DeepSearch API
OpenAI のチャット API スキーマと完全に互換性があり、開始するには
api.openai.com を deepsearch.jina.ai に置き換えるだけです。DeepSearch とチャット
シンプルなチャット UI で使い心地を確かめてみてください。DeepSearch は、反復的な推論、世界知識、または最新の情報を必要とする複雑な質問に最適です。
open_in_new
メッセージ
これまでの会話を構成する、ユーザーとアシスタント間のメッセージのリスト。メッセージには画像 (webp、png、jpeg) やファイル (txt、pdf) を追加できます。
画像/文書を添付する
テキスト (.txt、.pdf)、画像 (.png、.webp、.jpeg) など、さまざまなメッセージ タイプ (モダリティ) をサポートします。サポートされるファイルのサイズは最大 10 MB で、データ URI として事前にエンコードされている必要があります。
{
"role": "user",
"content": "hi"
}
upload
リクエスト
curl https://deepsearch.jina.ai/v1/chat/completions \
-H "Content-Type: application/json"\
-H "Authorization: Bearer " \
-d @- <<EOFEOF
{
"model": "jina-deepsearch-v1",
"messages": [
{
"role": "user",
"content": "Hi!"
},
{
"role": "assistant",
"content": "Hi, how can I help you?"
},
{
"role": "user",
"content": "what's the latest blog post from jina ai?"
}
],
"stream": true,
"reasoning_effort": "medium"
}
EOFEOF
download
応答
fiber_manual_record 200 OK
timer
0.0 s
straighten
196,526 トークン
{
"id": "1742181758589",
"object": "chat.completion.chunk",
"created": 1742181758,
"model": "jina-deepsearch-v1",
"system_fingerprint": "fp_1742181758589",
"choices": [
{
"index": 0,
"delta": {
"content": "The latest blog post from Jina AI is titled \"Snippet Selection and URL Ranking in DeepSearch/DeepResearch,\" published on March 12, 2025 [^1]. This post discusses how to improve the quality of DeepSearch by using late-chunking embeddings for snippet selection and rerankers to prioritize URLs before crawling. You can read the full post here: https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch\n\n[^1]: Since our DeepSearch release on February 2nd 2025 we ve discovered two implementation details that greatly improved quality In both cases multilingual embeddings and rerankers are used in an in context manner operating at a much smaller scale than the traditional pre computed indices these models typically require [jina.ai](https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch)",
"type": "text",
"annotations": [
{
"type": "url_citation",
"url_citation": {
"title": "Snippet Selection and URL Ranking in DeepSearch/DeepResearch",
"exactQuote": "Since our DeepSearch release on February 2nd 2025, we've discovered two implementation details that greatly improved quality. In both cases, multilingual embeddings and rerankers are used in an _\"in-context\"_ manner - operating at a much smaller scale than the traditional pre-computed indices these models typically require.",
"url": "https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch",
"dateTime": "2025-03-13 06:48:01"
}
}
]
},
"logprobs": null,
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 169670,
"completion_tokens": 27285,
"total_tokens": 196526
},
"visitedURLs": [
"https://github.com/jina-ai/node-DeepResearch/blob/main/src/utils/url-tools.ts",
"https://huggingface.co/jinaai/jina-embeddings-v3",
"https://github.com/jina-ai/reader",
"https://zilliz.com/blog/training-text-embeddings-with-jina-ai",
