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.
MCP
terminal
CLI
article
llms.txt
smart_toy
에이전트
data_object
스키마
menu_book
문서
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 보기
chevron_leftchevron_right
home
speed속도 제한
bug_report이슈 제기
help_outline자주 묻는 질문
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 것을 위한 하나의 임베딩

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.
릴리스 노트를 읽어보세요arrow_forward

v5-text: 새로운 SOTA 소규모 다국어 임베딩

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

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 두 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.ai웹 검색 후 결과를 LLM 친화적인 텍스트로 변환block100 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

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
관측 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

자주 묻는 질문

Jina 임베딩 모델은 어떻게 학습되었나요?
keyboard_arrow_down
훈련 과정, 데이터 소스 및 평가에 대한 자세한 내용은 arXiv에 게시된 기술 보고서를 참조하세요. jina-embeddings-v5 텍스트 모델 훈련은 두 단계로 나뉩니다. 첫 번째 단계에서는 더 큰 교사 모델에서 임베딩 벡터를 추출하고, 두 번째 단계에서는 고정된 백본 가중치를 기반으로 작업별 LoRA 어댑터를 훈련합니다. v5-omni 멀티모달 변형의 경우 세 번째 단계가 추가되는데, 이 단계에서는 텍스트 백본과 어댑터는 고정된 상태로 유지되고 교차 모달 프로젝터만 훈련됩니다.
launcharXiv
귀하의 멀티모달 벡터 모델은 무엇입니까?
keyboard_arrow_down
jina-embeddings-v5-omni-small(약 17억 4천만 개의 파라미터, 1024개의 차원, 32,000개의 컨텍스트)과 jina-embeddings-v5-omni-nano(약 10억 4천만 개의 파라미터, 768개의 차원, 8,000개의 컨텍스트)는 현재 사용 가능한 멀티모달 모델입니다. 이 모델들은 텍스트, 이미지, 오디오, 비디오, PDF 파일을 공유 벡터 공간에 저장하므로, 한 모달리티에서 인덱싱한 후 다른 모달리티에서 다시 인덱싱할 필요 없이 쿼리할 수 있습니다. 일반 텍스트 출력은 각각 jina-embeddings-v5-text-small 및 jina-embeddings-v5-text-nano와 동일하므로, 기존 텍스트 인덱스에 멀티모달 입력을 추가할 때 다시 임베딩할 필요가 없습니다. jina-clip-v2(8억 6천 5백만 개의 파라미터)는 보다 가벼운 텍스트 및 이미지 옵션으로 계속 사용할 수 있습니다.
launcharXiv
귀하의 모델은 어떤 언어를 지원합니까?
keyboard_arrow_down
2024년 이후 출시된 모든 모델은 다국어를 지원합니다. jina-embeddings-v5-text-small 및 v5-omni 모델은 Qwen3 백본을 기반으로 구축되었으며 광범위한 다국어 지원 기능을 제공합니다. jina-embeddings-v5-text-nano는 EuroBERT-210M을 기반으로 구축되었으며 영어, 프랑스어, 독일어, 스페인어, 중국어, 일본어, 아랍어, 힌디어 등 15개의 주요 유럽 및 세계 언어를 지원합니다. jina-embeddings-v3 및 jina-clip-v2는 89개 언어를 지원합니다. 각 언어에 대한 벤치마크 데이터는 해당 모델의 기술 보고서에 있는 MMTEB 결과를 참조하세요.
launcharXiv
단일 입력에 대한 최대 컨텍스트 길이는 얼마입니까?
keyboard_arrow_down
컨텍스트 길이는 모델에 따라 다릅니다. jina-embeddings-v5-text-small 및 jina-embeddings-v5-omni-small은 최대 32,768개의 토큰을 지원하는 반면, jina-embeddings-v5-text-nano 및 jina-embeddings-v5-omni-nano는 8,192개의 토큰을 지원합니다. jina-embeddings-v4 및 jina-code-embeddings 모델은 32,768개의 토큰을 지원하고, jina-embeddings-v3, jina-clip-v2 및 jina-colbert-v2는 8,192개의 토큰을 지원합니다. truncate: true로 설정하지 않으면 입력값이 제한을 초과할 경우 오류가 발생합니다.
