Elastic
Jina AI
모델
API
keyboard_arrow_down
Reader
어떤 URL이든 Markdown으로 변환하여 LLM 그라운딩을 개선하세요.
Embeddings
멀티모달 및 다국어 임베딩.
Reranker
검색 관련성을 극대화하는 리랭커.
Elastic Inference Service
Jina 모델을 Elasticsearch에서 네이티브 방식으로 실행하세요.
MCP terminalCLIarticlellms.txtsmart_toy에이전트data_object스키마menu_book문서
로그인
login

Embeddings

검색, RAG, 에이전트 애플리케이션을 위한 최고 성능의 멀티모달·다국어·롱컨텍스트 임베딩입니다.

벡터 모델 API

검색 및 RAG 시스템을 개선하려면 저희 임베딩 모델을 사용해 보세요. 무료 체험으로 시작하세요!
keyAPI 키 및 청구
code사용량
more_horiz더
chevron_leftchevron_right
home
speed속도 제한
bug_report이슈 제기
help_outline자주하는 질문
서비스 상태
chevron_leftchevron_right
upload
요청
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。"
    + 입력을 추가하세요
  ]
}
EOFEOF

v5-omni: 모든 양식을 포괄하는 벡터입니다.

텍스트, 이미지, 오디오, 비디오 등 모든 데이터가 하나의 공유 임베딩 공간을 사용하며, 두 가지 크기로 제공됩니다. v5-omni-small(16억)은 파라미터 20억 개 미만 중 가장 우수한 성능의 오픈 웨이트 옴니 모델입니다. v5-omni-nano(9억)는 10억 개 미만의 파라미터로도 경쟁력 있는 검색 성능을 제공합니다. 두 모델 모두 v5-text와 바이트 단위로 호환되므로 재인덱싱이 필요하지 않습니다.

v5-text: 최신이자 가장 진보된 소규모 다국어 벡터 모델

jina-embeddings-v5-text는 두 가지 효율적인 크기(677M 소형 모델 및 239M 나노스케일 모델)로 5세대 벡터 품질을 제공하며, 작업별 LoRA 어댑터, 마트료시카 차원, 32K 컨텍스트 및 엣지 배포를 위한 GGUF/MLX 양자화를 통해 MMTEB, MTEB 영어 및 검색 작업에서 새로운 벤치마크를 설정합니다.

구매 방법 두 가지

저희 API를 구독하시거나 클라우드 서비스 제공업체를 통해 구매하세요.
radio_button_unchecked
cloud
3 클라우드 서비스 제공업체와 협력
AWS 또는 Azure를 사용하고 계신가요? 저희 모델을 회사의 클라우드 플랫폼에 직접 배포하고 CSP 계정을 통해 비용을 청구할 수 있습니다.
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
radio_button_checked
Jina Search Foundation API 사용
당사의 모든 제품에 접근할 수 있는 가장 쉬운 방법입니다. 언제든지 토큰을 재충전하세요.
더 많은 토큰으로 이 API 키를 충전하세요
위치에 따라 미국 달러, 유로 또는 기타 통화로 요금이 청구될 수 있습니다. 세금이 적용될 수 있습니다.
재충전하려면 올바른 API 키를 입력하세요.
속도 제한 이해하기
속도 제한은 IP 주소/API 키당 1분 동안 API에 보낼 수 있는 최대 요청 수(RPM)입니다. 아래에서 각 제품과 등급의 속도 제한에 대해 자세히 알아보세요.
keyboard_arrow_down
속도 제한
속도 제한은 세 가지 방식으로 추적됩니다. RPM(분당 요청 수)과 TPM(분당 토큰 수)입니다. 제한은 IP/API 키별로 적용되며 RPM 또는 TPM 임계값 중 먼저 도달하는 쪽에서 트리거됩니다. 요청 헤더에 API 키를 제공하면 IP 주소 대신 키별로 속도 제한을 추적합니다.
제품API 엔드포인트설명arrow_upwardAPI 키 없음key_off무료 API 키 사용 시key유료 API 키 사용 시key프리미엄 API 키 사용 시key평균 지연토큰 사용량 계산허용 요청
Reader APIhttps://r.jina.aiURL을 LLM 친화적인 텍스트로 변환20 RPM500 RPM500 RPMtrending_up5000 RPM7.9s출력 응답의 토큰 수를 기준으로 합니다.GET/POST
Reader APIhttps://s.jina.ai웹을 검색하고 결과를 LLM 친화적인 텍스트로 변환합니다.block100 RPM100 RPMtrending_up1000 RPM2.5s각 요청에는 10000개의 토큰으로 시작하는 고정된 수의 토큰이 필요합니다.GET/POST
Reranker APIhttps://api.jina.ai/v1/rerank쿼리 기준으로 문서 순위 매기기block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
입력 크기에 따라 다름
help
입력 요청의 토큰 수를 기준으로 합니다.POST
벡터 모델 APIhttps://api.jina.ai/v1/embeddings텍스트/이미지를 고정 길이 벡터로 변환block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
입력 크기에 따라 다름
help
입력 요청의 토큰 수를 기준으로 합니다.POST
Classifier APIhttps://api.jina.ai/v1/train훈련 샘플을 사용하여 분류기 훈련block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokens × num_itersPOST
Classifier API (제로샷)https://api.jina.ai/v1/classify제로샷 분류를 사용하여 입력 분류block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokens + label_tokensPOST
Classifier API (퓨샷)https://api.jina.ai/v1/classify훈련된 퓨샷 분류기를 사용하여 입력을 분류합니다.block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokensPOST
Segmenter APIhttps://api.jina.ai/v1/segment긴 텍스트를 단어와 문장으로 분할20 RPM200 RPM200 RPM1,000 RPM0.3s토큰 사용은 계산되지 않습니다.GET/POST
DeepSearchhttps://deepsearch.jina.ai/v1/chat/completions추론하고, 검색하고, 반복하여 최상의 답을 찾으세요block50 RPM50 RPM500 RPM56.7s전체 프로세스에서 총 토큰 수를 계산합니다.POST