"https://threads.net/@unwind_ai/post/DGmhWCVswbe/media",
"https://twitter.com/JinaAI_/status/1899840196507820173",
"https://jina.ai/news?tag=tech-blog",
"https://docs.llamaindex.ai/en/stable/examples/embeddings/jinaai_embeddings",
"https://x.com/jinaai_",
"https://x.com/JinaAI_/status/1899840202358784170",
"https://tracxn.com/d/companies/jina-ai/__IQ81fOnU0FsDpagFjG-LrG0DMWHELqI6znTumZBQF-A/funding-and-investors",
"https://jina.ai/models",
"https://linkedin.com/posts/imohitmayank_jinaai-has-unveiled-the-ultimate-developer-activity-7300401711242711040-VD64",
"https://medium.com/@tossy21/trying-out-jina-ais-node-deepresearch-c5b55d630ea6",
"https://huggingface.co/jinaai/jina-clip-v2",
"https://arxiv.org/abs/2409.10173",
"https://milvus.io/docs/embed-with-jina.md",
"https://seedtable.com/best-startups-in-china",
"https://threads.net/@sung.kim.mw/post/DGhG-J_vREu/jina-ais-a-practical-guide-to-implementing-deepsearchdeepresearchthey-cover-desi",
"https://elastic.co/search-labs/blog/jina-ai-embeddings-rerank-model-open-inference-api",
"http://status.jina.ai/",
"https://apidog.com/blog/recreate-openai-deep-research",
"https://youtube.com/watch?v=QxHE4af5BQE",
"https://sdxcentral.com/articles/news/cisco-engages-businesses-on-ai-strategies-at-greater-bay-area-2025/2025/02",
"https://aws.amazon.com/blogs/machine-learning/build-rag-applications-using-jina-embeddings-v2-on-amazon-sagemaker-jumpstart",
"https://reddit.com/r/perplexity_ai/comments/1ejbdqa/fastest_open_source_ai_search_engine",
"https://search.jina.ai/",
"https://sebastian-petrus.medium.com/build-openais-deep-research-open-source-alternative-4f21aed6d9f0",
"https://medium.com/@elmo92/jina-reader-transforming-web-content-to-feed-llms-d238e827cc27",
"https://openai.com/index/introducing-deep-research",
"https://python.langchain.com/docs/integrations/tools/jina_search",
"https://varindia.com/news/meta-is-in-talks-for-usd200-billion-ai-data-center-project",
"https://varindia.com/news/Mira-Murati%E2%80%99s-new-AI-venture-eyes-$9-billion-valuation",
"https://53ai.com/news/RAG/2025031401342.html",
"https://arxiv.org/abs/2409.04701",
"https://bigdatawire.com/this-just-in/together-ai-raises-305m-series-b-to-power-ai-model-training-and-inference",
"https://github.blog/",
"https://cdn-uploads.huggingface.co/production/uploads/660c3c5c8eec126bfc7aa326/MvwT9enRT7gOESHA_tpRj.jpeg",
"https://cdn-uploads.huggingface.co/production/uploads/660c3c5c8eec126bfc7aa326/JNs_DrpFbr6ok_pSRUK4j.jpeg",
"https://app.dealroom.co/lists/33530",
"https://api-docs.deepseek.com/news/news250120",
"https://sdxcentral.com/articles/news/ninjaone-raises-500-million-valued-at-5-billion/2025/02",
"https://linkedin.com/sharing/share-offsite?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://twitter.com/intent/tweet?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://platform.openai.com/docs/api-reference/chat/create",
"https://mp.weixin.qq.com/s/-pPhHDi2nz8hp5R3Lm_mww",
"https://huggingface.us17.list-manage.com/subscribe?id=9ed45a3ef6&u=7f57e683fa28b51bfc493d048",