하나의 요청에 포함될 수 있는 최대 입력값 개수는 몇 개입니까?
keyboard_arrow_down
요청에 포함할 수 있는 항목 수에는 엄격한 제한이 없습니다. API는 최적의 GPU 활용을 위해 토큰 수를 기준으로 입력을 내부적으로 일괄 처리하므로 단일 요청에 원하는 만큼의 텍스트나 이미지를 보낼 수 있습니다. 단, PDF 파일은 예외적으로 요청당 하나의 PDF 파일만 보낼 수 있습니다.
이미지, 오디오, 비디오 또는 PDF 파일을 멀티모달 모델로 전송하려면 어떻게 해야 하나요?
keyboard_arrow_down
image, audio, video, 또는 pdf 키를 사용하여 형식화된 객체를 input 배열에 전달하세요. 이 키의 값은 공개 URL 또는 base64로 인코딩된 바이트일 수 있습니다. 모델은 각 모달리티에 대한 데이터를 적절한 인코더로 라우팅하며, 단일 배치 내에서 여러 모달리티를 자유롭게 혼합할 수 있습니다. 지원되는 오디오 형식은 WAV, MP3, FLAC, OGG, M4A 및 Opus이며, 비디오는 초당 32프레임의 균일 샘플링으로 처리됩니다. 각 요청에는 PDF 파일을 1개까지 첨부할 수 있습니다.
Jina 임베딩은 최신 OpenAI, Cohere 및 Voyage 모델과 비교했을 때 어떤 차이가 있습니까?
keyboard_arrow_down
jina-embeddings-v5-text-small(매개변수 6억 7,700만 개)은 10억 개 미만의 매개변수를 가진 모델 중 MMTEB 데이터셋에서 가장 뛰어난 성능을 보이며, 작업 수준 평균 점수 67.0을 달성했고, 영어 MTEB 데이터셋에서는 71.7이라는 더욱 높은 평균 점수를 기록했습니다. jina-embeddings-v5-text-nano(매개변수 2억 3,900만 개)는 MMTEB 데이터셋에서 65.5점을 기록하며, 5억 개 미만의 매개변수를 가진 모든 평가 모델보다 우수한 성능을 보였습니다. 저희의 설계 목표는 전체 매개변수 개수가 아닌 매개변수당 성능이므로, 이러한 모델들은 대부분의 다른 모델보다 낮은 배포 비용으로 동등하거나 더 나은 검색 품질을 제공합니다. 모든 v5 모델은 Matryoshka 표현 학습을 지원하므로 재학습 없이 차원을 32로 줄일 수 있습니다.
OpenAI의 text-embedding-3-large에서 Jina Embeddings 모델로 마이그레이션하는 방법은 무엇입니까?
keyboard_arrow_down
마이그레이션 프로세스는 매우 간단합니다. 당사의 API 엔드포인트는 OpenAI의 입력 및 출력 JSON 스키마(text-embedding-3-large)와 일치하므로 대부분의 코드베이스에서는 기본 URL, API 키 및 모델 이름만 변경하면 됩니다. Jina On-Prem 컨테이너에도 동일하게 적용되며, 이 컨테이너는 Elastic Inference Service(EIS), Cohere, Voyage AI 및 Gemini 스키마를 제공하므로 Jina 모델이 기존 코드 경로의 모델을 직접 대체할 수 있습니다. 단, 서로 다른 모델 패밀리의 임베딩 벡터는 호환되지 않으므로 두 공급자의 벡터를 단일 인덱스에 혼합하는 대신 코퍼스를 다시 임베딩해야 합니다. Jina On-Prem 컨테이너 자체에 대한 자세한 내용은 Elastic 영업팀에 문의하세요.
이미지 및 기타 텍스트 이외의 입력값에 대한 항을 계산하는 방법은 무엇입니까?
keyboard_arrow_down
텍스트는 표준 방식으로 계산됩니다. 텍스트가 아닌 입력은 해당 인코더를 통해 토큰으로 변환되는데, 이 변환 비용은 사용하는 모델에 따라 크게 달라지므로 추측에 의존하기보다는 직접 입력 데이터를 사용하여 측정해 보시기 바랍니다. 참고로 600x600 픽셀 이미지의 변환 비용은 대략 다음과 같습니다. • jina-embeddings-v5-omni-small: 약 363 토큰 • jina-embeddings-v5-omni-nano: 약 362 토큰 • jina-embeddings-v4: 약 4,840 토큰 • jina-clip-v2: 약 16,000 토큰 v5-omni 모델은 이전 모델에 비해 이미지당 변환 비용이 1~2배 낮습니다. 각 응답에는 해당 요청에 대한 정확한 토큰 수를 포함하는 usage 객체가 있으며, 멀티모달 입력에 대한 image_tokens 분석 정보도 포함되어 있어 각 호출의 비용을 확인할 수 있습니다.
이미지, 오디오 또는 비디오를 삽입할 수 있는 모델을 제공하시나요?
keyboard_arrow_down
예. jina-embeddings-v5-omni-small과 jina-embeddings-v5-omni-nano는 텍스트, 이미지, 오디오, 비디오 및 PDF를 동일한 공유 벡터 공간에 임베드합니다. jina-embeddings-v4와 jina-clip-v2는 텍스트와 이미지를 처리합니다.
Jina 임베딩 모델은 개인 데이터나 기업 데이터에 맞춰 미세 조정할 수 있나요?
keyboard_arrow_down