온프레미스 배포

AWS Sagemaker 및 Microsoft Azure와 곧 Google Cloud Services에 Jina Embeddings 모델을 배포하거나 영업팀에 문의하여 가상 프라이빗 클라우드 및 온프레미스 서버에 대한 맞춤형 Kubernetes 배포를 받으세요.
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings
API 통합
당사의 Embedding API는 다양한 유명 데이터베이스, 벡터 스토어, RAG 및 LLMOps 프레임워크와 기본적으로 통합되어 있습니다. 시작하려면 나열된 통합 중 하나에 API 키를 복사하여 붙여넣기만 하면 빠르고 원활하게 사용할 수 있습니다.
벡터 스토어
LLMOps
RAG
관찰 가능성
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

우리의 논문

최첨단 검색 모델이 어떻게 처음부터 학습되는지 알아보고 최신 논문도 확인해 보세요. EMNLP, SIGIR, ICLR, NeurIPS, ICML의 저희 팀을 만나보세요!
arXiv
7월 20, 2026
jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation
SIGIR 2026
5월 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
SIGIR 2026
2월 17, 2026
jina-embeddings-v5-text: Task-Targeted Embedding Distillation
ICLR 2026
1월 22, 2026
Embedding Compression via Spherical Coordinates
arXiv
12월 29, 2025
Vision Encoders in Vision-Language Models: A Survey
ICLR 2026
12월 04, 2025
Jina-VLM: Small Multilingual Vision Language Model
AAAI 2026
10월 01, 2025
jina-reranker-v3: Last but Not Late Interaction for Document Reranking
NeurIPS 2025
8월 31, 2025
Efficient Code Embeddings from Code Generation Models
EMNLP 2025
6월 24, 2025
jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
ICLR 2025
3월 04, 2025
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
ACL 2025
12월 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
12월 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
9월 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
SIGIR 2025
9월 07, 2024
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
EMNLP 2024
8월 30, 2024
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
WWW 2025
6월 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
5월 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
2월 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
10월 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
7월 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
총 20개의 논문.

