Elastic
Jina AI
Модели
API
keyboard_arrow_down
Reader
Конвертируйте любой URL в Markdown для лучшей привязки LLM к источникам.
Эмбеддинги
Мультимодальные многоязычные векторные представления.
Реранкер
Реранкер для максимизации релевантности результатов поиска.
MCP
terminal
CLI
article
llms.txt
smart_toy
Агенты
data_object
Схема
menu_book
Документация
Авторизоваться
login

Эмбеддинги

Высокопроизводительные мультимодальные многоязычные эмбеддинги с длинным контекстом для приложений поиска, RAG и агентов.

API эмбеддингов

Попробуйте наши модели эмбеддинга, чтобы улучшить ваши системы поиска и RAG. Начните с бесплатной пробной версии!
keyКлюч API и биллинг
codeИспользование
more_horizБолее
chevron_leftchevron_right
home
speedОграничение скорости
bug_reportПоднять вопрос
help_outlineЧасто задаваемые вопросы
Статус
chevron_leftchevron_right
upload
Запрос
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。"
    + добавить ввод
  ]
}
EOFEOF

v5-omni: Единый эмбеддинг для всех

Текст, изображение, аудио, видео — одно общее пространство для эмбеддинга, два размера. v5-omni-small (1,6 млрд) — это наиболее производительная модель омни с открытыми весами при параметрах менее 2 млрд. v5-omni-nano (0,9 млрд) обеспечивает конкурентоспособный поиск при параметрах менее 1 млрд. Обе модели побайтно совместимы с v5-text — переиндексация не требуется.
Прочитать примечание к выпускуarrow_forward

v5-text: Новые SOTA компактные многоязычные эмбеддинги

jina-embeddings-v5-text обеспечивает качество эмбеддинга пятого поколения в двух эффективных размерах — малом (677M) и нано (239M) — с адаптерами LoRA, специфичными для конкретных задач, размерами Matryoshka, контекстом 32K и квантизацией GGUF/MLX для развертывания на периферии сети, устанавливая новые стандарты в задачах MMTEB, MTEB English и поиска информации.
Прочитать примечание к выпускуarrow_forward

Два способа покупки

Подпишитесь на наш API или приобретите подписку через облачных провайдеров.
radio_button_unchecked
cloud
С 3 поставщиками облачных услуг
Ваша компания использует AWS или Azure? Вы можете развернуть наши модели напрямую на облачной платформе вашей компании и вести расчёты через учётную запись CSP.
AWS SageMaker
Эмбеддинг
Реранкер
Microsoft Azure
Эмбеддинг
Реранкер
Google Cloud
Эмбеддинг
radio_button_checked
С API Jina Search Foundation
Самый простой способ получить доступ ко всем нашим продуктам. Пополняйте токены по мере использования.
Пополните этот ключ API дополнительными токенами
В зависимости от вашего местоположения с вас может взиматься плата в долларах США, евро или других валютах. Могут взиматься налоги.
Пожалуйста, введите правильный ключ API для пополнения счета.
Понять ограничение скорости
Ограничения скорости — это максимальное количество запросов, которые можно сделать к API в течение минуты на IP-адрес/ключ API (RPM). Узнайте больше об ограничениях скорости для каждого продукта и уровня ниже.
keyboard_arrow_down
Ограничение скорости
Ограничения скорости отслеживаются двумя способами: RPM (запросы в минуту) и TPM (токены в минуту). Ограничения применяются для каждого IP/API-ключа и срабатывают при достижении порогового значения RPM или TPM. Когда вы указываете ключ API в заголовке запроса, мы отслеживаем ограничения скорости по ключу, а не по IP-адресу.
ПродуктКонечная точка APIОписаниеarrow_upwardбез API-ключаkey_offс бесплатным API-ключомkeyс платным API-ключомkeyс премиум-ключом APIkeyСредняя задержкаПодсчет использования токеновРазрешенный запрос
API Readerhttps://r.jina.aiПреобразовать URL в текст, понятный LLM20 RPM500 RPM500 RPMtrending_up5000 RPM7.9sПодсчитывать количество токенов в выходном ответе.GET/POST
API Readerhttps://s.jina.aiИскать в интернете и преобразовывать результаты в текст, понятный LLMblock100 RPM100 RPMtrending_up1000 RPM2.5sКаждый запрос стоит фиксированное количество токенов, начиная с 10000 токенов.GET/POST
API реранкераhttps://api.jina.ai/v1/rerankРанжировать документы по запросуblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
зависит от размера входных данных
help
Подсчитывать количество токенов во входном запросе.POST
API эмбеддинговhttps://api.jina.ai/v1/embeddingsПреобразовывать текст/изображения в векторы фиксированной длиныblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
зависит от размера входных данных
help
Подсчитывать количество токенов во входном запросе.POST

