Elastic
Jina AI
モデル
API
keyboard_arrow_down
Reader
任意の URL を Markdown に変換し、LLM のグラウンディングを向上させます。
Embeddings
マルチモーダルかつ多言語の埋め込み。
Reranker
検索エンジンのランキングを再調整して、検索関連性を最大化する。
MCP
terminal
コマンドライン
article
llms.txt
smart_toy
エージェント
data_object
スキーマ
menu_book
ドキュメント
ログイン
login

Embeddings

検索、RAG、エージェントアプリケーション向けの最先端のマルチモーダルな多言語ロングコンテキストベクトルモデル。

ベクトルモデルAPI

検索システムと RAG システムを改善するために、当社の埋め込みモデルをお試しください。無料トライアルから始められます！
key鍵と請求
code使用量
more_horizもっと
chevron_leftchevron_right
home
speedレート制限
bug_reportIssue を作成
help_outlineよくある質問
ステータス
chevron_leftchevron_right
upload
リクエスト
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": [
    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。"
    + 入力を追加
  ]
}
EOFEOF

v5-omni: すべてを 1 つの embedding で

テキスト、画像、音声、動画 — 1 つの共有 embedding 空間、2 つのサイズ。v5-omni-small（1.6B）は、20 億パラメータ未満のオープンウェイト omni モデルの中で最高のパフォーマンスを発揮します。v5-omni-nano（0.9B）は、10 億未満のパラメータで競争力のある検索性能を提供します。どちらも v5-text とバイト単位で互換性があり、再インデックスは不要です。
リリースノートを読むarrow_forward

v5-text: 新しい SOTA の小型多言語 embeddings

jina-embeddings-v5-textは、2つの効率的なサイズ（677Mの小型モデルと239Mのナノスケールモデル）で第5世代のベクトル品質を提供し、タスク固有のLoRAアダプタ、Matryoshka 次元、32Kコンテキスト、エッジ展開のためのGGUF/MLX量子化により、MMTEB、MTEB英語、および検索タスクにおいて新たなベンチマークを確立します。
リリースノートを読むarrow_forward

2つの購入方法

弊社の API をサブスクライブするか、クラウドサービスプロバイダーを通じて購入してください。
radio_button_unchecked
cloud
3 のクラウドサービスプロバイダーと連携します
AWS または Azure をご利用ですか？当社のモデルを自社のクラウドプラットフォームに直接デプロイし、CSP アカウント経由で請求を処理できます。
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
radio_button_checked
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
お住まいの地域によっては、米ドル、ユーロ、またはその他の通貨で請求される場合があります。税金が適用される場合があります。
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
レート制限
レート制限は 2 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_upwardAPI 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平均レイテンシトークン使用量のカウント方法許可されるリクエスト
Reader APIhttps://r.jina.aiURL を LLM に適したテキストに変換する20 RPM500 RPM500 RPMtrending_up5000 RPM7.9s出力応答内のトークンの数に基づきます。GET/POST
Reader APIhttps://s.jina.aiWeb を検索し、結果を LLM に適したテキストに変換するblock100 RPM100 RPMtrending_up1000 RPM2.5s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 APIhttps://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block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_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APIhttps://api.jina.ai/v1/embeddingsテキスト/画像を固定長ベクトルに変換するblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_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

オンプレミス展開

Jina Embeddings モデルを AWS SageMaker と Microsoft Azure にデプロイし、まもなく Google Cloud サービスにもデプロイするか、当社の営業チームに問い合わせて、仮想プライベートクラウドとオンプレミスサーバー用のカスタム Kubernetes デプロイメントを入手してください。
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
API統合
当社のベクターモデル API は、一般的なデータベース、ベクターデータベース、RAG および LLMOps フレームワークで簡単に使用できます。開始するには、API キーを以下の統合のいずれかにコピーするだけで、モデルをすぐに使用できます。
ベクトルストア
LLMOps
RAG
可観測性
open_in_new
MongoDB
open_in_new
DataStax
open_in_new
Qdrant
open_in_new
Pinecone
open_in_new
Chroma
open_in_new
Weaviate
open_in_new
Milvus
open_in_new
Epsilla
open_in_new
MyScale
open_in_new
LlamaIndex
open_in_new
Haystack
open_in_new
Langchain
open_in_new
Dify
open_in_new
SuperDuperDB
open_in_new
DashVector
open_in_new
Portkey
open_in_new
Baseten
open_in_new
TiDB
open_in_new
LanceDB
open_in_new
Carbon