벡터 모델 학습

벡터란 무엇이며 벡터화해야 하는 이유는 무엇입니까? 시작하는 데 도움이 되는 몇 가지 기사가 있습니다. 당사의 종합 가이드를 통해 벡터 모델에 대해 처음부터 자세히 알아보세요.
5월 12, 2026 • 7 분 소요
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
5월 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.
3월 11, 2026 • 7 분 소요
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.
3월 06, 2026 • 6 분 소요
Identifying Embedding Models from Raw Numerical Values
A tiny transformer that fingerprints embedding models by reading raw numerical digits. No feature engineering.
Han Xiao

리랭커, 벡터 검색, BM25 비교

아래 표는 리랭커, 벡터/임베딩 검색, BM25를 종합적으로 비교하여 여러 범주에서의 강점과 약점을 보여줍니다.
Reranker벡터 검색BM25
가장 적합한 용도향상된 검색 정밀도 및 관련성초기, 빠른 필터링광범위한 쿼리에 대한 일반 텍스트 검색
세분성세부 정보: 하위 문서 및 쿼리 세그먼트광범위: 전체 문서중급: 다양한 텍스트 조각
쿼리 시간 복잡도높음보통낮음
인덱스 시간 복잡도불필요높음낮음, 사전 구축된 인덱스 활용
훈련 시간 복잡도높음높음불필요
검색 품질미묘한 뉘앙스의 쿼리에 탁월함효율성과 정확성 사이의 균형다양한 쿼리에 대해 일관되고 안정적임
강점깊은 맥락 이해로 매우 정확함적당한 정확도로 빠르고 효율적검증된 효과와 함께 확장성이 뛰어남
Reranker API 무료로 사용해 보기Embedding API 무료로 사용해 보기

벡터 모델의 진화 포스터

1950년 이후 텍스트 벡터 모델의 진화를 담은 매혹적인 인포그래픽과 인상적인 비주얼로, 당신의 공간에 어울리는 완벽한 포스터를 찾아보세요.
제작 과정 알아보기
shopping_cart포스터 구매