Локальное развертывание

Развертывайте модели Jina Embeddings в AWS SageMaker и Microsoft Azure, а вскоре и в Google Cloud Services, или свяжитесь с нашим отделом продаж, чтобы получить индивидуальные развертывания Kubernetes для вашего виртуального частного облака и локальных серверов.
AWS SageMaker
Эмбеддинг
Реранкер
Microsoft Azure
Эмбеддинг
Реранкер
Google Cloud
Эмбеддинг
API-интеграция
Наш Embedding API изначально интегрирован с различными известными базами данных, векторными хранилищами, платформами RAG и LLMOps. Для начала просто скопируйте и вставьте свой ключ API в любую из перечисленных интеграций для быстрого и беспроблемного запуска.
Векторный магазин
LLMOps
RAG
Наблюдаемость
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

Наши публикации

Узнайте, как наши передовые модели поиска обучались с нуля, и посмотрите наши последние публикации. Встретьте нашу команду на EMNLP, SIGIR, ICLR, NeurIPS и ICML!
arXiv
июль 20, 2026
jina-reranker-v3.5: An Efficient Listwise Reranker with Hybrid Attention and Self-Distillation
SIGIR 2026
май 11, 2026
jina-embeddings-v5-omni: Geometry-preserving Embeddings via Locked Aligned Towers
SIGIR 2026
февраль 17, 2026
jina-embeddings-v5-text: Task-Targeted Embedding Distillation
ICLR 2026
январь 22, 2026
Embedding Compression via Spherical Coordinates
arXiv
декабрь 29, 2025
Vision Encoders in Vision-Language Models: A Survey
ICLR 2026
декабрь 04, 2025
Jina-VLM: Small Multilingual Vision Language Model
AAAI 2026
октябрь 01, 2025
jina-reranker-v3: Last but Not Late Interaction for Document Reranking
NeurIPS 2025
август 31, 2025
Efficient Code Embeddings from Code Generation Models
EMNLP 2025
июнь 24, 2025
jina-embeddings-v4: Universal Embeddings for Multimodal Multilingual Retrieval
ICLR 2025
март 04, 2025
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
ACL 2025
декабрь 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
декабрь 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
сентябрь 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
SIGIR 2025
сентябрь 07, 2024
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
EMNLP 2024
август 30, 2024
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
WWW 2025
июнь 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
май 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
февраль 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
октябрь 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
июль 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
Всего публикаций 20.

Изучение эмбеддингов

С чего начать эмбеддинг? Мы вас прикроем. Узнайте о эмбеддингах с нуля с помощью нашего подробного руководства.
май 12, 2026 • 7 минуты чтения
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
май 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.
март 11, 2026 • 7 минуты чтения
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.
март 06, 2026 • 6 минуты чтения
Identifying Embedding Models from Raw Numerical Values
A tiny transformer that fingerprints embedding models by reading raw numerical digits. No feature engineering.
Han Xiao

Сравнение реранкера, векторного поиска и BM25

В таблице ниже представлено всестороннее сравнение Reranker, Vector/Embeddings Search и BM25, подчеркивая их сильные и слабые стороны в различных категориях.
РеранкерВекторный поискБМ25
Лучшее дляПовышенная точность и релевантность поискаНачальная, быстрая фильтрацияОбщий поиск текста по широкому кругу запросов
ГранулярностьПодробно: вложенный документ и сегмент запроса.Широкий: все документы.Средний уровень: различные фрагменты текста.
Сложность времени запросаВысокийСерединаНизкий
Сложность по времени индексацииНе требуетсяВысокийНизкий, использует готовый индекс
Сложность времени обученияВысокийВысокийНе требуется
Качество поискаПревосходно для тонких запросовБаланс между эффективностью и точностьюСогласованность и надежность для широкого круга запросов
Сильные стороныВысокая точность и глубокое понимание контекстаБыстро и эффективно, с умеренной точностью.Высокая масштабируемость и доказанная эффективность
Попробуйте API реранкера бесплатноПопробуйте API эмбеддингов бесплатно

