Embeddings

Embeddings multimodali multilingue a contesto lungo ad alte prestazioni per applicazioni di ricerca, RAG e agenti.

API di embedding

Prova i nostri modelli di embedding per migliorare i tuoi sistemi di ricerca e RAG. Inizia con una prova gratuita!
Richiesta
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。"
    + aggiungere input
  ]
}
EOFEOF

v5-omni: Un unico embedding per tutti

Testo, immagini, audio, video: un unico spazio di embedding condiviso, due dimensioni. v5-omni-small (1,6 B) è il modello omni a pesi aperti con le migliori prestazioni con parametri inferiori a 2 B. v5-omni-nano (0,9 B) offre un recupero competitivo con meno di 1 B. Entrambi sono compatibili byte per byte con v5-text: non è necessaria alcuna reindicizzazione.

v5-text: Nuovi piccoli embeddings multilingue SOTA

jina-embeddings-v5-text offre una qualità di embedding di quinta generazione in due dimensioni efficienti, un modello piccolo da 677 M e un modello nano da 239 M, con adattatori LoRA specifici per attività, dimensioni Matryoshka, contesto da 32 K e quantizzazione GGUF/MLX per l'implementazione edge, stabilendo nuovi parametri di riferimento per attività MMTEB, MTEB English e di recupero.

Due modi per acquistare

Iscriviti alla nostra API o acquista tramite i provider cloud.
Con l'API Jina Search Foundation
Il modo più semplice per accedere a tutti i nostri prodotti. Ricarica i token man mano che procedi.
Ricarica questa chiave API con più token
A seconda della tua posizione, l'addebito potrebbe essere effettuato in USD, EUR o altre valute. Potrebbero essere applicate tasse.
Inserisci la chiave API corretta per ricaricare

Distribuzione locale

Distribuisci i modelli Jina Embeddings in AWS SageMaker e Microsoft Azure, e presto anche nei servizi Google Cloud, oppure contatta il nostro team di vendita per ottenere distribuzioni Kubernetes personalizzate per il tuo cloud privato virtuale e i server locali.
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
Integrazioni API
La nostra API di embedding è integrata nativamente con vari database rinomati, archivi di vettori, framework RAG e LLMOps. Per iniziare, copia e incolla la tua chiave API in una qualsiasi delle integrazioni elencate per un avvio rapido e senza intoppi.
Negozio di vettore
LLMOps
RAG
Osservabilità
MongoDB
DataStax
Qdrant
Pinecone
Chroma
Weaviate
Milvus
Epsilla
MyScale
LlamaIndex
Haystack
Langchain
Dify
SuperDuperDB
DashVector
Portkey
Baseten
TiDB
LanceDB
Carbon

Le nostre pubblicazioni

Scopri come i nostri modelli di ricerca di frontiera sono stati addestrati da zero, dai un'occhiata alle nostre ultime pubblicazioni. Incontra il nostro team presso EMNLP, SIGIR, ICLR, NeurIPS e ICML!
arXiv
settembre 02, 2026
jina-ocr-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards
arXiv
luglio 20, 2026
jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation
SIGIR 2026
maggio 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
SIGIR 2026
febbraio 17, 2026
jina-embeddings-v5-text: Task-Targeted Embedding Distillation
ICLR 2026
gennaio 22, 2026
Embedding Compression via Spherical Coordinates
arXiv
dicembre 29, 2025
Vision Encoders in Vision-Language Models: A Survey
ICLR 2026
dicembre 04, 2025
Jina-VLM: Small Multilingual Vision Language Model
AAAI 2026
ottobre 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
giugno 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
dicembre 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
dicembre 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
settembre 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
SIGIR 2025
settembre 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
giugno 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
maggio 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
febbraio 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
ottobre 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
luglio 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
21 pubblicazioni in totale.