자주하는 질문

Jina 임베딩 모델은 어떻게 학습되었나요?
keyboard_arrow_down
훈련 과정, 데이터 소스 및 평가에 대한 자세한 내용은 arXiv에 게시된 기술 보고서 ​​jina-embeddings-v3 및 jina-embeddings-v4를 참조하십시오.
launcharXiv
귀하의 멀티모달 벡터 모델은 무엇입니까?
keyboard_arrow_down
jina-embeddings-v4는 텍스트와 이미지를 모두 지원하는 최신 범용 멀티모달 모델(38억 개의 파라미터)로, 32K 컨텍스트, 밀집(dense) 및 지연 상호작용(late-interaction) 검색을 지원하고 시각적으로 풍부한 문서에서 SOTA 성능을 달성합니다. jina-clip-v2는 89개 언어를 지원하고 512x512 이미지 해상도와 Matryoshka 표현을 사용하는 더 가벼운 옵션(8억 6,500만 개의 파라미터)입니다. 두 모델 모두 텍스트-텍스트, 텍스트-이미지 및 이미지-이미지 검색 작업에서 탁월한 성능을 보여줍니다.
launcharXiv
귀하의 모델은 어떤 언어를 지원합니까?
keyboard_arrow_down
jina-embeddings-v4와 jina-embeddings-v3 모두 89개 언어를 지원하며 강력한 다국어 성능을 자랑합니다. 상위 30개 언어에는 아랍어, 벵골어, 중국어, 덴마크어, 네덜란드어, 영어, 핀란드어, 프랑스어, 조지아어, 독일어, 그리스어, 힌디어, 인도네시아어, 이탈리아어, 일본어, 한국어, 라트비아어, 노르웨이어, 폴란드어, 포르투갈어, 루마니아어, 러시아어, 슬로바키아어, 스페인어, 스웨덴어, 태국어, 터키어, 우크라이나어, 우르두어, 베트남어가 포함됩니다. jina-clip-v2 또한 멀티모달 작업에서 89개 언어를 지원합니다.
launcharXiv
단일 문장 입력의 최대 길이는 얼마입니까?
keyboard_arrow_down
컨텍스트 길이는 모델에 따라 다릅니다. jina-embeddings-v4는 최대 32K 토큰을 지원하는 반면, jina-embeddings-v3와 jina-clip-v2는 최대 8192 토큰을 지원합니다. 토큰은 단일 문자에서 하나의 완전한 단어까지 다양할 수 있습니다. 이러한 확장된 컨텍스트를 통해 대량의 텍스트 데이터에 대한 포괄적인 문서 분석이 가능해지고 컨텍스트 이해의 정확도가 향상됩니다.
단일 요청에 몇 개의 문장을 포함할 수 있나요?
keyboard_arrow_down
요청에 포함할 수 있는 항목 수에는 엄격한 제한이 없습니다. API는 GPU 활용도를 최적화하기 위해 토큰 수를 기준으로 입력을 내부적으로 일괄 처리합니다. 따라서 단일 요청에 원하는 만큼의 텍스트나 이미지를 보낼 수 있습니다.
멀티모달 임베딩 모델에 이미지를 어떻게 전송하나요?
keyboard_arrow_down
jina-embeddings-v4, jina-clip-v2, jina-clip-v1의 경우, API 요청의 input 필드에 url 또는 bytes를 사용할 수 있습니다. url에는 처리할 이미지의 URL을 제공하고, bytes에는 이미지를 base64 형식으로 인코딩합니다. jina-embeddings-v4는 PDF URL 또는 base64로 인코딩된 PDF 바이트를 전달하여 PDF 문서를 직접 임베딩할 수도 있습니다.
Jina Embeddings 모델은 OpenAI 및 Cohere의 최신 벡터 모델과 어떻게 비교됩니까?
keyboard_arrow_down
jina-embeddings-v4는 시각적으로 풍부한 문서 검색(ViDoRe) 및 멀티모달 벤치마크에서 SOTA 성능을 달성한 최신 플래그십 모델입니다. 텍스트 전용 작업의 경우, jina-embeddings-v3는 MTEB 영어 및 다국어 벤치마크에서 OpenAI 및 Cohere보다 우수한 성능을 보이면서도 더 작고 효율적입니다. 두 모델 모두 Matryoshka 표현 학습(MRL)을 지원하여 큰 성능 저하 없이 차원 축소가 가능합니다(v3는 32까지, v4는 128까지).
OpenAI의 text-embedding-3-large에서 Jina Embeddings 모델로 마이그레이션하는 방법은 무엇입니까?
keyboard_arrow_down
당사의 API 엔드포인트가 OpenAI text-embedding-3-large 모델의 입력 및 출력 JSON 스키마와 일치하므로 마이그레이션 과정이 간소화되어 있습니다. 이러한 호환성 덕분에 사용자는 OpenAI 엔드포인트를 사용할 때 OpenAI 모델을 당사 모델로 쉽게 교체할 수 있습니다.
jina-clip 및 jina-embeddings 모델을 사용할 때 토큰은 어떻게 계산되나요?
keyboard_arrow_down
토큰은 텍스트 길이와 이미지 크기를 기반으로 계산됩니다. 요청의 텍스트에 대해서는 토큰이 표준 방식으로 계산됩니다. 이미지에 대해서는 다음 단계를 수행합니다. 1. 타일 크기: 각 이미지는 타일로 나뉩니다. jina-embeddings-v4의 경우 타일 크기는 28x28픽셀이고, jina-clip-v2의 경우 타일 크기는 512x512픽셀이며, jina-clip-v1의 경우 타일 크기는 224x224픽셀입니다. 2. 적용 범위: 입력 이미지를 덮는 데 필요한 타일 수를 계산합니다. 이미지 크기가 타일 크기로 정확히 나누어 떨어지지 않더라도 일부 타일은 전체 타일로 계산됩니다. 3. 총 타일 수: 이미지를 덮는 총 타일 수에 따라 비용이 결정됩니다. 예를 들어, 600x600 픽셀 이미지는 jina-embeddings-v4에서는 22x22 타일(484개), jina-clip-v2에서는 2x2 타일(4개), jina-clip-v1에서는 3x3 타일(9개)로 구성됩니다. 4. 