Плакат «Эволюция эмбеддингов»

Откройте для себя идеальный плакат для вашего помещения с увлекательной инфографикой или захватывающими визуальными эффектами, прослеживающими эволюцию моделей эмбеддинга текста с 1950 года.
Узнайте, как мы это сделали
shopping_cartКупить бумажную копию

Часто задаваемые вопросы

Как обучались модели эмбеддинга Jina?
keyboard_arrow_down
Подробную информацию о наших процессах обучения, источниках данных и оценках см. в технических отчетах на arXiv. Текстовые модели jina-embeddings-v5 обучаются в два этапа: дистилляция эмбеддингов из более крупной модели-учителя, за которой следует обучение адаптера LoRA, специфичного для задачи, на основе замороженных весов базовой модели. Мультимодальные варианты v5-omni добавляют третий этап, на котором обучаются только кросс-модальные проекторы, при этом базовая модель текста и адаптеры остаются замороженными.
launcharXiv
Какие у вас модели мультимодального эмбеддинга?
keyboard_arrow_down
jina-embeddings-v5-omni-small (~1,74 млрд параметров, 1024 измерения, 32 тыс. контекста) и jina-embeddings-v5-omni-nano (~1,04 млрд параметров, 768 измерений, 8 тыс. контекста) — это наши текущие мультимодальные модели. Они принимают текст, изображения, аудио, видео и PDF-файлы в одном общем векторном пространстве, поэтому вы можете индексировать в одной модальности и выполнять запросы в другой без переиндексации. Их вывод только текста идентичен jina-embeddings-v5-text-small и jina-embeddings-v5-text-nano соответственно, что означает, что вы можете добавить мультимодальный ввод к существующему текстовому индексу без его повторного эмбеддинга. jina-clip-v2 (865 млн параметров) остается доступным в качестве более легкого варианта для текста и изображений.
launcharXiv
Какие языки поддерживают ваши модели?
keyboard_arrow_down
Все модели, выпущенные с 2024 года, являются многоязычными. Модели jina-embeddings-v5-text-small и v5-omni построены на базе Qwen3 с широким многоязычным покрытием; jina-embeddings-v5-text-nano построена на EuroBERT-210M и поддерживает 15 основных европейских и мировых языков, включая английский, французский, немецкий, испанский, китайский, японский, арабский и хинди. jina-embeddings-v3 и jina-clip-v2 поддерживают 89 языков. Результаты бенчмарков для каждого языка см. в отчете MMTEB по каждой модели.
launcharXiv
Какова максимальная длина контекста для одного входного сигнала?
keyboard_arrow_down
Длина контекста варьируется в зависимости от модели: jina-embeddings-v5-text-small и jina-embeddings-v5-omni-small поддерживают до 32 768 токенов, в то время как jina-embeddings-v5-text-nano и jina-embeddings-v5-omni-nano поддерживают 8192 токена. jina-embeddings-v4 и модели jina-code-embeddings поддерживают 32 768 токенов; jina-embeddings-v3, jina-clip-v2 и jina-colbert-v2 поддерживают 8192 токена. При превышении лимита ввод данных приводит к ошибке, если не установить параметр truncate: true.
Каково максимальное количество входных данных, которые я могу включить в один запрос?
keyboard_arrow_down
Жестких ограничений на количество элементов в одном запросе нет. API внутренне группирует входные данные по количеству токенов для оптимального использования графического процессора, поэтому вы можете отправлять столько текстовых файлов или изображений, сколько необходимо, в одном запросе. Исключение составляют PDF-файлы: отправляйте один PDF-файл за запрос.
Как отправить изображения, аудио, видео или PDF-файлы в мультимодальные модели?
keyboard_arrow_down
Передайте типизированный объект в массиве input, используя ключ image, audio, video или pdf, значением которого является либо публичный URL-адрес, либо байты, закодированные в base64. Модель направляет каждый тип данных соответствующему кодировщику, и вы можете свободно смешивать типы данных в одном пакете. Поддерживаемые аудиоформаты включают WAV, MP3, FLAC, OGG, M4A и Opus; видео обрабатывается как 32 равномерно дискретизированных кадра. PDF-файлы необходимо отправлять по одному на запрос.
