営業担当者に問い合わせる

Deep Search は、クエリに対する正確な回答が見つかるか、トークン予算の制限に達するまで、反復的な検索、読み取り、推論を実行する大規模なモデル API です。

OpenAI や Gemini とは異なり、DeepSearch は長い記事を生成するのではなく、反復を通じて正確な回答を提供することに重点を置いています。これは、包括的なレポートを作成するためではなく、ディープ ウェブ検索に対する高速で正確な回答を得るために最適化されています。

Jina API キーが必要です。新しい API キーには 1,000 万個の無料トークンを提供します。

単に諦めたり不完全な答えを返すのではなく、蓄積されたすべての知識に基づいて最終的な答えを生成します。

いいえ。精度を向上させるために反復検索プロセスを使用していますが、評価ではテスト問題の合格率が 75% に達しており、0% のベースライン (gemini-2.0-flash) より大幅に向上していますが、完璧ではありません。

評価データによると、クエリには 1 ～ 42 ステップかかることがあり、平均は 4 ステップです。それは20秒です。単純なクエリはすぐに解決できますが、複雑な調査の質問には複数の反復が必要になり、最大 120 秒かかる場合があります。

はい、deepsearch.jina.ai/v1/chat/completions にある公式の Deep Search API は、モデル名として「jina-deepsearch-v1」を使用して、OpenAI API アーキテクチャと完全に互換性があります。したがって、OpenAI から Deep Search に切り替えて、ローカル クライアントまたは任意の OpenAI 互換クライアントで使用するのは非常に簡単です。シームレスな体験のために Chatwise を強くお勧めします。

レート制限は API キー層によって異なり、10 RPM から 30 RPM の範囲になります。これはクエリを多用するアプリケーションにとって重要です。

ディープ サーチは、思考ステップを XML タグ ... で囲み、OpenAI フロー形式に従いながら、思考の連鎖を表すためにこれらの特別なタグを使用して最終的な答えを提供します。

はい。 Jina Reader は Web ページの検索と読み取りに使用され、システムに Web ページのコンテンツに効率的にアクセスして処理する機能を提供します。

はい、複雑なクエリにおける Deep Search のトークン使用量は、おそらく高く、基本的な大規模モデル応答の 500 トークンと比較して、平均 70,000 トークンです。これは研究の深さを示していますが、コストにも影響します。

このシステムは、ステップ数ではなく、主に単語予算によって制御されます。単語単位の予算を超えると、システムはビースト モードに入り、最終的な回答を生成します。詳細については、reasoning_effort を参照してください。

参照は非常に重要であり、回答が明確であるにもかかわらず参照がない場合、システムは回答を受け入れずに検索を続行します。

はい、しかし多くの調査が必要です。 「2028 年に大統領になるのは誰か」という例は、そのような予測の正確さは保証できないものの、複数の研究の反復を通じて推測的な質問に対処することが可能であることを示しています。

Reader API は無料であり、API キーは必要ありません。 URL の前に「https://r.jina.ai/」を追加するだけです。

Reader API は、プロキシを使用して URL を取得し、そのコンテンツをブラウザーでレンダリングして、高品質のプライマリ コンテンツを抽出します。

はい、リーダー API はオープンソースであり、Jina AI GitHub リポジトリにあります。

Reader API は通常、URL を処理して 2 秒以内にコンテンツを返しますが、複雑なページや動的なページの場合はさらに時間がかかる場合があります。

特に複雑なページや動的なページの場合、スクレイピングは複雑で信頼性が低くなる可能性があります。リーダー API は、簡潔で信頼性が高く、簡潔な、クリーンで大規模なモデル レベルのテキスト出力を提供します。

Reader API は、URL のコンテンツを元の言語で返します。翻訳サービスは提供しておりません。

ブロックの問題が発生した場合は、サポート チームに問い合わせて解決策を求めてください。

Reader API は主に Web ページを対象としており、arXiv などのサイトで HTML で表示される PDF からコンテンツを抽出できますが、一般的な PDF 抽出には最適化されていません。