私たちの論文

最先端の検索モデルをゼロからどう訓練したか、最新の研究成果もご紹介します。EMNLP、SIGIR、ICLR、NeurIPS、ICML では、当社チームにお立ち会いください！
arXiv
7月 20, 2026
jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation
SIGIR 2026
5月 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
SIGIR 2026
2月 17, 2026
jina-embeddings-v5-text: Task-Targeted Embedding Distillation
ICLR 2026
1月 22, 2026
Embedding Compression via Spherical Coordinates
arXiv
12月 29, 2025
Vision Encoders in Vision-Language Models: A Survey
ICLR 2026
12月 04, 2025
Jina-VLM: Small Multilingual Vision Language Model
AAAI 2026
10月 01, 2025
jina-reranker-v3: Last but Not Late Interaction for Document Reranking
NeurIPS 2025
8月 31, 2025
Efficient Code Embeddings from Code Generation Models
EMNLP 2025
6月 24, 2025
jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
ICLR 2025
3月 04, 2025
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
ACL 2025
12月 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
12月 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
9月 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
SIGIR 2025
9月 07, 2024
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
EMNLP 2024
8月 30, 2024
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
WWW 2025
6月 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
5月 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
2月 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
10月 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
7月 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
合計で 20 件の論文があります。

ベクトルモデルの学習

ベクトルとは何ですか？なぜベクトル化する必要があるのですか？始めるための記事がいくつかあります。包括的なガイドでベクトルモデルについて基礎から学びましょう。
5月 12, 2026 • 7 読む時間
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.
Han Xiao
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
5月 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.
Abstract illustration of a sound wave or heartbeat, formed by blue, orange, and gray dots on a white background.
3月 11, 2026 • 7 読む時間
Bootstrapping Audio Embeddings from Multimodal LLMs
Turn any multimodal LLM into a small audio embedding model that beats CLAP with 25x less data.
Han Xiao
Fingerprint illustration made from numbers, showcasing digital and high-tech design on a light background.
3月 06, 2026 • 6 読む時間
Identifying Embedding Models from Raw Numerical Values
A tiny transformer that fingerprints embedding models by reading raw numerical digits. No feature engineering.
Han Xiao

Reranker、ベクトル検索、BM25 の比較

以下の表は、Reranker、ベクトル/埋め込み検索、BM25 の包括的な比較を示し、各カテゴリにおける長所と短所を示しています。
Rerankerベクトル検索BM25
最適な用途検索の精度と関連性の向上初期の迅速なフィルタリング幅広いクエリにわたる一般的なテキスト検索
粒度詳細：サブドキュメントとクエリセグメント広範囲：文書全体中程度：さまざまなテキストセグメント
クエリ時間の複雑さ高い中程度低い
インデックス作成時間の複雑さ不要高い低い、事前に構築されたインデックスを利用する
トレーニング時間の複雑さ高い高い不要
検索品質より詳細な問い合わせに最適効率と精度のバランス幅広いクエリに対する一貫性と信頼性
強み深い文脈理解による高精度中程度の精度で高速かつ効率的確立された機能で拡張性が高い
Reranker API を無料で試すEmbedding API を無料で試す

ベクトルモデルの進化ポスター

当社の丁寧に作られたポスターをオフィススペースやリビングルームに飾って、1950 年以来のテキストベクターモデルの進化と進化から次のインスピレーションを見つけてください。
ポスターを知る
shopping_cartポスターを購入する