비용 계산: jina-embeddings-v4의 경우 타일당 10개 토큰, jina-clip-v2의 경우 타일당 4000개 토큰, jina-clip-v1의 경우 타일당 1000개 토큰입니다. 예: 600x600 픽셀 이미지의 경우: • jina-embeddings-v4 사용 • 이미지는 28x28 픽셀 타일로 분할됩니다. • 필요한 총 타일 개수는 가로 22개 x 세로 22개 = 484개입니다. • jina-embeddings-v4의 비용은 484*10 = 4840개 토큰입니다. • jina-clip-v2 사용 • 이미지는 512x512픽셀 타일로 분할됩니다. • 필요한 총 타일 개수는 가로 2개 x 세로 2개 = 4개 타일입니다. • jina-clip-v2의 비용은 4*4000 = 16000개 토큰입니다. • jina-clip-v1 사용 • 이미지는 224x224픽셀 타일로 분할됩니다. • 필요한 총 타일 개수는 가로 3개 x 세로 3개 = 9개 타일입니다. • jina-clip-v1의 비용은 9*1000 = 9000 토큰입니다.
이미지나 오디오를 임베딩하는 모델을 제공하나요?
keyboard_arrow_down
네, jina-embeddings-v4, jina-clip-v2, jina-clip-v1은 이미지와 텍스트를 모두 임베딩할 수 있습니다. 더 많은 모달리티를 지원하는 임베딩 모델이 곧 발표될 예정입니다!
개인 또는 회사 데이터를 사용하여 Jina 벡터 모델 모델을 미세 조정할 수 있습니까?
keyboard_arrow_down
특정 데이터로 모델을 미세 조정하는 방법에 대한 질문이 있는 경우 당사에 문의하여 요구 사항을 논의하세요. 우리는 귀하의 요구 사항에 맞게 모델을 어떻게 조정할 수 있는지 알아보고 싶습니다.
문의하기
귀하의 서비스를 AWS, Azure 또는 GCP에 비공개로 배포할 수 있나요?
keyboard_arrow_down
예. AWS, Azure 및 GCP 마켓플레이스에서 당사 서비스를 사용할 수 있습니다. 특정 요구 사항이 있는 경우 jina.ai 영업 담당자에게 문의하세요.
launchAWS SageMakerlaunchGoogle CloudlaunchMicrosoft Azure
'task' 매개변수란 무엇이며 언제 사용해야 하나요?
keyboard_arrow_down
jina-embeddings-v3와 jina-embeddings-v4의 task 매개변수는 최적의 성능을 위해 작업별 LoRA 어댑터를 활성화합니다. 검색 쿼리에는 retrieval.query, 검색 대상 문서에는 retrieval.passage, 의미 유사도에는 text-matching, 텍스트 분류에는 classification, 클러스터링 작업에는 separation을 사용하세요.
지연 상호작용(late-interaction) 검색이란 무엇이며 어떤 모델이 지원하나요?
keyboard_arrow_down
jina-embeddings-v4는 output_type 매개변수를 통해 밀집(단일 벡터) 검색과 지연 상호작용(다중 벡터) 검색을 모두 지원합니다. 지연 상호작용은 토큰 수준의 세밀한 정보를 더 많이 보존하여 복잡한 쿼리에서 검색 정확도를 높입니다. jina-colbert-v2는 지연 상호작용 전용 모델입니다.
지연 청킹이란 무엇인가요? 어떤 상황에서 사용해야 하나요?
keyboard_arrow_down
지연 청킹(late chunking)은 먼저 긴 컨텍스트 모델을 사용하여 전체 문서를 임베딩한 다음, 토큰 수준 표현에서 청크 임베딩을 추출하는 기술입니다. 단순 청킹(먼저 청킹한 후 임베딩)과 달리, 지연 청킹은 청크 간 컨텍스트를 보존하여 RAG 애플리케이션의 검색 성능을 향상시킵니다. jina-embeddings-v3의 late_chunking 매개변수를 통해 활성화할 수 있습니다.
API에서 지원하는 컨텍스트 길이가 모델의 최대 용량과 다른 이유는 무엇입니까?
keyboard_arrow_down
일부 임베딩 모델은 아키텍처적으로 더 긴 컨텍스트 길이를 처리할 수 있지만, 추론 인프라의 GPU 메모리 제약으로 인해 API에서 더 낮은 제한을 적용할 수 있습니다. 매우 긴 시퀀스를 처리하려면 상당한 메모리가 필요하며, 대부분의 사용 사례에 대해 처리량, 지연 시간 및 비용의 균형을 맞추도록 서비스 구성을 최적화했습니다. 더 긴 컨텍스트 길이에 대한 지원이 필요한 경우, 당사 영업팀에 문의하여 맞춤형 배포 솔루션을 논의하십시오.
jina-embeddings-v4는 무료인데 왜 이렇게 느린가요?
keyboard_arrow_down
jina-embeddings-v4는 Qwen Research License에 따라 배포되는 Qwen2-VL 기본 모델을 기반으로 구축되었습니다. 이 라이선스는 연구 및 비상업적 용도로만 사용 가능하므로 jina-embeddings-v4를 상업용 제품으로 제공할 수 없습니다. 따라서 이 모델은 API를 통해 무료로 제공됩니다. jina-embeddings-v4가 다른 모델보다 느려 보일 수 있는 이유는 두 가지입니다. 첫째, jina-embeddings-v4는 jina-embeddings-v3보다 훨씬 큰 모델이므로 본질적으로 요청당 더 많은 계산 시간이 필요합니다. 둘째, 이 모델을 상용화할 수 없기 때문에 인프라 비용을 관리하기 위해 API 처리량을 의도적으로 제한하고 있습니다. 따라서 jina-embeddings-v4 API를 사용할 때 대용량 처리나 프로덕션 수준의 처리량을 기대해서는 안 됩니다. 더 높은 처리량이 필요한 프로덕션 워크로드의 경우 jina-embeddings-v3을 사용하거나 Hugging Face를 통해 자체 인프라에 jina-embeddings-v4를 배포하는 것을 권장합니다.
임베딩 API의 사용량 제한은 얼마인가요?
keyboard_arrow_down
API 키 유형에 따라 요청 제한이 다릅니다.