現在、リーダー API はメディア コンテンツを処理しませんが、将来的には画像のキャプションやビデオの概要などの機能強化が行われる予定です。

いいえ、Reader API は、公的にアクセス可能な URL からのコンテンツのみを処理できます。

5 分以内に同じ URL をリクエストすると、Reader API はキャッシュされたコンテンツを返します。

残念だけど違う。

はい、リーダーでネイティブ PDF サポート (https://r.jina.ai/https://arxiv.org/pdf/2310.19923v4) を使用するか、arXiv で HTML バージョン (https:// r. jina.ai/https://arxiv.org/html/2310.19923v4)

リーダーは指定された URL にあるすべての画像にキャプションを追加し、最初に何もなかった場合は `Image [idx]: [caption]` を alt タグとして追加します。これにより、大規模な下流モデルが推論や要約などのために画像と対話できるようになります。

Reader API は、高度に拡張できるように設計されています。リアルタイムのトラフィックに基づいて自動的に拡張され、同時リクエストの最大数は約 4,000 になりました。当社は、Jina AI のコア製品の 1 つとして積極的に維持しています。したがって、本番環境で自由に使用してください。

最新のレート制限情報は以下の表で確認してください。私たちは Reader API のレート制限とパフォーマンスの改善に積極的に取り組んでおり、それに応じてこの表も更新されることに注意してください。

Reader-LM は、オープン Web からデータを抽出してクリーニングするために設計された新しい小型言語モデル (SLM) です。 Jina Reader からインスピレーションを得て、生のノイズの多い HTML をクリーンなマークダウンに変換します。費用対効果と小型モデルサイズに重点を置いた Reader-LM は、実用的かつ強力です。現在、AWS、Azure、GCP マーケットプレイスで入手できます。特定の要件がある場合は、セールス AT jina.ai までお問い合わせください。

Reranker API の価格は、Embedding API の価格体系と一致しています。新しい API キーごとに 1,000 万個の無料トークンが付属します。無料トークンに加えて、さまざまなパッケージを購入することもできます。詳細については、料金セクションをご覧ください。

jina-reranker-v2-base-multilingual は、bge-reranker-v2-m3 よりも優れたパフォーマンスと、jina よりも優れたスループットを備え、多言語サポートで優れたパフォーマンスを発揮します。 - reranker-v1-base-en は 15 倍高速です。また、エージェントのタスクとコードの取得もサポートします。 jina-colbert-v2 は ColBERTv2 を改良し、検索パフォーマンスを 6.5% 向上させ、89 言語の多言語サポートを追加しました。最適な効率と精度を実現するために、ユーザー制御のベクトル サイズを備えています。

はい、jina-reranker-v2-base-multilingual と jina-colbert-v2 は両方とも CC-BY-NC 4.0 ライセンスの下でオープン ソースです。これらのモデルは、非営利目的で自由に使用、共有、改変することができます。

はい、jina-reranker-v2-base-multilingual と jina-colbert-v2 は両方とも、英語、中国語、その他の主要な世界言語を含む 100 以上の言語をサポートしています。これらは多言語タスク用に最適化されており、以前のモデルよりも優れたパフォーマンスを発揮します。

クエリ トークンの最大長は 512 です。ドキュメントにはトークンの制限はありません。

各クエリでは、最大 2048 個のドキュメントを並べ替えることができます。

ベクター モデル API とは異なり、バッチ サイズの概念はありません。リクエストごとに送信できるクエリ ドキュメント タプルは 1 つだけですが、タプルには最大 2048 個の候補ドキュメントを含めることができます。

待ち時間は、ドキュメントとクエリの長​​さに応じて、100 ミリ秒から 7 秒の範囲です。たとえば、64 語のクエリを使用して 256 個のトークンを持つ 100 個のドキュメントを並べ替えるには、約 150 ミリ秒かかります。ドキュメントの長さを 4096 トークンに増やすと、時間は 3.5 秒に増加します。クエリの長​​さが 512 トークンに増加すると、時間はさらに 7 秒に増加します。

はい、当社のサービスは AWS、Azure、GCP マーケットプレイスで利用できます。特定の要件がある場合は、セールス AT jina.ai までお問い合わせください。