"https://automatio.ai/",
"https://sdk.vercel.ai/docs/introduction",
"https://app.eu.vanta.com/jinaai/trust/vz7f4mohp0847aho84lmva",
"https://apply.workable.com/huggingface/j/AF1D4E3FEB",
"https://facebook.com/sharer/sharer.php?u=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://facebook.com/sharer/sharer.php?u=http%3A%2F%2F127.0.0.1%3A3000%2Fen-US%2Fnews%2Fsnippet-selection-and-url-ranking-in-deepsearch-deepresearch%2F",
"https://reddit.com/submit?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://apply.workable.com/huggingface",
"https://news.ycombinator.com/submitlink?u=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://news.ycombinator.com/submitlink?u=http%3A%2F%2F127.0.0.1%3A3000%2Fen-US%2Fnews%2Fsnippet-selection-and-url-ranking-in-deepsearch-deepresearch%2F",
"https://docs.github.com/site-policy/privacy-policies/github-privacy-statement",
"https://discord.jina.ai/",
"https://docs.github.com/site-policy/github-terms/github-terms-of-service",
"https://bigdatawire.com/this-just-in/qumulo-announces-30-million-funding",
"https://x.ai/blog/grok-3",
"https://m-ric-open-deep-research.hf.space/",
"https://youtu.be/sal78ACtGTc?feature=shared&t=52",
"https://mp.weixin.qq.com/s/apnorBj4TZs3-Mo23xUReQ",
"https://perplexity.ai/hub/blog/introducing-perplexity-deep-research",
"https://githubstatus.com/",
"https://github.blog/changelog/2021-09-30-footnotes-now-supported-in-markdown-fields",
"https://openai.com/index/introducing-operator",
"mailto:[email protected]",
"https://resources.github.com/learn/pathways",
"https://status.jina.ai/",
"https://reuters.com/technology/artificial-intelligence/tencents-messaging-app-weixin-launches-beta-testing-with-deepseek-2025-02-16",
"https://scmp.com/tech/big-tech/article/3298981/baidu-adopts-deepseek-ai-models-chasing-tencent-race-embrace-hot-start",
"https://microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks",
"javascript:UC_UI.showSecondLayer();",
"https://resources.github.com/",
"https://storm-project.stanford.edu/research/storm",
"https://blog.google/products/gemini/google-gemini-deep-research",
"https://youtu.be/vrpraFiPUyA",
"https://chat.baidu.com/search?extParamsJson=%7B%22enter_type%22%3A%22ai_explore_home%22%7D&isShowHello=1&pd=csaitab&setype=csaitab&usedModel=%7B%22modelName%22%3A%22DeepSeek-R1%22%7D",
"https://app.dover.com/jobs/jinaai",
"http://localhost:3000/",
"https://docs.cherry-ai.com/",
"https://en.wikipedia.org/wiki/Delayed_gratification",
"https://support.github.com/?tags=dotcom-footer",
"https://docs.jina.ai/",
"https://skills.github.com/",
"https://partner.github.com/",
"https://help.x.com/resources/accessibility",
"https://business.twitter.com/en/help/troubleshooting/how-twitter-ads-work.html",
"https://business.x.com/en/help/troubleshooting/how-twitter-ads-work.html",
"https://support.twitter.com/articles/20170514",
"https://support.x.com/articles/20170514",
"https://t.co/jnxcxPzndy",
"https://t.co/6EtEMa9P05",
"https://help.x.com/using-x/x-supported-browsers",
