un nouvel ensemble de données. En pratique, trouver des données d’entraînement efficaces n’est pas simple pour de nombreux utilisateurs. Un entraînement efficace nécessite plus que la simple introduction de fichiers PDF bruts et HTML dans le modèle ; et il est difficile de bien faire les choses. Le réglage automatique résout ce problème en générant automatiquement des données d'entraînement efficaces à l'aide d'un pipeline d'agents LLM avancé ; et affiner le modèle dans un flux de travail ML. Vous pouvez le considérer comme une combinaison de génération de données synthétiques et d'AutoML, il vous suffit donc de décrire votre domaine cible en langage naturel et de laisser notre système faire le reste.
Le réglage automatique contient la promesse auto-magique de fournir des embeddings affinés pour n'importe quel domaine de votre choix. Mais cela fonctionne-t-il vraiment? C'est un doute assez raisonnable. Nous l'avons testé sur une variété de domaines et de modèles de base pour le savoir. Découvrez les résultats cueillis aux cerises et au citron ci-dessous.
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-enMoy. amélioration
arrow_upward 2%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
4648
Entraînement
4480
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-enMoy. amélioration
arrow_upward 6%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-enMoy. amélioration
arrow_upward 9%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-zhMoy. amélioration
arrow_upward 1%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-enMoy. amélioration
arrow_upward 6%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
9128
Entraînement
8960
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-codeMoy. amélioration
arrow_downward -4%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-codeMoy. amélioration
arrow_downward -4%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
Modèle de base pour un réglage fin
jinaai/jina-embeddings-v2-base-enMoy. amélioration
arrow_upward 1%
description Instruction de domaine
speed Performances sur la validation synthétique définie avant et après le réglage fin
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 Performances sur un ensemble de tests retenu avant et après le réglage fin
check
Testé sur 50 échantillons aléatoires 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 Données synthétiques générées
Total
616
Entraînement
448
Validation
168
API de réglage automatique
Obtenez des embeddings affinés pour le domaine de votre choix.
globe_book
Utilisez
r.jina.ai pour lire une URL et récupérer son contenutravel_explore
Utilisez
s.jina.ai pour rechercher sur le Web et obtenir le SERP
Ajoutez
mcp.jina.ai comme serveur MCP pour accéder à notre API dans les LLMcurl "https://r.jina.ai/https://www.example.com"code
Puis-je utiliser la même clé API pour toutes les API Jina ?
keyboard_arrow_down
code
Puis-je surveiller l’utilisation des tokens de ma clé API ?
keyboard_arrow_down
code
Que dois-je faire si j'oublie ma clé API ?
keyboard_arrow_down
code
Les clés API expirent-elles ?
keyboard_arrow_down
code
Puis-je transférer des tokens entre des clés API ?
keyboard_arrow_down
code
Puis-je révoquer ma clé API ?
keyboard_arrow_down
code
Pourquoi la première demande de certains modèles est-elle lente ?
keyboard_arrow_down
code
Mes données API sont-elles utilisées pour entraîner vos modèles ?
keyboard_arrow_down
code
Quelles sont les limites de débit des API Jina ?
keyboard_arrow_down
code
Existe-t-il des limites de taille de lot pour les API ?
keyboard_arrow_down
code
Les API Jina sont-elles la même chose que les modèles Jina au sein d'Elastic ?
keyboard_arrow_down
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.
| Produit | Point de terminaison de l'API | Descriptionarrow_upward | sans clé APIkey_off | avec clé API gratuitekey | avec clé API payantekey | avec clé API Premiumkey | 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 | trending_up5000 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 | block | 100 RPM | 100 RPM | trending_up1000 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 | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart dépend de la taille de l'entrée help | 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 | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart dépend de la taille de l'entrée help | Compter le nombre de tokens dans la demande d'entrée. | POST |
Questions courantes liées à la facturation
attach_money
La facturation est-elle basée sur le nombre de phrases ou de demandes ?
keyboard_arrow_down
attach_money
Existe-t-il un essai gratuit disponible pour les nouveaux utilisateurs ?
keyboard_arrow_down
attach_money
Les tokens sont-ils facturés pour les demandes ayant échoué ?
keyboard_arrow_down
attach_money
Quels moyens de paiement sont acceptés ?
keyboard_arrow_down
attach_money
La facturation est-elle disponible pour les achats de tokens ?
keyboard_arrow_down
attach_money
Comment puis-je acheter une licence commerciale plutôt que des tokens API ?
keyboard_arrow_down
attach_money
Puis-je payer par facture ou bon de commande plutôt que par carte ?
keyboard_arrow_down
attach_money
J'ai payé, mais mon solde ou ma limite de débit n'a pas changé. Que dois-je vérifier ?
keyboard_arrow_down
attach_money
Comment puis-je annuler, arrêter le rechargement automatique ou supprimer un mode de paiement enregistré ?
keyboard_arrow_down