무료 버전: 100 RPM, 10만 TPM, 동시 요청 2개
유료 버전: 500 RPM, 200만 TPM, 동시 요청 50개
프리미엄 버전: 5,000 RPM, 5천만 TPM, 동시 요청 500개

또한, 악용을 방지하기 위해 IP 주소 기반 요청 제한도 적용되며, 60초당 최대 1만 건의 요청으로 제한됩니다. 더 높은 제한이 필요한 경우 영업팀에 문의하십시오.
각 임베딩 모델의 컨텍스트 길이 제한은 얼마인가요?
keyboard_arrow_down
각 모델에는 입력마다 최대 컨텍스트 길이 제한이 있습니다.

jina-embeddings-v4: 32,768 토큰
jina-embeddings-v3: 8,192 토큰
jina-embeddings-v2-*: 8,192 토큰
jina-clip-v1/v2: 8,192 토큰
jina-colbert-v1/v2: 8,192 토큰
jina-code-embeddings-*: 32,768 토큰

truncate: true가 설정되지 않은 경우, 제한을 초과하는 입력은 오류를 반환합니다. 이 값을 설정하면 입력이 자동으로 최대 길이로 잘립니다.
이미지 및 PDF 파일의 크기 제한은 어떻게 되나요?
keyboard_arrow_down
최대 파일 크기는 다음과 같습니다. 이미지: 5MB, PDF: 8MB. 이 제한을 초과하는 파일은 거부되고 오류 메시지가 표시됩니다.

API 키를 어떻게 얻나요?

video_not_supported

속도 제한은 무엇입니까?

속도 제한
속도 제한은 세 가지 방식으로 추적됩니다. RPM(분당 요청 수)과 TPM(분당 토큰 수)입니다. 제한은 IP/API 키별로 적용되며 RPM 또는 TPM 임계값 중 먼저 도달하는 쪽에서 트리거됩니다. 요청 헤더에 API 키를 제공하면 IP 주소 대신 키별로 속도 제한을 추적합니다.
제품API 엔드포인트설명arrow_upwardAPI 키 없음key_off무료 API 키 사용 시key유료 API 키 사용 시key프리미엄 API 키 사용 시key평균 지연토큰 사용량 계산허용 요청
Reader APIhttps://r.jina.aiURL을 LLM 친화적인 텍스트로 변환20 RPM500 RPM500 RPMtrending_up5000 RPM7.9s출력 응답의 토큰 수를 기준으로 합니다.GET/POST
Reader APIhttps://s.jina.ai웹을 검색하고 결과를 LLM 친화적인 텍스트로 변환합니다.block100 RPM100 RPMtrending_up1000 RPM2.5s각 요청에는 10000개의 토큰으로 시작하는 고정된 수의 토큰이 필요합니다.GET/POST
Reranker APIhttps://api.jina.ai/v1/rerank쿼리 기준으로 문서 순위 매기기block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
입력 크기에 따라 다름
help
입력 요청의 토큰 수를 기준으로 합니다.POST
벡터 모델 APIhttps://api.jina.ai/v1/embeddings텍스트/이미지를 고정 길이 벡터로 변환block100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
입력 크기에 따라 다름
help
입력 요청의 토큰 수를 기준으로 합니다.POST
Classifier APIhttps://api.jina.ai/v1/train훈련 샘플을 사용하여 분류기 훈련block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokens × num_itersPOST
Classifier API (제로샷)https://api.jina.ai/v1/classify제로샷 분류를 사용하여 입력 분류block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokens + label_tokensPOST
Classifier API (퓨샷)https://api.jina.ai/v1/classify훈련된 퓨샷 분류기를 사용하여 입력을 분류합니다.block25 RPM & 25,000 TPM125 RPM & 500,000 TPM1,250 RPM & 12,000,000 TPM
ssid_chart
입력 크기에 따라 다름
토큰 계산 방식: input_tokensPOST
Segmenter APIhttps://api.jina.ai/v1/segment긴 텍스트를 단어와 문장으로 분할20 RPM200 RPM200 RPM1,000 RPM0.3s토큰 사용은 계산되지 않습니다.GET/POST
DeepSearchhttps://deepsearch.jina.ai/v1/chat/completions추론하고, 검색하고, 반복하여 최상의 답을 찾으세요block50 RPM50 RPM500 RPM56.7s전체 프로세스에서 총 토큰 수를 계산합니다.POST