Как эмбеддинги Jina соотносятся с новейшими моделями OpenAI, Cohere и Voyage?
keyboard_arrow_down
Модель jina-embeddings-v5-text-small (677 млн параметров) является самой сильной моделью с количеством параметров менее 1 млрд на MMTEB, набрав в среднем 67,0 баллов на уровне задачи и достигнув среднего показателя 71,7 на английском языке в MTEB. Модель jina-embeddings-v5-text-nano (239 млн параметров) набирает 65,5 баллов на MMTEB, опережая все модели, которые мы оценивали с количеством параметров менее 500 млн. Наша цель — оценка производительности на параметр, а не просто увеличение размера, поэтому эти модели дешевле в обслуживании, чем большинство альтернатив, при сопоставимом или лучшем качестве поиска. Все модели v5 поддерживают обучение представлению «Matryoshka», поэтому вы можете сократить количество измерений до 32 без переобучения.
Насколько плавным будет переход от text-embedding-3-large от OpenAI к вашему решению?
keyboard_arrow_down
Переход прост: наша конечная точка API соответствует входным и выходным JSON-схемам OpenAI text-embedding-3-large, поэтому в большинстве кодовых баз вам нужно изменить базовый URL, ключ API и имя модели. То же самое относится и к контейнерам Jina On-Prem, которые дополнительно предоставляют схемы Elastic Inference Service (EIS), Cohere, Voyage AI и Gemini, поэтому модели Jina являются прямой заменой в существующих кодовых путях. Обратите внимание, что эмбеддинги из разных семейств моделей несопоставимы, поэтому вам нужно повторно эмбедифицировать свой корпус, а не смешивать векторы от двух поставщиков в одном индексе. По вопросам приобретения самих локальных контейнеров обращайтесь в отдел продаж Elastic (Elastic Sales).
Как вычисляются токены для изображений и других нетекстовых входных данных?
keyboard_arrow_down
Текст подсчитывается стандартным способом. Нетекстовые входные данные преобразуются в токены соответствующим кодировщиком, и стоимость сильно зависит от используемой модели, поэтому измеряйте с помощью собственных входных данных, а не предполагайте. В качестве ориентира, изображение размером 600x600 пикселей стоит приблизительно: • jina-embeddings-v5-omni-small: ~363 токена • jina-embeddings-v5-omni-nano: ~362 токена • jina-embeddings-v4: ~4840 токенов • jina-clip-v2: ~16000 токенов Модели v5-omni на один-два порядка дешевле в расчете на изображение, чем более старые модели. Каждый ответ содержит объект usage с точным количеством токенов для данного запроса, включая разбивку image_tokens для многомодальных входных данных, что позволяет проверить стоимость одного вызова.
Предоставляете ли вы модели для эмбеддинга изображений, аудио или видео?
keyboard_arrow_down
Да. jina-embeddings-v5-omni-small и jina-embeddings-v5-omni-nano встраивают текст, изображения, аудио, видео и PDF-файлы в единое общее векторное пространство. jina-embeddings-v4 и jina-clip-v2 обрабатывают текст и изображения.
Можно ли точно настроить модели эмбеддинга Jina на данных частных лиц или компаний?
keyboard_arrow_down
Существует два пути. Первый — это API тонкой настройки, который генерирует синтетические обучающие данные на основе описания вашей предметной области и возвращает точно настроенную модель без необходимости создания вами размеченного набора данных. Для тонкой настройки на собственных данных в рамках коммерческого соглашения, на выделенной инфраструктуре или на модели, которая не входит в базовый селектор моделей, свяжитесь с отделом продаж Elastic; эта работа определяется и заключает договор с Elastic.
Контакт
Можно ли разместить модели в частном порядке, на моей собственной инфраструктуре или в моем собственном облачном аккаунте?
keyboard_arrow_down