두 가지 접근 방식이 있습니다. 셀프 서비스 방식은 FineTuning API를 사용합니다. 이 API는 사용자가 도메인을 설명하면 합성 학습 데이터를 생성하고, 레이블이 지정된 데이터 세트를 직접 구축할 필요 없이 미세 조정된 모델을 반환합니다. 독점 데이터, 전용 인프라 또는 기본 모델 선택기에 없는 모델에 대한 미세 조정이 필요한 경우, 상업적 계약에 따라 Elastic 영업팀에 문의하세요. 이러한 작업은 범위 및 계약 측면에서 Elastic에서 처리합니다.
문의하기
해당 모델을 비공개로 호스팅할 수 있나요? 예를 들어, 제 자체 인프라나 클라우드 계정에 호스팅할 수 있나요?
keyboard_arrow_down
네, 두 가지 옵션이 있습니다. Jina 모델은 AWS, Azure 및 GCP Marketplace에서 사용할 수 있으므로 자체 클라우드 계정에 배포할 수 있습니다. 자체 관리형, 온프레미스 또는 물리적으로 격리된 인프라의 경우 Elastic은 2026년 8월 10일부터 Jina On-Prem이라는 상용 라이선스를 제공합니다. 이 라이선스는 외부 호출이나 라이선스 서버가 필요 없는 완전 오프라인 Docker 컨테이너 형태로 모델을 제공합니다. 견적을 받으시려면 Elastic 영업팀으로 문의하세요.
launchAWS SageMakerlaunchGoogle CloudlaunchMicrosoft Azure
'task' 매개변수란 무엇이며 언제 사용해야 하나요?
keyboard_arrow_down
task 매개변수는 특정 작업에 적합한 LoRA 어댑터를 선택하여 최적의 결과를 얻도록 합니다. retrieval.query는 검색의 쿼리 측에, retrieval.passage는 문서 측에, text-matching은 대칭 유사도(예: 중복 제거 또는 재작성 감지)에, classification은 분류에, separation은 클러스터링에 사용됩니다. 검색은 비대칭적이므로 쿼리/문서 측을 바꾸면 성능이 크게 저하됩니다. 이 매개변수를 지원하는 모델에는 jina-embeddings-v5, jina-embeddings-v4, jina-embeddings-v3이 있습니다.
레이트 인터랙션(Late-interaction) 검색이란 무엇이며 어떤 모델이 지원하나요?
keyboard_arrow_down
레이트 인터랙션(Late-interaction)은 문서를 단일 벡터로 병합하는 대신 토큰 수준 벡터를 유지합니다. 이로 인해 인덱스 크기는 증가하지만 더 세밀한 세부 정보를 보존할 수 있습니다. jina-embeddings-v4는 output_type 매개변수를 통해 밀집(단일 벡터) 및 레이트 인터랙션(다중 벡터) 출력을 모두 지원하며, jina-colbert-v2는 레이트 인터랙션 전용 모델입니다. 대부분의 검색 프로세스에서는 밀집 v5 모델 후 리랭커를 사용하는 것이 정확도/비용 측면에서 더 나은 균형을 제공합니다.
지연 청킹이란 무엇인가요? 어떤 상황에서 사용해야 하나요?
keyboard_arrow_down
지연 청킹은 먼저 긴 컨텍스트 모델을 사용하여 전체 문서를 임베딩한 다음, 어휘 수준 표현에서 청크 임베딩을 도출합니다. 각 청크를 개별적으로 임베딩하는 단순 청킹과 달리, 지연 청킹은 청크 간 컨텍스트를 유지하여 문서 내에서 이전에 정의된 콘텐츠를 참조하는 청크가 있는 RAG 파이프라인에서 검색 품질을 향상시킵니다. 이 기능은 late_chunking 매개변수를 사용하여 활성화할 수 있습니다.
API에서 강제하는 컨텍스트 길이가 모델에서 지원하는 컨텍스트 길이와 다른 이유는 무엇입니까?
keyboard_arrow_down
일부 모델은 관리형 API에서 처리할 수 있는 것보다 더 긴 컨텍스트를 처리할 수 있도록 아키텍처적으로 설계되었습니다. 매우 긴 시퀀스는 상당한 양의 GPU 메모리를 소모할 수 있으며, 대부분의 사용 사례에 대해 처리량, 지연 시간 및 비용의 균형을 맞추도록 서비스 구성을 최적화합니다. 전체 아키텍처 컨텍스트 길이가 필요한 경우 모델을 직접 실행하세요. 셀프-매니지드(직접 관리형) 배포에 대해서는 Elastic Sales에 문의하세요.
jina-embeddings-v4는 무료인데 왜 이렇게 느린가요?
keyboard_arrow_down
jina-embeddings-v4는 Qwen 연구 라이선스(Qwen Research License)에 따라 배포되는 Qwen2-VL 기본 모델을 기반으로 구축되었으며, 연구 및 비상업적 용도로만 사용하도록 설계되었습니다. 따라서 상업적 라이선스를 제공할 수 없으며, API를 통해 무료로 제공됩니다. 또한, 이 모델은 38억 개의 파라미터를 가지고 있어 요청당 처리 속도가 느리고, 인프라 비용 관리를 위해 처리량을 제한했습니다. 프로덕션 환경에는 적합하지 않으므로 Elastic Inference Service 또는 Jina On-Prem을 통해 제공되지 않습니다. 프로덕션 환경에서는 jina-embeddings-v5 시리즈를 사용하세요. 이 시리즈는 더 빠르고 벤치마크 결과를 더 정확하게 가져오며, Elastic Sales를 통해 상업적 라이선스를 이용할 수 있습니다.
임베딩 API의 사용량 제한은 얼마인가요?
keyboard_arrow_down
API 키 유형에 따라 요청 제한이 다릅니다.