"https://legal.twitter.com/imprint.html"
],
"readURLs": [
"https://jina.ai/news/a-practical-guide-to-implementing-deepsearch-deepresearch",
"https://github.com/jina-ai/node-DeepResearch",
"https://huggingface.co/blog/open-deep-research",
"https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch",
"https://x.com/jinaai_?lang=en",
"https://jina.ai/news",
"https://x.com/joedevon/status/1896984525210837081",
"https://github.com/jina-ai/node-DeepResearch/blob/main/src/tools/jina-latechunk.ts"
],
"numURLs": 98
}
DeepSearchパラメータガイド
適切なパラメータを設定して最良の結果を得る方法を学びます。
品質管理
DeepSearch には通常、トレードオフが存在します。システムが実行するステップ数が多いほど、結果の品質は向上しますが、消費するトークンも増加します。この品質向上は、より広範かつ網羅的な検索と、より深いリフレクションによって実現されます。DeepSearch の品質は、主に4つのパラメータ、budget_tokens、max_attempts、team_size、reasoning_effort によって制御されます。reasoning_effort パラメータは、基本的に budget_tokens と max_attempts を組み合わせたプリセットで、慎重に調整されています。ほとんどのユーザーにとって、reasoning_effort を調整するのが最も簡単な方法です。
トークン予算
budget_tokens は、DeepSearch プロセス全体で許可されるトークンの最大数を設定します。これは、Web検索、Webページの読み取り、リフレクション、要約、コーディングなど、すべての操作に適用されます。予算が大きいほど、レスポンスの品質は向上します。DeepSearch プロセスは、予算が使い果たされるか、満足のいく回答が見つかるかのいずれか早い方で停止します。予算が先に使い果たされた場合でも回答は得られますが、max_attempts で定義されたすべての品質チェックに合格していないため、最終的な完全に最適化された回答ではない可能性があります。
最大試行回数
max_attempts は、DeepSearch プロセス中にシステムが問題を解くために再試行する回数を決定します。DeepSearch によって回答が生成されるたびに、内部評価器によって定義された特定の品質テストに合格する必要があります。回答がこれらのテストに合格しなかった場合、評価器はフィードバックを提供し、システムはこのフィードバックを使用して、回答の探索と改良を継続します。max_attempts を低く設定しすぎると、結果は早く得られますが、回答がすべての品質チェックに合格しない可能性があるため、品質が低下する可能性があります。高く設定しすぎると、プロセスが無限の再試行ループに陥り、試行と失敗を繰り返すことになります。
システムは、budget_tokens または max_attempts のいずれか早い方を超えた場合、または予算と試行回数が残っている状態で回答がすべてのテストに合格した場合に、最終的な回答を返します。
チームサイズ
team_size は、max_attempts や budget_tokens とはまったく異なる方法で品質に影響します。team_size が 1 より大きい値に設定されている場合、システムは元の問題をサブ問題に分割し、それぞれを個別に調査します。これは、大きなジョブを並列実行される小さなタスクに分割する Map-Reduce パターンに似ています。最終的な回答は、各ワーカーの結果を統合したものになります。これを「team_size」と呼ぶのは、複数のエージェントが同じ問題のさまざまな側面を調査し、最終レポートを共同で作成する研究チームをシミュレートするためです。
すべてのエージェントによるトークン消費は合計 budget_tokens にカウントされますが、各エージェントには独立した max_attempts があることに注意してください。つまり、team_size が大きくても budget_tokens が同じ場合、予算の制約により、エージェントが予想よりも早く回答を返す可能性があります。各エージェントが十分に作業できるリソースを確保するために、team_size と budget_tokens の両方を一緒に増やすことをお勧めします。
最後に、team_size は検索の幅を制御するもの、つまりいくつの異なる側面を調査するかを決定するものと考えることができます。一方、budget_tokens と max_attempts は検索の深さ、つまり各側面をどれだけ徹底的に探索するかを制御します。
情報源制御
DeepSearch は、グラウンディング（情報の取得元となる情報源）に大きく依存しています。品質とは、アルゴリズムの深さや広さだけではありません。DeepSearch が情報を取得する情報源も同様に重要であり、決定的な要素となることがよくあります。これを制御する主要なパラメータを見ていきましょう。
直接回答なし
no_direct_answer は、システムがステップ 1 で回答を返さないようにするシンプルなスイッチです。有効にすると、システムの内部知識の利用が無効になり、常に最初に Web 検索が実行されます。この機能を有効にすると、システムは「今日は何曜日ですか」「お元気ですか」といった簡単な質問や、「アメリカ合衆国の第 40 代大統領は誰ですか」といった基本的な事実知識（これらはモデルのトレーニングデータに確実に含まれています）に対しても「過剰に考え」てしまいます。
ホスト名制御
3 つのパラメータ（boost_hostnames、bad_hostnames、only_hostnames）は、DeepSearch がどのウェブページを優先するか、回避するか、または排他的に使用するかを指定します。これらのメカニズムの仕組みを理解するには、DeepSearch の検索と読み取りのプロセスについて考えてみましょう。
-
検索フェーズ: システムはウェブを検索し、スニペットを含むウェブサイトの URL のリストを取得します。
-
選択フェーズ: システムは実際にアクセスする URL を決定します（時間とコストの制約により、すべての URL にアクセスするわけではありません）。