よくある質問

Jina 埋め込みモデルはどのようにトレーニングされますか？
keyboard_arrow_down
トレーニングプロセス、データソース、評価に関する詳細については、arXiv の技術レポートを参照してください。jina-embeddings-v5 テキストモデルのトレーニングは 2 つのフェーズに分かれています。まず、より大きな教師モデルから埋め込みベクトルを抽出し、次に、固定されたバックボーンの重みに基づいてタスク固有の LoRA アダプタをトレーニングします。v5-omni マルチモーダル版では、3 番目のフェーズが追加され、テキストのバックボーンとアダプタは固定されたまま、クロスモーダルプロジェクターのみがトレーニングされます。
launcharXiv
マルチモーダルベクトルモデルにはどのようなものがありますか？
keyboard_arrow_down
jina-embeddings-v5-omni-small（約17億4000万パラメータ、1024次元、32K のコンテキスト）とjina-embeddings-v5-omni-nano（約10億4000万パラメータ、768次元、8K のコンテキスト）は、現在利用可能なマルチモーダルモデルです。これらは、テキスト、画像、音声、動画、PDFファイルを共通のベクトル空間で受け入れるため、あるモダリティでインデックスを作成し、別のモダリティで再インデックスすることなくクエリを実行できます。プレーンテキスト出力は、それぞれjina-embeddings-v5-text-smallとjina-embeddings-v5-text-nanoと同じなので、再埋め込みすることなく、既存のテキストインデックスにマルチモーダル入力を追加できます。より軽量なテキストおよび画像オプションとして、jina-clip-v2（8億6500万パラメータ）も引き続き利用可能です。
launcharXiv
あなたのモデルはどの言語をサポートしていますか？
keyboard_arrow_down
2024年以降にリリースされたすべてのモデルは、複数の言語に対応しています。jina-embeddings-v5-text-smallとv5-omniモデルはQwen3を基盤として構築されており、広範囲な多言語に対応しています。jina-embeddings-v5-text-nanoはEuroBERT-210Mを基盤として構築されており、英語、フランス語、ドイツ語、スペイン語、中国語、日本語、アラビア語、ヒンディー語を含む15の主要なヨーロッパ言語および世界言語に対応しています。jina-embeddings-v3とjina-clip-v2は89言語に対応しています。各言語のベンチマークデータについては、各モデルの技術レポートにあるMMTEBの結果を参照してください。
launcharXiv
単一入力におけるコンテキストの最大長はどれくらいですか？
keyboard_arrow_down
コンテキストの長さはモデルによって異なります。jina-embeddings-v5-text-small と jina-embeddings-v5-omni-small は最大 32,768 トークンをサポートし、jina-embeddings-v5-text-nano と jina-embeddings-v5-omni-nano は 8,192 トークンをサポートします。jina-embeddings-v4 と jina-code-embeddings モデルは 32,768 トークンをサポートし、jina-embeddings-v3、jina-clip-v2、および jina-colbert-v2 は 8,192 トークンをサポートします。truncate: true が設定されていない限り、制限を超える入力はエラーを返します。
1つのリクエストに含めることができる入力の最大数はいくつですか？
keyboard_arrow_down
各リクエストに含めることができるアイテム数に厳密な制限はありません。APIは内部的にトークン数に基づいて入力をバッチ処理し、GPUの利用効率を最適化するため、1つのリクエストで任意の数のテキストや画像を送信できます。ただし、PDFファイルは例外で、1つのリクエストにつき1つのPDFファイルのみ送信可能です。
画像、音声、動画、またはPDFファイルをマルチモーダルモデルに送信するにはどうすればよいですか？
keyboard_arrow_down
image、audio、video、またはpdfキーを使用して、型指定されたオブジェクトをinput配列に渡します。このキーの値は、公開URLまたはbase64エンコードされたバイト列です。モデルは、各モダリティのデータを適切なエンコーダにルーティングし、単一のバッチ内で異なるモダリティを自由に組み合わせることができます。サポートされているオーディオ形式は、WAV、MP3、FLAC、OGG、M4A、およびOpusです。ビデオは、毎秒32フレームの均一サンプリングで処理されます。PDF はリクエストごとに 1 個まで送信してください。