Да, двумя способами. Модели Jina доступны на торговых площадках AWS, Azure и GCP, поэтому вы можете развернуть их в своей собственной облачной учетной записи. Для самостоятельного управления, локальной или изолированной инфраструктуры Elastic продает коммерческую лицензию Jina On-Prem, доступную с 10 августа 2026 года, которая включает модели в виде полностью автономных контейнеров Docker без внешних вызовов и сервера лицензирования. Чтобы получить коммерческое предложение по любому из вариантов, свяжитесь с отделом продаж Elastic.
launchAWS SageMakerlaunchGoogle CloudlaunchMicrosoft Azure
Что представляет собой параметр 'task' и когда его следует использовать?
keyboard_arrow_down
Параметр task выбирает адаптер LoRA, специфичный для данной задачи, для оптимальной производительности. Используйте retrieval.query для поисковых запросов, retrieval.passage для документов, по которым выполняется поиск, text-matching для симметричного сходства, такого как обнаружение дубликатов или перефразирований, classification для категоризации и separation для кластеризации. Поиск является асимметричным, поэтому использование неправильной стороны пары запрос/пасаж заметно ухудшает результаты. Этот параметр поддерживается jina-embeddings-v5, jina-embeddings-v4 и jina-embeddings-v3.
Что такое late-interaction retrieval и какие модели его поддерживают?
keyboard_arrow_down
Late-interaction сохраняет векторы на уровне токенов вместо того, чтобы сводить документ к одному вектору, что сохраняет детализацию за счет большего индекса. jina-embeddings-v4 поддерживает как плотный (одновекторный), так и многовекторный (late-interaction) вывод через параметр output_type, а jina-colbert-v2 — это специализированная модель late-interaction. Для большинства конвейеров поиска плотная модель v5 с последующим реранжированием обеспечивает лучший компромисс между точностью и затратами.
Что такое «позднее сегментирование» и когда его следует использовать?
keyboard_arrow_down
Лейт-чанкинг сначала встраивает весь документ с помощью модели длинного контекста, а затем вычисляет эмбеддинги чанков из представлений на уровне токенов. В отличие от наивного чанкинга, при котором каждый чанк встраивается изолированно, лейт-чанкинг сохраняет контекст между чанками, что повышает качество поиска в конвейерах RAG, где чанк ссылается на нечто, определённое ранее в документе. Включите его с помощью параметра late_chunking.
Почему API устанавливает другую длину контекста, чем та, которую поддерживает модель?
keyboard_arrow_down
Некоторые модели архитектурно способны обрабатывать контекст большей длины, чем позволяет размещенный API. Очень длинные последовательности потребляют значительное количество памяти графического процессора, и мы настраиваем конфигурацию обслуживания для баланса пропускной способности, задержки и стоимости для большинства вариантов использования. Если вам необходима полная длина архитектурного контекста, запустите модель самостоятельно: свяжитесь с отделом продаж Elastic по поводу самостоятельного развертывания.
Почему jina-embeddings-v4 бесплатна и почему она работает медленно?
keyboard_arrow_down
jina-embeddings-v4 построена на базовой модели Qwen2-VL, выпущенной под лицензией Qwen Research License, которая разрешает только исследовательское и некоммерческое использование. Поэтому мы не можем лицензировать ее для коммерческого использования и предоставляем ее бесплатно через API. Кроме того, это модель с 3,8 миллиардами параметров, поэтому она по своей природе медленнее на запрос, и мы ограничиваем ее пропускную способность для управления затратами на инфраструктуру. Она не подходит для продакшн-нагрузок, и по той же причине не предлагается через Elastic Inference Service или в составе Jina On-Prem. Для использования в продакшене используйте семейство jina-embeddings-v5: оно быстрее, лучше показывает себя на бенчмарках поиска и может быть лицензировано для коммерческого использования через Elastic Sales.
Каковы ограничения скорости запросов к API Embeddings?
keyboard_arrow_down
Ограничения скорости зависят от типа вашего API-ключа:

Бесплатно: 100 запросов/мин, 100 тыс. TPM
Платно: 500 запросов/мин, 2 млн TPM
Премиум: 5000 запросов/мин, 50 млн TPM

Дополнительно установлено ограничение в 10 000 запросов в течение 60 секунд, основанное на IP-адресе, для предотвращения злоупотреблений. Ограничения применяются для каждого ключа и рассчитываются за 60-секундный период, поэтому всплески сглаживаются, а не ставятся в очередь; запрос, превышающий лимит, возвращает HTTP 429 и должен быть повторен с экспоненциальной задержкой. Если вам требуются ограничения, превышающие уровень Premium, или выделенная мощность без каких-либо ограничений для общего доступа, свяжитесь с отделом продаж Elastic.
Какую модель эмбеддинга мне следует выбрать?
keyboard_arrow_down
Начните с jina-embeddings-v5-text-small для поиска текста: это самая мощная модель с разрешением менее 1 миллиарда символов, которую мы предлагаем, и она обрабатывает контекст на 32K токенов. Перейдите на jina-embeddings-v5-text-nano, когда задержка, стоимость или аппаратное обеспечение на периферии сети важнее, чем точность. Используйте jina-embeddings-v5-omni-small или v5-omni-nano, если используются изображения, аудио, видео или PDF-файлы; их текстовый вывод идентичен соответствующей текстовой модели, поэтому вы можете добавлять модальности к существующему индексу без повторного эмбеддинга. Используйте jina-code-embeddings-0.5b или 1.5b для исходного кода. В рамках одного семейства, чем новее, тем лучше.
Каковы ограничения по размеру файлов для изображений и PDF-файлов?
keyboard_arrow_down
Максимальный размер файлов составляет 5 МБ для изображений и 8 МБ для PDF-файлов. Файлы большего размера отклоняются с ошибкой.

Как получить мой ключ API?

video_not_supported

Каков лимит запросов?

Ограничение скорости
Ограничения скорости отслеживаются двумя способами: RPM (запросы в минуту) и TPM (токены в минуту). Ограничения применяются для каждого IP/API-ключа и срабатывают при достижении порогового значения RPM или TPM. Когда вы указываете ключ API в заголовке запроса, мы отслеживаем ограничения скорости по ключу, а не по IP-адресу.
ПродуктКонечная точка APIОписаниеarrow_upwardбез API-ключаkey_offс бесплатным API-ключомkeyс платным API-ключомkeyс премиум-ключом APIkeyСредняя задержкаПодсчет использования токеновРазрешенный запрос
API Readerhttps://r.jina.aiПреобразовать URL в текст, понятный LLM20 RPM500 RPM500 RPMtrending_up5000 RPM7.9sПодсчитывать количество токенов в выходном ответе.GET/POST
API Readerhttps://s.jina.aiИскать в интернете и преобразовывать результаты в текст, понятный LLMblock100 RPM100 RPMtrending_up1000 RPM2.5sКаждый запрос стоит фиксированное количество токенов, начиная с 10000 токенов.GET/POST
API реранкераhttps://api.jina.ai/v1/rerankРанжировать документы по запросуblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
зависит от размера входных данных
help
Подсчитывать количество токенов во входном запросе.POST
API эмбеддинговhttps://api.jina.ai/v1/embeddingsПреобразовывать текст/изображения в векторы фиксированной длиныblock100 RPM & 100,000 TPM500 RPM & 2,000,000 TPMtrending_up5,000 RPM & 50,000,000 TPM
ssid_chart
зависит от размера входных данных
help
Подсчитывать количество токенов во входном запросе.POST

Нужна ли мне коммерческая лицензия?