-
boost_hostnames: ここでリストされているドメインは優先度が高くなり、アクセスされる可能性が高くなります。 -
bad_hostnames: これらのドメインには決してアクセスされません。 -
only_hostnames: 定義された場合、これらのホスト名に一致する URL のみがアクセスされます。
ホスト名パラメータに関する重要な注意事項を以下に示します。まず、システムは常に検索エンジンから返されるスニペットを推論チェーン構築の最初の手がかりとして使用します。これらのホスト名パラメータは、システムがアクセスするウェブページにのみ影響し、検索クエリの作成方法には影響しません。
次に、収集されたURLにonly_hostnamesで指定されたドメインが含まれていない場合、システムはウェブページの読み取りを完全に停止する可能性があります。これらのパラメータは、研究課題に精通しており、潜在的な回答がどこに現れる可能性があるか（または絶対に現れてはいけない場所）を理解している場合にのみ使用することをお勧めします。
特殊なケース：学術研究
学術研究では、検索と閲覧をarxiv.orgに限定したい場合があります。この場合、"search_provider": "arxiv"と設定するだけで、すべてのコンテンツはarxivのみから取得されます。ただし、この制限では一般的な質問や些細な質問に対して有効な回答が得られない可能性があるため、"search_provider": "arxiv"は本格的な学術研究にのみ使用してください。
検索言語コード
search_language_code は、Web リソースに影響を与えるもう 1 つのパラメータです。このパラメータは、元の入力や中間推論ステップに関係なく、特定の言語でクエリを生成するようにシステムに強制します。通常、システムは検索範囲を最大化するためにクエリ言語を自動的に決定しますが、手動で制御することが有用な場合もあります。
言語制御のユースケース
国際市場調査: ローカルブランドや企業の国際市場における影響力を調査する場合、"search_language_code": "en" を指定してクエリを常に英語にすることでグローバルな網羅性を得るか、ローカル言語を使用してより地域に特化した情報を得ることができます。
英語以外のプロンプトによるグローバル調査: エンドユーザーが主にこれらの言語を話すため、入力は常に中国語または日本語であるものの、調査対象がローカルな中国語または日本語のサイトだけでなくグローバルである場合、システムはプロンプトの言語を自動的に優先することがあります。このパラメータを使用すると、より広範な国際的網羅性を得るためにクエリを英語に強制できます。
DeepSearch とチャット
シンプルなチャット UI で使い心地を確かめてみてください。DeepSearch は、反復的な推論、世界知識、または最新の情報を必要とする複雑な質問に最適です。
高速、シンプル、無料の新しい DeepSearch UI をリリースしました。https://search.jina.ai で確認するか、下のボタンをクリックして試してみてください。open_in_new新しいUIにアクセスする
チャットクライアント
最高のエクスペリエンスを得るには、プロフェッショナルなチャットクライアントの使用をお勧めします。DeepSearch は OpenAI の Chat API スキーマと完全に互換性があるため、OpenAI 互換のクライアントであれば簡単に使用できます。
TypingMind
Chatwise
Cherry Studio
Chatbox
LobeChat
NextChat
DeepSearch とは何ですか?
DeepSearch は、Web 検索、読み取り、推論を組み合わせて包括的な調査を実施します。これは、調査タスクを任せるエージェントのようなもので、広範囲に検索し、複数回の反復処理を経て答えを導き出します。
標準的な LLM
attach_money
約 1,000 トークン
access_time
約1秒
check
一般知識の質問への簡単な回答
close
リアルタイムの情報や、トレーニング終了後の情報にはアクセスできない
回答は、期限が決まっている事前トレーニング済みの知識から完全に生成されます。
RAG およびグラウンディングされた LLM
attach_money
約 10,000 トークン
access_time
約3秒
check
最新情報や分野固有の情報を必要とする質問
close
マルチホップ推論を必要とする複雑な問題は苦手
1 回の検索結果を要約して生成される回答
トレーニング終了時点を超えた最新情報にアクセスできる
DeepSearch
attach_money
約 500,000 トークン
access_time
約50秒
check
徹底的な調査と推論を必要とする複雑な問題
info
単純な LLM や RAG の手法よりも時間がかかる
繰り返し検索、読み取り、推論できる自律エージェント
現在の調査結果に基づいて次のアクションを動的に決定する
結果を返す前に回答の質を自己評価する
複数の検索と推論のサイクルを通じてトピックをより深く掘り下げることができる
API価格表
API の価格はトークンの使用量に基づいて決まります。1 つの API キーですべての Search Foundation 製品をご利用いただけます。
Jina Search Foundation API を利用
すべての製品にアクセスする最も簡単な方法。いつでもトークンをリチャージできます。
この API キーにさらにトークンを追加します
リチャージするには正しい API キーを入力してください
レート制限について学ぶ
レート制限とは、1 分間に IP アドレス/API キー (RPM) ごとに API に対して実行できるリクエストの最大数です。各製品およびティアのレート制限の詳細については、以下をご覧ください。
keyboard_arrow_down
code
JinaのすべてのAPIで同じAPIキーを使用できますか？
keyboard_arrow_down
code
API キーのトークンの使用状況を表示できますか?
keyboard_arrow_down
code
API キーを忘れた場合はどうすればよいですか?
keyboard_arrow_down
code
API キーには有効期限がありますか?
keyboard_arrow_down
code
API キー間でトークン残高を転送できますか?
keyboard_arrow_down
code
API キーを破棄してもいいですか?
keyboard_arrow_down
code
一部のモデルの初回リクエストに時間がかかるのはなぜですか?
keyboard_arrow_down
code
私の API データはモデルのトレーニングに使用されましたか?