Jinaの埋め込みモデルは、最新のOpenAI、Cohere、Voyageのモデルと比べてどうでしょうか？
keyboard_arrow_down
jina-embeddings-v5-text-small (6億7,700万個のパラメータ) は、10億個未満のパラメータで MMTEB データセットにおいて最高のパフォーマンスを発揮するモデルであり、タスクレベルの平均スコアは 67.0、英語の MTEB データセットではさらに高い平均スコア 71.7 を達成しています。jina-embeddings-v5-text-nano (2億3,900万個のパラメータ) は、MMTEB データセットで 65.5 のスコアを獲得し、5億個未満のパラメータで評価したすべてのモデルを上回っています。私たちの設計目標は、パラメータの総数ではなく、パラメータあたりのパフォーマンスです。そのため、これらのモデルは、ほとんどの代替案よりも低い導入コストで同等以上の検索品質を提供します。すべての v5 モデルは、Matryoshka 表現学習をサポートしており、再学習なしで次元を 32 に切り詰めることができます。
OpenAI の text-embedding-3-large から Jina Embeddings モデルに移行するにはどうすればよいですか？
keyboard_arrow_down
移行プロセスは非常に簡単です。弊社のAPIエンドポイントはOpenAIの入力および出力JSONスキーマ（text-embedding-3-large）と一致するため、ほとんどのコードベースでは、ベースURL、APIキー、およびモデル名を変更するだけで済みます。これはJina On-Prem コンテナにも当てはまり、Elastic Inference Service（EIS）、Cohere、Voyage AI、およびGeminiのスキーマも公開されるため、Jinaモデルを既存のコードパス内のモデルと直接置き換えることができます。異なるモデルファミリーからの埋め込みベクトルは比較できないため、両方のプロバイダーからのベクトルを単一のインデックスに混在させるのではなく、コーパスを再埋め込みする必要があることに注意してください。Jina On-Prem コンテナ自体の詳細については、Elastic Salesまでお問い合わせください。
画像やその他の非テキスト入力のトークンを計算する方法は？
keyboard_arrow_down
テキストは標準的な方法でカウントされます。非テキスト入力は対応するエンコーダーによってトークンに変換されますが、そのコストは使用するモデルに大きく依存するため、仮定に基づいて計算するのではなく、ご自身の入力データを用いて測定してください。参考までに、600x600ピクセルの画像のコストは概算で以下のとおりです。 • jina-embeddings-v5-omni-small: 約363トークン • jina-embeddings-v5-omni-nano: 約362トークン • jina-embeddings-v4: 約4,840トークン • jina-clip-v2: 約16,000トークン v5-omniモデルは、旧モデルに比べて画像あたりのコストが1～2桁低くなっています。各レスポンスには、そのリクエストの正確なトークン数を示すusageオブジェクトが含まれており、マルチモーダル入力の場合はimage_tokensの内訳も含まれているため、各呼び出しのコストを確認できます。
画像、音声、または動画を埋め込むためのモデルを提供していますか？
keyboard_arrow_down
はい。jina-embeddings-v5-omni-smallとjina-embeddings-v5-omni-nanoは、テキスト、画像、音声、動画、PDFを同じ共有ベクター空間に埋め込みます。jina-embeddings-v4とjina-clip-v2は、テキストと画像を扱います。
Jinaの埋め込みモデルは、個人データや企業データで微調整できますか？
keyboard_arrow_down
アプローチは2つあります。セルフサービス方式では、FineTuning APIを使用します。このAPIは、ドメインの説明に基づいて合成トレーニングデータを生成し、ラベル付きデータセットを自分で構築することなく、ファインチューニングされたモデルを返します。独自のデータ、専用インフラストラクチャ、または基本モデルセレクタに含まれていないモデルでファインチューニングが必要な場合は、商用契約に応じて、Elastic Salesまでお問い合わせください。この作業は、範囲と契約に関してElasticが担当します。
お問い合わせ
モデルをプライベートサーバーでホストすることは可能ですか？例えば、自分のインフラストラクチャやクラウドアカウントでホストすることはできますか？
keyboard_arrow_down