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

악용을 방지하기 위해 60초마다 10,000건의 요청으로 IP 주소당 추가 제한이 적용됩니다. 제한은 키별로 적용되며 60초 단위로 계산되므로 요청이 폭주하더라도 대기열에 쌓이지 않고 분산 처리됩니다. 제한을 초과하는 요청은 HTTP 429 오류를 반환하며 지수 백오프 알고리즘을 사용하여 재시도됩니다. 프리미엄 수준 이상의 제한이 필요하거나 공유 테넌트 제한 없이 전용 용량이 필요한 경우 Elastic 영업팀에 문의하세요.
어떤 임베딩 모델을 선택해야 할까요?
keyboard_arrow_down
텍스트 검색에는 jina-embeddings-v5-text-small을 먼저 사용하는 것이 좋습니다. 이 모델은 10억 파라미터 미만 모델 중 가장 강력하며 32K 컨텍스트를 처리할 수 있습니다. 정확도보다 지연 시간, 비용 또는 엣지 하드웨어가 더 중요한 경우에는 jina-embeddings-v5-text-nano를 사용하세요. 이미지, 오디오, 비디오 또는 PDF를 처리할 때는 jina-embeddings-v5-omni-small 또는 v5-omni-nano를 사용하세요. 이 모델들의 텍스트 출력은 해당 텍스트 모델과 완전히 동일하므로 재임베딩 없이 기존 인덱스에 이러한 모달리티를 추가할 수 있습니다. 소스 코드는 jina-code-embeddings-0.5b 또는 1.5b를 참조하세요. 동일 시리즈 내에서는 최신 버전일수록 성능이 우수합니다.
이미지 및 PDF 파일의 크기 제한은 어떻게 되나요?
keyboard_arrow_down
이미지 파일의 최대 크기는 5MB이고, PDF 파일의 최대 크기는 8MB입니다. 이 제한을 초과하는 파일은 거부되고 오류 메시지가 표시됩니다.