特定のドメインデータに合わせて調整されたリフォーマーに興味がある場合は、当社の営業チームまでお問い合わせください。弊社チームがお客様のお問い合わせに迅速に対応させていただきます。

jina-reranker-m0 モデルで受け入れられる最小画像サイズは 28x28 ピクセルです。

トレーニング プロセス、データ ソース、評価の詳細については、arXiv で入手可能な技術レポートを参照してください。

Jina CLIP jina-clip-v2 は、テキスト-テキスト、テキスト-画像、画像-画像、画像-テキストの検索タスクをサポートする高度なマルチモーダル ベクトル モデルです。テキスト間の検索のパフォーマンスが低かったオリジナルの OpenAI CLIP とは異なり、Jina CLIP はテキスト検索に優れています。 jina-clip-v2 は、テキスト-画像およびテキスト-テキスト検索タスクにおいて jina-clip-v1 よりもパフォーマンスが 3% 向上し、多言語画像検索用に 89 の言語をサポートし、より高解像度の画像 (512x512) を処理し、マトリョーシカ表現によってストレージ要件を削減します。詳細については、弊社の技術レポートをご覧ください。

2024 年 9 月 18 日のリリースの時点で、jina-embeddings-v3 は最高の多言語モデルであり、パラメータ数が 10 億未満のモデルの MTEB 英語リーダーボードで 2 位にランクされています。 v3 は、パフォーマンス上位 30 言語を含む合計 89 言語をサポートしています: アラビア語、ベンガル語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、グルジア語、ドイツ語、ギリシャ語、ヒンディー語、インドネシア語、イタリア語、日本語、韓国語、ラトビア語、ノルウェー語、ポーランド語、ポルトガル語、ルーマニア語、ロシア語、スロバキア語、スペイン語、スウェーデン語、タイ語、トルコ語、ウクライナ語、ウルドゥー語、ベトナム語。詳細については、jina-embeddings-v3 テクニカル レポートを参照してください。

私たちのモデルでは、最大 8192 トークンまでの入力長が許可されており、これは他のほとんどのモデルよりもはるかに長くなります。トークンの範囲は、単一の文字 (「a」など) から単語全体 (「apple」など) までです。入力できる合計文字数は、使用される単語の長さと複雑さによって異なります。この拡張された入力機能により、jina-embeddings-v3 モデルと jina-clip モデルは、特に大量の場合に、より包括的なテキスト分析を実行し、より高いレベルのコンテキスト理解を達成できるようになります。テキストデータのこと。

API 呼び出しは最大 2048 文またはテキストを処理できるため、1 回のリクエストで広範なテキスト分析が容易になります。

API リクエストの input フィールドでは、url または bytes のいずれかを使用できます。 url には、処理する画像の URL を指定します。 bytes の場合、画像を base64 形式でエンコードし、リクエストに含めます。モデルは結果として画像のベクトルを返します。

MTEB 英語、多言語、および LongEmbed ベンチマークの評価では、jina-embeddings-v3 は英語タスクで OpenAI と Cohere の最新独自ベクトル モデルを上回り、すべての多言語で OpenAI と Cohere の最新独自ベクトル モデルを上回りました。 multilingual-e5-large-instruct を超えたタスク。 Matryoshka Representation Learning (MRL) の統合により、デフォルトの出力次元は 1024 ですが、ユーザーはパフォーマンスに影響を与えることなくベクトル次元を 32 に切り捨てることができます。

API エンドポイントは OpenAI の text-embeddings と互換性があるため、移行プロセスはスムーズでした。 -3-large モデルの入力 JSON スキーマと出力 JSON スキーマが一致します。この互換性により、ユーザーは OpenAI エンドポイントを使用するときに、OpenAI モデルを当社のモデルに簡単に置き換えることができます。