はい、2つのオプションがあります。JinaモデルはAWS、Azure、GCP Marketplaceで利用できるため、独自のクラウドアカウントにデプロイできます。自己管理型のオンプレミスまたは物理的に隔離されたインフラストラクチャ向けに、Elasticは2026年8月10日から有効なJina On-Premという商用ライセンスを提供しています。このライセンスでは、モデルは完全にオフラインのDockerコンテナとして提供され、外部呼び出しやライセンスサーバーは不要です。お見積もりについては、Elastic Salesまでお問い合わせください。
launchAWS SageMakerlaunchGoogle CloudlaunchMicrosoft Azure
「タスク」パラメータとは何ですか？どのような状況で使用すればよいですか？
keyboard_arrow_down
task パラメータは、最適な結果を得るために、特定のタスクに適した LoRA アダプタを選択します。retrieval.query は検索のクエリ側に、retrieval.passage はドキュメント側に、text-matching は対称的な類似性 （重複排除や書き換え検出など） に、classification は分類に、separation はクラスタリングに使用されます。検索は非対称です。クエリ側とドキュメント側を逆にすると、パフォーマンスが大幅に低下します。このパラメータをサポートするモデルには、jina-embeddings-v5、jina-embeddings-v4、jina-embeddings-v3 があります。
レイテインタラクション検索とは何ですか？どのモデルがこれをサポートしていますか？
keyboard_arrow_down
レイテインタラクションでは、文書を単一のベクトルにマージするのではなく、トークンレベルのベクトルを保持します。これによりインデックスサイズは大きくなりますが、より詳細な情報が保持されます。jina-embeddings-v4は、output_typeパラメータを介して、密な（単一ベクトル）出力とレイテインタラクション（複数ベクトル）出力の両方をサポートしていますが、jina-colbert-v2はレイテインタラクション専用のモデルです。ほとんどの検索プロセスでは、密なv5モデルとそれに続くリランカーを使用することで、精度とコストのバランスが向上します。
遅延チャンキングとは何ですか？どのような状況で使用すればよいですか？
keyboard_arrow_down
遅延チャンキングでは、まず長いコンテキストモデルを使用してドキュメント全体を埋め込み、次に語彙レベルの表現からチャンク埋め込みを導出します。各チャンクを個別に埋め込む単純なチャンキングとは異なり、遅延チャンキングはチャンク間のコンテキストを保持するため、チャンクがドキュメント内で以前に定義されたコンテンツを参照するRAGパイプラインでの検索品質が向上します。この機能は、late_chunkingパラメータを使用して有効にできます。
APIによって強制されるコンテキスト長が、モデルによってサポートされるコンテキスト長と異なるのはなぜですか？
keyboard_arrow_down
一部のモデルは、管理APIが処理できるよりも長いコンテキストをアーキテクチャ的に処理できます。非常に長いシーケンスは大量のGPUメモリを消費する可能性があるため、ほとんどのユースケースでは、スループット、レイテンシ、およびコストのバランスを取るようにサービス構成を調整しています。完全なアーキテクチャコンテキスト長が必要な場合は、モデルを自分で実行してください。セルフマネージド（自社管理）デプロイについては、Elastic Salesまでお問い合わせください。
jina-embeddings-v4 は無料なのになぜこんなに遅いのでしょうか？
keyboard_arrow_down
jina-embeddings-v4は、Qwen Research Licenseに基づいてリリースされているQwen2-VLベースモデルをベースに構築されており、研究および非商用利用のみを目的としています。そのため、商用ライセンスは提供しておらず、API経由で無償で提供しています。また、38億パラメータのモデルのため、リクエストあたりの処理速度が遅く、インフラストラクチャコストを抑えるためにスループットを制限しています。本番環境のワークロードには適していないため、Elastic Inference ServiceやJina On-Premでは提供していません。本番環境では、jina-embeddings-v5シリーズをご利用ください。こちらは処理速度が速く、ベンチマーク結果も良好で、Elastic Salesを通じて商用ライセンスも取得可能です。
Embeddings API のレート制限は何ですか？
keyboard_arrow_down
レート制限は、API キーの種類によって異なります。