API 키를 어떻게 얻나요?

video_not_supported

속도 제한은 무엇입니까?

속도 제한
속도 제한은 두 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.ai웹 검색 후 결과를 LLM 친화적인 텍스트로 변환block100 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

상업용 라이센스가 필요합니까?

CC BY-NC 라이선스 자가 점검
play_arrow
저희 관리형 API를 사용하고 계신가요, 아니면 Azure, AWS 또는 GCP의 공식 미러를 사용하고 계신가요?
play_arrow
예
별도의 라이선스 구매는 필요하지 않습니다. 상업적 사용은 서비스 약관에 이미 포함되어 있습니다. 이 웹사이트 또는 클라우드 마켓플레이스를 통해 등록 및 결제하세요.
play_arrow
아니요
play_arrow
상업용 제품이나 서비스를 위해 자체 모델 웨이트를 운영하고 계신가요?
play_arrow
아니요
라이선스 구매는 필요하지 않습니다. 당사가 모델 배포에 사용하는 모든 라이선스에 따라 다운로드, 평가, 벤치마킹 및 연구 목적으로 사용할 수 있으며, 단 출처를 명시해야 합니다.
play_arrow
예
play_arrow
이 모델은 어떤 라이선스 계약을 사용하나요? 허깅 페이스(Hugging Face)의 해당 모델 페이지에 명시되어 있습니다.
play_arrow
Apache-2.0
Apache 2.0은 라이선스 없이 상업적 사용을 허용합니다. 이전 버전인 v1 및 v2에서는 이 라이선스를 사용했습니다.
play_arrow
CC BY-NC 4.0
상업용 라이선스가 필요합니다. Elastic은 2026년 8월 10일부터 Jina 모델용 상업용 라이선스를 Jina On-Prem이라는 독립형 SKU로 판매하고 있습니다. 이 라이선스는 자체 호스팅, 온프레미스 및 물리적으로 격리된(에어갭) 배포 환경을 지원하며 Elasticsearch 구독이 필요하지 않습니다.
이미 Elastic 고객이시라면, 담당 팀에서 기존 계약에 이를 추가할 수 있습니다.
Elastic Sales에 문의하세요.
play_arrow
Qwen 연구 라이선스
연구용 라이선스는 어떠한 상업적 용도도 허용하지 않으며, 다른 모델에 제공되는 상업용 라이선스에도 포함되지 않습니다. 이 모델은 상업적 옵션을 제공하지 않으며, 자체 호스팅 및 API 접근은 지원되지 않습니다. 다른 두 가지 라이선스 옵션 중 하나를 이용해 주시기 바랍니다.
API 관련 FAQ
code
Jina의 모든 API에서 동일한 API 키를 사용할 수 있나요?
keyboard_arrow_down
네. 하나의 API 키로 Jina AI의 핵심 검색 제품인 Reader, Embeddings, Reranker, Classifier, Segmenter API의 모든 기능을 사용할 수 있으며, 모든 API는 동일한 토큰을 공유합니다.
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 키는 만료되지 않습니다. 키가 유출된 경우 API 키 관리 패널에서 직접 키를 취소하세요. 취소는 즉시 적용됩니다. 서비스 중단을 방지하려면 먼저 새 키를 신청할 수 있습니다. 남은 토큰 잔액은 계정에 그대로 유지되며 키가 취소되더라도 손실되지 않습니다. 관리 패널에 접속할 수 없거나 계정이 유출되었다고 의심되는 경우 Elastic 지원팀에 문의하세요.
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 있습니다.