상업용 라이센스가 필요합니까?

CC BY-NC 라이센스 자가 점검
play_arrow
Azure, AWS 또는 GCP에서 당사의 공식 API 또는 공식 이미지를 사용하고 계십니까?
play_arrow
예
아무런 제한 사항이 없습니다. 웹사이트 또는 클라우드 마켓플레이스를 통해 간단히 등록하고 결제하시면 됩니다.
play_arrow
아니요
play_arrow
당신은 Elastic의 유료 고객이십니까?
play_arrow
예
귀하의 Elastic 라이선스에는 이미 상업적 사용이 포함되어 있을 수 있습니다. 궁금한 점이 있으면 Elastic 영업 담당자에게 문의하십시오.
영업팀에 문의
play_arrow
아니요
현재로서는 개별 상업 라이선스 계약을 체결할 수 없습니다. 자세한 내용은 Elastic 영업팀에 문의하십시오.
영업팀에 문의
API 관련 FAQ
code
Reader, Embedding, Reranker, Classifier 및 Fine-Tuned Model API에 동일한 API 키를 사용할 수 있습니까?
keyboard_arrow_down
예. Jina AI의 모든 검색 기반 제품에 동일한 API 키가 작동합니다. 여기에는 모든 서비스 간에 토큰이 공유되는 Reader, Embedding, Reranker, Classifier 및 Fine-Tune Model API가 포함됩니다.
code
API 키의 토큰 사용량을 볼 수 있나요?
keyboard_arrow_down
예, 키 및 청구 탭에 API 키를 입력하면 최근 토큰 사용량과 남은 토큰 잔액을 볼 수 있습니다. API 키 제어판에 로그인한 경우 API 키 관리 탭에서도 이러한 세부정보를 볼 수 있습니다.
code
API 키를 잊어버린 경우 어떻게 해야 합니까?
keyboard_arrow_down
재충전 키를 분실하여 되찾고 싶으신 경우 등록된 이메일을 사용하여 jina.ai 지원팀에 문의해 도움을 받으세요. API Key의 안전한 보관과 손쉬운 접근을 위해 로그인을 권장합니다.
문의하기
code
API 키가 만료되나요?
keyboard_arrow_down
아니요, API 키에는 만료일이 없습니다. 그러나 키가 손상되었다고 의심되어 이를 비활성화하려는 경우 지원 팀에 문의하여 도움을 받으십시오. API 키 제어판에서 키를 자체 폐기할 수도 있습니다.
문의하기
code
API 키 간에 토큰 잔액을 전송할 수 있나요?
keyboard_arrow_down
예, 프리미엄 키에서 다른 키로 토큰을 이전할 수 있습니다. API 키 관리 대시보드에서 계정에 로그인한 후, 이전하려는 키의 설정에서 남아 있는 모든 유료 토큰을 이동하세요.
code
내 API 키를 파기할 수 있나요?
keyboard_arrow_down
예. API 키가 손상되었다고 생각되면 파기할 수 있습니다. 키를 파기하면 이를 저장한 모든 사용자에 대해 키가 즉시 비활성화되며, 남아 있는 모든 토큰 잔액 및 관련 자산은 영구적으로 사용할 수 없게 됩니다. 프리미엄 키가 있는 경우, 소각하기 전에 남은 유료 토큰 잔액을 다른 키로 이전하도록 선택할 수 있습니다. 이 작업은 취소할 수 없습니다. 키를 파기하려면 API 키 대시보드의 키 설정으로 이동하세요.
code
일부 모델을 처음 요청할 때 속도가 느린 이유는 무엇입니까?
keyboard_arrow_down
이는 서버리스 아키텍처가 사용량이 낮을 때 특정 모델을 오프로드하기 때문입니다. 초기 요청은 모델을 활성화하거나 "준비"하는데 몇 초 정도 걸릴 수 있습니다. 초기 활성화 후 후속 요청은 훨씬 빠르게 처리됩니다.
code
제 API 데이터가 모델 학습에 사용되나요?
keyboard_arrow_down
아니요. 저희는 귀하의 API 요청, 입력 또는 출력을 임베딩, 리랭커 또는 기타 모델을 학습시키는 데 사용하지 않습니다. 귀하의 데이터는 귀하의 것입니다.
code
Jina API의 사용량 제한은 얼마인가요?
keyboard_arrow_down
각 API 키에는 다음과 같은 요청 제한이 적용됩니다.