無料： 100 RPM、100K TPM
有料： 500 RPM、2M TPM
プレミアム： 5,000 RPM、5,0M TPM

不正利用を防ぐため、60 秒ごとに 10,000 リクエストという追加の IP 制限があります。制限はキーごとに適用され、60 秒のウィンドウ内で計算されるため、リクエストのバーストはキューに格納されるのではなく、平滑化されます。制限を超えるリクエストは HTTP 429 エラーを返し、指数バックオフアルゴリズムを使用して再試行する必要があります。プレミアムレベルを超える制限、または共有テナント制限のない専用容量が必要な場合は、Elastic Sales までお問い合わせください。
どの埋め込みモデルを選択すべきでしょうか？
keyboard_arrow_down
テキスト検索には、まず jina-embeddings-v5-text-small を使用することをお勧めします。これは、10 億パラメータ未満のモデルの中で最も強力なモデルであり、32K のコンテキストを処理できます。レイテンシ、コスト、またはエッジハードウェアが精度よりも重要な場合は、jina-embeddings-v5-text-nano を使用してください。画像、音声、ビデオ、または PDF を処理する場合は、jina-embeddings-v5-omni-small または v5-omni-nano を使用してください。これらのテキスト出力は対応するテキストモデルとまったく同じなので、再埋め込みせずにこれらのモダリティを既存のインデックスに追加できます。ソースコードの場合は、jina-code-embeddings-0.5b または 1.5b を使用してください。同じシリーズ内では、バージョンが新しいほど優れています。
画像や PDF ファイルのサイズ制限は何ですか？
keyboard_arrow_down
画像ファイルの最大サイズは5MB、PDFファイルの最大サイズは8MBです。これらの制限を超えるファイルは拒否され、エラーメッセージが表示されます。

API キーを取得するにはどうすればよいですか？

video_not_supported

レート制限とは何ですか？

レート制限
レート制限は 2 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_upwardAPI 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平均レイテンシトークン使用量のカウント方法許可されるリクエスト
Reader APIhttps://r.jina.aiURL を LLM に適したテキストに変換する20 RPM500 RPM500 RPMtrending_up5000 RPM7.9s出力応答内のトークンの数に基づきます。GET/POST
Reader APIhttps://s.jina.aiWeb を検索し、結果を LLM に適したテキストに変換するblock100 RPM100 RPMtrending_up1000 RPM2.5s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 APIhttps://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block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_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APIhttps://api.jina.ai/v1/embeddingsテキスト/画像を固定長ベクトルに変換するblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_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