トークンは、テキストの長さと画像のサイズに基づいて計算されます。トークンは、リクエスト内のテキストに対して標準的な方法で計算されます。画像の場合は、次の手順に従います。 1. タイルサイズ: 各画像はタイルに分割されます。 jina-clip-v2 の場合、タイルは 512x512 ピクセルですが、jina-clip-v1 の場合、タイルは 224x224 ピクセルです。 2. カバレッジ: 入力画像をカバーするのに必要なタイルの数を計算します。画像のサイズがタイルのサイズで正確に割り切れない場合でも、部分的なタイルは完全なタイルとして扱われます。 3. タイルの総数: 画像を覆うタイルの総数によってコストが決まります。たとえば、600 x 600 ピクセルの画像は、v2 では 2 x 2 タイル (4 タイル) で覆われ、v1 では 3 x 3 タイル (9 タイル) で覆われます。 4. コスト計算: jina-clip-v2 の場合、タイルあたりのコストは 4000 トークンですが、jina-clip-v1 の場合、タイルあたりのコストは 1000 トークンです。 例： サイズが 600 x 600 ピクセルの画像の場合: • jina-clip-v2 を使用する • 画像は 512 x 512 ピクセルのタイルに分割されます。 • 必要なタイルの合計数は、2 (水平) x 2 (垂直) = 4 タイルです。 • jina-clip-v2 のコストは 4*4000 = 16000 トークンです。 • jina-clip-v1 を使用する • 画像は 224 x 224 ピクセルのタイルに分割されます。 • 必要なタイルの合計数は、3 (水平) x 3 (垂直) = 9 タイルです。 • jina-clip-v1 のコストは 9*1000 = 9000 トークンです。

はい、jina-clip-v2 と jina-clip-v1 は画像とテキストをサポートできます。より多くのモダリティのベクトル モデルが近日中に発表される予定です。

特定のデータを使用したモデルの微調整についてご質問がある場合は、要件についてお問い合わせください。私たちのモデルをお客様のニーズに合わせてどのように適応できるかを検討したいと考えています。

はい、当社のサービスは AWS、Azure、GCP マーケットプレイスで利用できます。特定の要件がある場合は、セールス AT jina.ai までお問い合わせください。

ゼロショット分類にはセマンティック ラベルが必要ですが、トレーニング中には必要ありません。一方、少数ショット分類には、トレーニング中にラベルが必要ですが、分類中には必要ありません。これは、柔軟で即時の分類ニーズにはゼロショット分類の方が適しているのに対し、時間の経過とともに進化する可能性がある固定のドメイン固有のカテゴリには少数ショット分類の方が適していることを意味します。

num_iters はトレーニング強度を制御します。値が大きいほど重要な例が強調され、値が小さいほど信頼性の低いデータの影響が最小限に抑えられます。これを使用すると、最近の例をより多くの反復回数で供給することで、時間認識学習を実現でき、進化するデータ パターンにとって価値があります。

classifier_id を持つユーザーは誰でもパブリック分類子を使用し、独自のトークン クォータを消費できます。ユーザーはトレーニング データや設定にアクセスしたり、他の人の分類リクエストを表示したりできないため、安全な分類子の共有が可能になります。

サンプル数が少ない場合、ゼロショット分類を超えるには 200 ～ 400 のトレーニング サンプルが必要です。最終的にはより高い精度が達成されますが、効果的にするにはこのウォームアップ期間が必要です。 Zero-shot は、トレーニング データを必要とせずに、すぐに安定したパフォーマンスを提供します。

はい。API は、jina-embeddings-v3 を使用した多言語クエリと、jina-clip-v1 を使用したマルチモーダル (テキスト/画像) 分類をサポートし、同じリクエストで URL または base64 でエンコードされた画像もサポートします。

ゼロショットは分類子の制限なしで 256 のカテゴリをサポートしますが、フューショットは 16 のカテゴリと 16 の分類子に制限されます。どちらも、リクエストごとに 1,024 個の入力と、入力ごとに 8,192 個のトークンをサポートします。

少数のサンプル パターンにより、変化するデータ パターンに適応するために /train エンドポイントを介した継続的な更新が可能になります。データの分布が変化した場合、分類器全体を再構築することなく、新しい例やカテゴリを段階的に追加できます。

API はワンショットのオンライン学習を使用します。トレーニング サンプルは分類子の重みを更新しますが、その後は保存されません。つまり、過去のトレーニング データを取得することはできませんが、プライバシーとリソース効率は確保されます。