Conoscere gli embeddings

Da dove cominciare con gli embeddings? Ti abbiamo coperto. Scopri di più sugli embeddings con la nostra guida completa.
maggio 12, 2026 • 7 minuti letti
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.
maggio 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 minuti letti
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 minuti letti
Identifying Embedding Models from Raw Numerical Values
A tiny transformer that fingerprints embedding models by reading raw numerical digits. No feature engineering.

Confronto tra Reranker, Ricerca vettoriale e BM25

La tabella seguente fornisce un confronto completo tra Reranker, ricerca di vettori/embeddings e BM25, evidenziandone i punti di forza e di debolezza nelle varie categorie.
RerankerRicerca vettorialeBM25
Ideale perMaggiore precisione e pertinenza della ricercaFiltraggio iniziale rapidoRecupero generale del testo attraverso query ad ampio raggio
GranularitàDettagliato: documento secondario e segmento di queryAmpio: interi documentiIntermedio: vari segmenti di testo
Complessità temporale delle queryAltomedioBasso
Complessità temporale dell'indicizzazioneNon richiestoAltoBasso, utilizza un indice predefinito
Complessità temporale dell'addestramentoAltoAltoNon richiesto
Qualità della ricercaSuperiore per query sfumateIn equilibrio tra efficienza e precisioneCoerente e affidabile per un'ampia gamma di query
Punti di forzaAltamente accurato con una profonda comprensione del contestoVeloce ed efficiente, con una precisione moderataAltamente scalabile, con efficacia consolidata
Prova gratuitamente l'API rerankerProva l'API embedding gratuitamente

Poster L'evoluzione degli embeddings

Scopri il poster ideale per il tuo spazio, con infografiche accattivanti o immagini mozzafiato che tracciano l'evoluzione dei modelli di embedding del testo dal 1950.
Scopri come l'abbiamo realizzato
Acquista una copia cartacea

FAQ

Come posso ottenere la mia chiave API?

Qual è il limite di tariffa?

Limite di velocità
I limiti di velocità vengono monitorati in due modi: RPM (richieste al minuto) e TPM (token al minuto). I limiti vengono applicati per IP/chiave API e vengono attivati al raggiungimento della soglia RPM o TPM. Quando si fornisce una chiave API nell'intestazione della richiesta, i limiti di velocità vengono monitorati per chiave anziché per indirizzo IP.
ProductAPI EndpointDescriptionw/o API Keyw/ Free API Keyw/ Paid API Keyw/ Premium API KeyAverage latencyToken Usage CountingAllowed Request
Reader APIhttps://r.jina.aiConverts a URL to LLM-friendly text20 RPM500 RPM500 RPM5000 RPM7.9sCount the number of tokens in the output response.GET/POST
Reader APIhttps://s.jina.aiSearch the web and convert results to LLM-friendly text100 RPM100 RPM1000 RPM2.5sEvery request costs a fixed number of tokens, starting from 10.000 tokensGET/POST
Embedding APIhttps://api.jina.ai/v1/embeddingsConvert text/images to fixed-length vectors100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depends on the input size
Count the number of tokens in the input request.POST
Reranker APIhttps://api.jina.ai/v1/rerankRank documents by query100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depends on the input size
Count the number of tokens in the input request.POST

Ho bisogno di una licenza commerciale?

Autoverifica della licenza CC BY-NC
Are you using our hosted API, or our official images on Azure, AWS, or GCP?
Domande comuni relative all'API
Domande comuni relative alla fatturazione
Lingua / tema attuale
Search Foundation
Reader
Embeddings
Reranker
Ottieni la chiave API Jina
Limite di velocità
Chi siamo
Notizie
Scarica il logo Jina
Scarica il logo Elastic
Stato dell'API
Elastic © 2026.SicurezzaTermini & CondizioniPrivacyGestisci i cookieNon vendere né condividere le mie informazioni personali
Questo sito web e tutti i contenuti, software, prodotti e servizi ad esso associati sono destinati esclusivamente all'uso professionale. Non è previsto né raccomandato alcun utilizzo da parte dei consumatori.