무료 버전: 100 RPM, 10만 TPM
유료 버전: 500 RPM, 200만 TPM
프리미엄 버전: 5,000 RPM, 5천만 TPM

또한, IP 주소당 60초마다 1만 건의 요청 제한이 있습니다. 제한은 엔드포인트별로 다르므로, 각 엔드포인트에 대한 자세한 제한 사항은 위의 요청 제한 표를 참조하세요.
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.
code
Jina API는 Elasticsearch의 Jina 모델과 동일한가요?
keyboard_arrow_down
아니요, 이 세 가지는 서로 다른 접근 방식입니다. 이 웹사이트의 Jina API는 셀프 서비스 방식으로 사용량에 따라 비용을 지불하며, Jina API 키가 필요합니다. Elastic Inference Service(EIS)는 Elastic Cloud에서 Jina 모델을 실행하며, 비용은 Elastic 구독료에 포함되므로 인프라를 관리할 필요가 없습니다. Jina On-Prem은 Elastic에서 2026년 8월 10일부터 독립형 SKU로 판매하는 상용 라이선스로, 자체 관리형 온프레미스 또는 물리적으로 격리된 인프라에서 모델을 실행할 수 있습니다. EIS 및 On-Prem 방식에 대한 자세한 내용은 Elastic 영업팀에 문의하세요.
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
네. 신규 사용자는 모든 모델에서 사용할 수 있는 무료 토큰이 포함된 API 키를 자동으로 받게 됩니다. 무료 토큰을 모두 사용한 후에는 "토큰 구매" 탭에서 해당 키로 토큰을 추가로 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
셀프 서비스 토큰 구매의 경우, Stripe는 구매 시점에 Stripe 계정에 연결된 이메일 주소로 청구서를 발송합니다. 공식 구매 주문서, 협상 계약서, 구매 문서 또는 Stripe 대신 Elastic을 통해 처리되는 통합 청구서가 필요한 경우, Elastic 영업팀에 문의하세요.
attach_money
API 토큰 대신 상업용 라이선스를 구매하려면 어떻게 해야 하나요?
keyboard_arrow_down
이 사이트에서 토큰을 구매하시면 관리형 Jina API 사용 권한만 부여됩니다. 이 토큰에는 자체 인프라에서 모델 가중치를 실행할 수 있는 라이선스가 포함되어 있지 않습니다. 이러한 이유로 Elastic은 2026년 8월 10일부터 해당 라이선스를 토큰 단위가 아닌 연간 단위로 별도 판매하고 있습니다. 견적을 받으시려면 Elastic 영업팀으로 문의하세요.
attach_money
신용카드 대신 송장이나 구매 주문서로 결제할 수 있나요?
keyboard_arrow_down
셀프 서비스 토큰 구매는 Stripe를 통해 처리되며, 청구서는 Stripe 계정 이메일 주소로 자동으로 발송됩니다. 셀프 서비스 충전 지원 한도를 초과하는 구매 주문, 구매 프로세스 또는 거래량의 경우 Elastic 영업팀으로 문의하세요.
attach_money
결제는 완료했는데 잔액이나 사용 한도가 변경되지 않았습니다. 무엇을 확인해야 할까요?
keyboard_arrow_down
잔액 및 사용량 제한은 계정이 아닌 API 키에 적용됩니다. 따라서 계정 페이지가 아닌 API 키 자체를 먼저 확인하세요. "API 키 및 결제" 탭에 키를 입력하여 잔액과 등급을 확인할 수 있습니다. 계정에 여러 개의 키가 있는 경우, 토큰은 애플리케이션에서 실제로 사용 중인 키가 아닌, 이전에 발급받은 키로 지급될 수 있습니다. 또한, 결제 후 새로운 등급이 적용되는 데 약간의 시간이 소요될 수 있습니다. 키에 잔액이 표시되지만 기존 등급으로 제한되는 경우, 고객 지원팀에 문의해 주세요.
attach_money
자동 충전을 취소하거나, 자동 충전 기능을 끄거나, 저장된 결제 수단을 삭제하려면 어떻게 해야 하나요?
keyboard_arrow_down
셀프 서비스 결제는 고객 포털의 "API 키 및 결제" 탭에서 관리할 수 있습니다. 여기에서 자동 충전을 비활성화하고 저장된 결제 수단을 삭제할 수 있습니다. 자동 충전 비활성화는 이후의 금액 차감만 중지하는 것이며, 구매한 잔액은 계속 사용할 수 있습니다. 계정 및 계정 정보를 삭제하거나 환불을 요청하려면 고객 지원팀에 문의해 주세요. 계정 삭제는 수동으로 처리되며 영업일 기준 며칠이 소요됩니다. 삭제가 완료되면 서면으로 확인해 드립니다.
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 웹사이트와 모든 관련 콘텐츠, 소프트웨어, 제품 및 서비스는 전문 목적 사용을 위한 것입니다. 소비자 사용은 의도되지 않았습니다.