セマンティック ラベルを使用した柔軟な分類が必要な場合は、即座に結果を得るためにサンプルをゼロから開始します。 200 ～ 400 個のサンプルがある場合、より高い精度が必要な場合、またはドメイン固有のデータや時間に敏感なデータを処理する必要がある場合は、少数のサンプルに切り替えます。

はい、テキスト分類 (特に多言語に適しています) には jina-embeddings-v3 を選択し、マルチモーダル分類には jina-clip-v1 を選択できます。新しいモデル (jina-clip-v2 など) は、リリース時に API を通じて自動的に利用可能になります。

スライサーは無料でご利用いただけます。 API キーを提供すると、より高いレート制限にアクセスでき、キーは請求されません。

API キーを使用しない場合は、20 RPM のレート制限でスライサーにアクセスできます。

API キーを使用すると、200 RPM のレート制限でスライサーにアクセスできます。プレミアム有料ユーザーの場合、レート制限は 1000 RPM です。

いいえ、API キーはより高いレート制限にアクセスするためにのみ使用されます。

はい、スライサーは多言語対応で、100 以上の言語をサポートしています。

GET リクエストはテキスト内のトークンの数をカウントするためにのみ使用されるため、これをカウンターとしてアプリケーションに簡単に統合できます。 POST リクエストは、最初と最後の N 個のトークンを返すなど、より多くのパラメーターと機能をサポートします。

リクエストごとに最大 64,000 文字を送信できます。

タイル機能は、共通の構造上の手がかりに基づいて長い文書を小さなチャンクに分割し、テキストが意味のあるチャンクに正確に分割されるようにします。基本的に、これは、意味上の境界 (文末、段落区切り文字、句読点、および特定の接続詞など) と一般に一致する特定の構文上の特徴に基づいてテキストを分割する (大きな!) 正規表現パターンです。それは意味論的な分割ではありません。この (大きな) 正規表現は、正規表現の制限内で可能な限り強力です。複雑さとパフォーマンスのバランスをとります。正規表現は真の意味の理解を達成することはできませんが、共通の構造上の手がかりを通じてコン​​テキストの適切な近似を提供できます。

入力に特別なトークンが含まれている場合、トークナイザーはそれらを「special_tokens」フィールドに格納します。こうすることで、それらを簡単に識別し、下流のタスクに応じて処理することができます。たとえば、インジェクション攻撃を防ぐために、テキストを大規模なモデルに取り込む前にそれらを削除するなどです。

チャンキング技術は、西洋言語に加えて、中国語、日本語、韓国語でも機能します。

この機能は現在ベータ版であり、微調整されたモデルごとに 100 万トークンかかります。 Embedding/Reranker API に十分なトークンがある場合は、既存の API キーを使用することも、1,000 万個の無料トークンを含む新しい API キーを作成することもできます。

トレーニング データを提供する必要はありません。ターゲット ドメイン (微調整されたベクトル モデルを最適化するドメイン) を自然言語で記述するか、URL を参照として使用するだけで、システムがモデルをトレーニングするための合成データを生成します。

約30分。

微調整されたモデルと合成データは、Hugging Face Model Center に公的に保存されます。

システムは Reader API を使用して URL からコンテンツを取得します。次に、コンテンツを分析してトーンとドメインを要約し、合成データを生成するためのガイドラインとして使用しました。したがって、URL はパブリックにアクセス可能であり、ターゲット ドメインを表す必要があります。

はい、英語以外の言語向けにモデルを微調整できます。システムはドメイン命令の言語を自動的に検出し、それに応じて合成データを生成します。また、ターゲット言語に適切な基本モデルを選択することをお勧めします。たとえば、ドイツ語ドメインをターゲットとする場合は、「jina-embeddings-v2-base-de」をベース モデルとして選択する必要があります。

いいえ、微調整 API は Jina v2 モデルのみをサポートしています。

微調整プロセスの最後に、保持されたテスト セットを使用してモデルが評価され、パフォーマンス メトリックが報告されます。このテスト セットの前後のパフォーマンスの詳細を記載した電子メールが届きます。また、品質を保証するために、独自のテスト セットでモデルを評価することをお勧めします。