商用ライセンスは必要ですか？

CC BY-NCライセンスの自己チェック
play_arrow
弊社のマネージドAPIをご利用ですか、それともAzure、AWS、GCP上の公式ミラーをご利用ですか？
play_arrow
はい
別途ライセンスを購入する必要はありません。商用利用は利用規約に含まれています。このウェブサイトまたはクラウドマーケットプレイスから登録と支払いを行ってください。
play_arrow
いいえ
play_arrow
自社製品やサービス向けに、独自のモデル重量を設定していますか？
play_arrow
いいえ
ライセンスの購入は不要です。当社がモデルを公開する際に使用するすべてのライセンスにおいて、ダウンロード、評価、ベンチマーク、および研究目的での利用が許可されています。ただし、出典を明記する必要があります。
play_arrow
はい
play_arrow
このモデルはどのようなライセンス契約を使用していますか？Hugging Faceのモデルページに明記されています。
play_arrow
Apache 2.0
Apache 2.0では、ライセンスなしで商用利用が可能です。以前のv1およびv2モデルでは、このライセンスを使用していました。
play_arrow
CC BY-NC 4.0
商用ライセンスが必要です。Elasticは2026年8月10日以降、Jinaモデルの商用ライセンスをJina On-PremというスタンドアロンSKUとして販売しています。これは、セルフホスト型、オンプレミス型、および物理的に隔離された（エアギャップ）デプロイメントに対応しており、Elasticsearchのサブスクリプションは不要です。
既に Elastic の顧客の方は、アカウントチームが既存の契約にこれを追加できます。
Elastic Sales にお問い合わせください
play_arrow
Qwen研究ライセンス
研究用ライセンスは商用利用を一切許可しておらず、他のモデル向けに提供している商用ライセンスの対象外です。このモデルには商用オプションはなく、セルフホスティングやAPIアクセスはサポートされていません。他の2つのライセンスオプションのいずれかをご利用ください。
API関連のFAQ
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
はい。1 つの API キーは Jina AI の検索基盤製品すべてで有効です。Reader、Embeddings、Reranker、Classifier、Segmenter API も含め、トークンはすべて共有されます。
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
はい、[API Key & Billing] タブに API キーを入力すると、トークンの使用状況を確認でき、最近の使用履歴と残りのトークンを表示できます。API ダッシュボードにログインしている場合は、[Manage API Key] タブでもこれらの詳細を確認できます。
code
API キーを忘れた場合はどうすればよいですか？
keyboard_arrow_down
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。
お問い合わせ
code
API キーには有効期限がありますか？
keyboard_arrow_down
いいえ、APIキーに有効期限はありません。キーが侵害された場合は、APIキー管理パネルでご自身でキーを失効させてください。失効は即座に有効になります。サービスの中断を避けるため、まず代替キーを申請することもできます。残りのトークン残高はアカウントに残り、失効したキーとともに失われることはありません。管理パネルにアクセスできない場合、またはアカウントが侵害された疑いがある場合は、Elasticサポートにお問い合わせください。
お問い合わせ
code
API キー間でトークン残高を転送できますか？
keyboard_arrow_down
はい、プレミアムキーから別のキーへトークンを移すことができます。API キー管理ダッシュボードでアカウントにログインした後、移転元にしたいキーの設定から、残りの有料トークンをすべて移動してください。
code
API キーを破棄してもいいですか？
keyboard_arrow_down
はい、API キーが漏洩したと思われる場合は取り消すことができます。キーを取り消すと、そのキーを保存しているすべてのユーザーに対して即座に無効となり、残りの残高と関連する属性はすべて永久に利用できなくなります。プレミアムキーの場合は、取り消す前に残りの有料残高を別のキーに移すこともできます。この操作は元に戻せないことにご注意ください。キーを取り消すには、API キー管理ダッシュボードのキー設定に移動してください。
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
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。
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
いいえ。当社は、APIリクエスト、入力、出力を、当社の埋め込みモデル、リランカー、その他のモデルのトレーニングに使用することはありません。お客様のデータはお客様のものです。
code
Jina API のレート制限は何ですか？
keyboard_arrow_down
各APIキーにはレート制限があります。