keyboard_arrow_down
code
Jina API のレート制限は何ですか?
keyboard_arrow_down
code
API にはバッチ サイズの制限がありますか?
keyboard_arrow_down
code
ElasticsearchのJina APIは、Jinaモデルと同じですか？
keyboard_arrow_down
レート制限
レート制限は 3 つの方法で追跡されます: RPM (1 分あたりのリクエスト数)、および TPM (1 分あたりのトークン数)。制限は IP/API キーごとに適用され、RPM または TPM のしきい値のいずれかに先に達した時点でトリガーされます。リクエストヘッダーに API キーを指定すると、IP アドレスではなくキー単位でレート制限が追跡されます。
| 製品 | API エンドポイント | 説明arrow_upward | API キーなしkey_off | 無料 API キーありkey | 有料 API キーありkey | プレミアム API キーありkey | 平均遅延 | トークン使用量のカウント方法 | 許可されるリクエスト | |
|---|---|---|---|---|---|---|---|---|---|---|
| リーダーAPI | https://r.jina.ai | URL を LLM に適したテキストに変換する | 20 RPM | 500 RPM | 500 RPM | trending_up5000 RPM | 7.9s | 出力応答内のトークンの数に基づきます。 | GET/POST | |
| リーダーAPI | https://s.jina.ai | Web を検索し、結果を LLM に適したテキストに変換する | block | 100 RPM | 100 RPM | trending_up1000 RPM | 2.5s | 各リクエストには、10000 トークンから始まる固定数のトークンが必要です。 | GET/POST | |
| Reranker API | https://api.jina.ai/v1/rerank | クエリに基づいてドキュメントをランク付けする | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart 入力サイズに依存 help | 入力リクエスト内のトークンの数に基づきます。 | POST | |
| ベクトルモデルAPI | https://api.jina.ai/v1/embeddings | テキスト/画像を固定長ベクトルに変換する | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart 入力サイズに依存 help | 入力リクエスト内のトークンの数に基づきます。 | POST | |
| 分類子 API | https://api.jina.ai/v1/train | ラベル付きサンプルを使用して分類器をトレーニングする | block | 25 RPM & 25,000 TPM | 125 RPM & 500,000 TPM | 1,250 RPM & 12,000,000 TPM | ssid_chart 入力サイズに依存 | トークン数の計算: input_tokens × num_iters | POST | |
| 分類子 API (ゼロサンプル) | https://api.jina.ai/v1/classify | ゼロショット分類を使用して入力を分類する | block | 25 RPM & 25,000 TPM | 125 RPM & 500,000 TPM | 1,250 RPM & 12,000,000 TPM | ssid_chart 入力サイズに依存 | トークン数の計算: input_tokens + label_tokens | POST | |
| 分類子 API (小さなサンプル) | https://api.jina.ai/v1/classify | トレーニングされた少数ショット分類器を使用して入力を分類する | block | 25 RPM & 25,000 TPM | 125 RPM & 500,000 TPM | 1,250 RPM & 12,000,000 TPM | ssid_chart 入力サイズに依存 | トークン数の計算: input_tokens | POST | |
| セグメンタ API | https://api.jina.ai/v1/segment | 長いテキストをトークン化してセグメント化する | 20 RPM | 200 RPM | 200 RPM | 1,000 RPM | 0.3s | トークンの使用量はカウントされません。 | GET/POST | |
| DeepSearch | https://deepsearch.jina.ai/v1/chat/completions | 推論し、検索し、繰り返して最善の答えを見つける | block | 50 RPM | 50 RPM | 500 RPM | 56.7s | プロセス全体のトークンの総数をカウントします。 | POST |
請求に関するよくある質問
attach_money
API の料金は文の数またはリクエストの数に基づいて課金されますか?
keyboard_arrow_down
attach_money
新規ユーザーは無料トライアルを利用できますか?
keyboard_arrow_down
attach_money
失敗したリクエストに対してトークンは差し引かれますか?
keyboard_arrow_down
attach_money
どのような支払い方法が利用できますか?
keyboard_arrow_down
attach_money
トークンの購入について請求書は発行されますか?
keyboard_arrow_down
attach_money
APIトークンではなく、商用ライセンスを購入するにはどうすればよいですか？
keyboard_arrow_down
attach_money
クレジットカードではなく、請求書または発注書で支払うことはできますか？
keyboard_arrow_down