システムは、ユーザーが提供するターゲット ドメインの指示と大規模なモデル エージェントからの推論を組み合わせて、合成データを生成します。高品質のベクトルベースのモデルをトレーニングするために不可欠な、難しいトリプレットを生成します。詳細については、Arxiv で公開予定の研究論文をご覧ください。

今は何もありません。この機能はまだベータ版であることに注意してください。微調整されたモデルと合成データを Hugging Face Model Center に公開して保存することは、私たちとコミュニティがトレーニングの品質を評価するのに役立ちます。将来的には、プライベート ストレージ オプションも提供する予定です。

すべての微調整されたモデルはすでに Hugging Face にアップロードされているため、SentenceTransformers を通じてモデル名を指定するだけでモデルにアクセスできます。

スパムフォルダを確認してください。それでも見つからない場合は、指定した電子メール アドレスを使用してサポート チームにお問い合わせください。

はい、同じ API キーが Jina AI のすべての検索ベース製品で機能します。これには、Reader、Embedding、Reranger、Classifier、Fine-Tune Model API が含まれており、すべてのサービス間でトークンが共有されます。

はい、[キーと請求] タブに API キーを入力すると、最近のトークン使用量と残りのトークン残高を表示できます。 API キー コントロール パネルにサインインしている場合は、[API キーの管理] タブでこれらの詳細を表示することもできます。

リチャージ キーを紛失し、再取得したい場合は、登録した電子メールを使用してサポート AT jina.ai までご連絡ください。安全に保管し、API キーに簡単にアクセスできるように、ログインすることをお勧めします。

いいえ、API キーには有効期限がありません。ただし、キーが侵害された疑いがあり、キーを非アクティブ化したい場合は、弊社のサポート チームにご連絡ください。 API キー コントロール パネルでキーを自己破壊することもできます。

はい、残りの有料トークン残高をあるプレミアム キーから別のプレミアム キーに移すことができます。 API キー コントロール パネルでアカウントにログインした後、キー転送の設定インターフェースに移動します。残りのすべての支払い済みトークン残高。

はい、API キーが侵害されたと思われる場合は、破棄できます。キーを破棄すると、そのキーを保存しているすべてのユーザーに対してキーが即座に無効になり、残りのトークン残高と関連資産はすべて永久に利用できなくなります。プレミアム キーをお持ちの場合は、それを書き込む前に、残りの支払い済みトークンの残高を別のキーに転送することを選択できます。この操作は元に戻すことができないことに注意してください。キーを破棄するには、API キー ダッシュボードのキー設定に移動します。

これは、使用率が低い場合、サーバーレス アーキテクチャが特定のモデルをオフロードするためです。最初のリクエストではモデルがアクティブ化または「ウォームアップ」されますが、これには数秒かかる場合があります。最初のアクティベーションの後、後続のリクエストははるかに高速に処理されます。

当社は厳格なプライバシー ポリシーを遵守しており、モデルのトレーニングにユーザー入力データを使用しません。また、SOC 2 Type I および Type II にも準拠しており、高水準のセキュリティとプライバシーを保証します。

当社の価格モデルは処理されるトークンの総数に基づいており、ユーザーはこれらのトークンを任意の数の文に柔軟に割り当てることができ、さまざまなテキスト分析ニーズに費用対効果の高いソリューションを提供します。

新規ユーザーには無料トライアルを提供しており、これには自動生成された API キーを介して引き換えられる、当社のどのモデルでも使用できる 1,000 万トークンが含まれています。無料トークンを使い切ったら、ユーザーは「トークンを購入」タブから API キーで使用するための追加トークンを簡単に購入できます。

いいえ、失敗したリクエストに対してトークンは差し引かれません。

支払いは Stripe を通じて処理され、クレジット カード、Google Pay、PayPal などの複数の支払い方法がサポートされているため、便利です。

はい、トークンを購入すると、Stripe アカウントに関連付けられた電子メール アドレスに請求書が送信されます。