무료: 100 RPM, 100K TPM, 동시 요청 2개
유료: 500 RPM, 2M TPM, 동시 요청 50개
프리미엄: 5,000 RPM, 50M TPM, 동시 요청 500개

또한 60초당 10,000건의 IP 기반 요청 제한도 적용됩니다. 이러한 제한은 모든 Jina API(Embeddings, Reranker, Reader 등)에 적용됩니다.
code
API에 배치 크기 제한이 있나요?
keyboard_arrow_down
Embeddings API와 Reranker API 모두 배치 크기 제한이 없습니다. 필요에 따라 요청당 원하는 만큼의 항목이나 문서를 전송할 수 있습니다. 두 API 모두 최적의 GPU 활용을 위해 토큰 수를 기준으로 입력을 내부적으로 배치 처리합니다.
청구 관련 자주 묻는 질문
attach_money
API 요금은 문장 수나 요청 수에 따라 청구되나요?
keyboard_arrow_down
우리의 가격 모델은 처리된 총 토큰 수를 기반으로 하므로 사용자는 이러한 토큰을 원하는 수의 문장에 유연하게 할당할 수 있으며 다양한 텍스트 분석 요구에 맞는 비용 효율적인 솔루션을 제공합니다.
attach_money
신규 사용자가 무료 평가판을 받을 수 있나요?
keyboard_arrow_down
저희는 신규 사용자를 대상으로 무료 체험판을 제공하는데, 여기에는 모든 모델에서 사용할 수 있는 1,000만 개의 토큰이 포함되어 있으며, 자동 생성된 API 키를 통해 교환할 수 있습니다. 무료 토큰을 모두 사용하면 사용자는 "토큰 구매" 탭을 통해 API 키와 함께 사용할 추가 토큰을 쉽게 구매할 수 있습니다.
attach_money
실패한 요청에 대해 토큰이 차감되나요?
keyboard_arrow_down
아니요, 실패한 요청에 대해서는 토큰이 차감되지 않습니다.
attach_money
어떤 결제 방법이 허용되나요?
keyboard_arrow_down
결제는 Stripe을 통해 처리되며 귀하의 편의를 위해 신용 카드, Google Pay, PayPal을 포함한 다양한 결제 방법을 지원합니다.
attach_money
토큰 구매 시 송장을 발행받을 수 있나요?
keyboard_arrow_down
예, 토큰을 구매한 후 Stripe 계정과 연결된 이메일 주소로 청구서가 전송됩니다.
현재 언어 / 테마
Search Foundation
Reader
Embeddings
Reranker
Jina API 키 받기
속도 제한
회사 소개
소식
Jina 로고 다운로드
open_in_new
Elastic 로고 다운로드
open_in_new
API 상태
Elastic © 2026.보안이용약관개인정보 보호쿠키 관리제 개인 정보를 판매하거나 공유하지 마세요.
본 웹사이트 및 관련 콘텐츠, 소프트웨어, 제품, 서비스는 전문가용으로만 제작되었습니다. 일반 소비자를 위한 것이 아니며, 소비자의 사용을 권장하지 않습니다.