無料版： 100 RPM、100K TPM
有料版： 500 RPM、2M TPM
プレミアム版： 5,000 RPM、50M TPM

さらに、60秒ごとに10,000リクエストというIPアドレス制限があります。制限はエンドポイントによって異なります。各エンドポイントの具体的な制限については、上記のレート制限表を参照してください。
code
API にはバッチサイズの制限がありますか？
keyboard_arrow_down
Embeddings API と Reranker API のいずれにもバッチサイズの制限はありません。必要に応じて、リクエストごとに任意の数のアイテムまたはドキュメントを送信できます。どちらの API も、GPU を最適に利用するために、トークン数に基づいて入力を内部的にバッチ処理します。
code
ElasticsearchのJina APIは、Jinaモデルと同じですか？
keyboard_arrow_down
いいえ、これらは 3 つの異なるパスです。この Web サイト上の Jina API はセルフサービスで従量課金制であり、Jina API キーが必要です。Elastic Inference Service (EIS) は Elastic Cloud で Jina モデルを実行し、費用は Elastic サブスクリプションに請求されます。インフラストラクチャを管理する必要はありません。Jina On-Prem は、Elastic が 2026 年 8 月 10 日以降スタンドアロン SKU として販売している商用ライセンスで、お客様自身が管理するオンプレミスまたは物理的に隔離されたインフラストラクチャでモデルを実行するために使用されます。EIS および On-Prem パスの詳細については、Elastic Sales までお問い合わせください。
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
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。
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
はい。新規ユーザーには、すべてのモデルで使用できる無料トークンを含むAPIキーが自動生成されます。無料トークンを使い切った後は、「トークンを購入」タブでそのキーに対応するトークンを追加購入できます。
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
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。
attach_money
どのような支払い方法が利用できますか？
keyboard_arrow_down
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。
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
セルフサービストークン購入の場合、Stripeは購入時にStripeアカウントに関連付けられたメールアドレスに請求書を送信します。正式な発注書、交渉済みの契約書、購入書類、またはStripeではなくElasticを通じて処理される統合請求書が必要な場合は、Elastic Salesまでお問い合わせください。
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
このサイトでトークンを購入しても、マネージド Jina API の使用権しか得られません。これらのトークンには、お客様独自のインフラストラクチャでモデルの重みを実行するライセンスは含まれていません。そのため、Elastic は 2026 年 8 月 10 日以降、トークン単位ではなく年間単位で商用ライセンスとして別途販売しています。お見積もりについては、Elastic Sales までお問い合わせください。
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
セルフサービスによるトークン購入はStripeを通じて処理され、請求書はStripeアカウントのメールアドレスに自動的に送信されます。セルフサービスによるチャージサポートを超える購入注文、購入プロセス、または取引量については、Elastic Salesまでお問い合わせください。
attach_money
支払いは済ませましたが、残高やレート制限が変わっていません。何をチェックすれば良いでしょうか？
keyboard_arrow_down
残高とレート制限はアカウントではなくAPIキーに紐づいています。そのため、アカウントページではなく、まずキー自体を確認してください。「APIキーと請求」タブにキーを入力して、残高とティアを確認してください。アカウントに複数のキーがある場合、トークンは実際にアプリケーションで使用しているキーではなく、クレジットされたキーに付与される可能性があります。また、支払い後、新しいティアが有効になるまでに若干の遅延が生じる場合があります。キーに残高が表示されているにもかかわらず、元のティアに制限されている場合は、サポートにお問い合わせください。
attach_money
キャンセル、自動チャージの停止、または保存済みの支払い方法の削除方法を教えてください。
keyboard_arrow_down
セルフサービスによる請求は、お客様ポータルの「APIキーと請求」タブから管理できます。そこで、自動チャージを無効にしたり、保存済みの支払い方法を削除したりできます。自動チャージを無効にしても、その後の引き落としは停止するだけで、購入した残高は引き続き使用できます。アカウントとそのデータを削除する必要がある場合、または払い戻しを希望する場合は、サポートまでお問い合わせください。アカウントの削除は手動で処理され、数営業日かかります。完了後、書面による確認が提供されます。
現在の言語 / テーマ
Search Foundation
Reader
Embeddings
Reranker
Jina APIキーを取得する
レート制限
私たちについて
ニュース
Jinaロゴをダウンロード
open_in_new
Elasticロゴをダウンロード
open_in_new
APIステータス
Elastic © 2026.セキュリティ利用規約プライバシーCookieを管理する私の個人情報を販売したり、共有したりしないでください。
このウェブサイトおよび関連するコンテンツ、ソフトウェア、製品、サービスは、すべて専門的な利用を目的としています。消費者向けの利用は想定していません。