Самостоятельная проверка лицензии CC BY-NC
play_arrow
Вы используете наш размещенный API или наши официальные образы на Azure, AWS или GCP?
play_arrow
Да
Отдельная лицензия не требуется. Коммерческое использование регулируется условиями предоставления услуг: зарегистрируйтесь и оплатите через этот сайт или облачную торговую площадку.
play_arrow
Нет
play_arrow
Вы сами используете веса модели в коммерческом продукте или услуге?
play_arrow
Нет
Ничего покупать не нужно. Загрузка, оценка, сравнительный анализ и исследовательское использование разрешены в соответствии со всеми лицензиями, под которыми мы публикуем материалы, с указанием авторства.
play_arrow
Да
play_arrow
Какую лицензию имеет модель? Это указано на странице модели на сайте Hugging Face.
play_arrow
Apache-2.0
Apache 2.0 разрешает коммерческое использование. Ничего покупать не нужно. Это относится к нашим устаревшим моделям версий 1 и 2.
play_arrow
CC BY-NC 4.0
Вам потребуется коммерческая лицензия. Начиная с 10 августа 2026 года, Elastic продает лицензию для моделей Jina в виде отдельного SKU под названием Jina On-Prem. Она охватывает самостоятельные, локальные и изолированные развертывания и не требует подписки на Elasticsearch.
Если вы уже являетесь клиентом Elastic, ваша команда по работе с клиентами может добавить его к вашему существующему соглашению.
Свяжитесь с Elastic Sales
play_arrow
Исследовательская лицензия Qwen
Лицензия для исследовательских целей не разрешает коммерческое использование, и коммерческая лицензия на другие наши модели на нее не распространяется. Для этой модели нет коммерческого варианта, ни для самостоятельного размещения, ни через API. Вместо этого выберите модель, работающую по одной из двух других лицензий.
Общие вопросы, связанные с API
code
Могу ли я использовать один и тот же API-ключ для всех API Jina?
keyboard_arrow_down
Да. Один API-ключ действителен для всех продуктов Jina AI Search Foundation, включая API Reader, Embeddings, Reranker, Classifier и Segmenter, при этом токены являются общими для всех этих продуктов.
code
Могу ли я отслеживать использование токена моего ключа API?
keyboard_arrow_down
Да, использование токенов можно отслеживать на вкладке «API Key & Billing», введя свой API-ключ, что позволит вам просматривать недавнюю историю использования и оставшиеся токены. Если вы вошли в панель управления API, эти данные также можно просмотреть на вкладке «Manage API Key».
code
Что мне делать, если я забуду свой ключ API?
keyboard_arrow_down
Если вы потеряли пополненный ключ и хотите его восстановить, обратитесь в службу поддержки AT jina.ai, указав зарегистрированный адрес электронной почты, чтобы получить помощь. Рекомендуется войти в систему, чтобы ваш ключ API был надежно сохранен и легко доступен.
Контакт
code
Срок действия ключей API истекает?
keyboard_arrow_down
Нет, наши API-ключи не имеют срока действия. Если ключ скомпрометирован, отзовите его самостоятельно в панели управления API-ключами — отзыв вступит в силу немедленно; сначала выпустите новый ключ, чтобы избежать простоя. Любой оставшийся баланс токенов останется на вашем счете, а не на отозванном ключе. Если вы не можете получить доступ к панели управления или считаете, что сам счет скомпрометирован, обратитесь в службу поддержки Elastic.
Контакт
code
Могу ли я передавать токены между ключами API?
keyboard_arrow_down
Да, вы можете перенести токены с одного премиум-ключа на другой. После входа в свою учетную запись на панели управления ключами API используйте настройки ключа, который вы хотите перенести, чтобы переместить все оставшиеся оплаченные токены.
code
Могу ли я отозвать свой ключ API?
keyboard_arrow_down
Да, вы можете отозвать свой ключ API, если считаете, что он был скомпрометирован. Отзыв ключа немедленно отключит его для всех пользователей, которые его сохранили, а весь оставшийся баланс и связанные с ним свойства станут навсегда непригодными для использования. Если ключ является премиум-ключом, у вас есть возможность перевести оставшийся оплаченный баланс на другой ключ перед отзывом. Обратите внимание, что это действие нельзя отменить. Чтобы отозвать ключ, перейдите к настройкам ключа на панели управления ключами API.
code
Почему первый запрос для некоторых моделей выполняется медленно?
keyboard_arrow_down
Это происходит потому, что наша архитектура Serverless выгружает определенные модели в периоды низкого использования. Первоначальный запрос активирует или «разогревает» модель, что может занять несколько секунд. После этой первоначальной активации последующие запросы обрабатываются гораздо быстрее.
code
Используются ли данные из моего API для обучения ваших моделей?
keyboard_arrow_down
Нет. Мы никогда не используем ваши API-запросы, входные или выходные данные для обучения наших моделей embedding, reranker или любых других моделей. Ваши данные остаются вашими.
code
Каковы ограничения скорости запросов к API Jina?
keyboard_arrow_down
Для каждого ключа API действуют ограничения по количеству запросов:

Бесплатно: 100 запросов/мин, 100 тыс. TPM
Платно: 500 запросов/мин, 2 млн TPM
Премиум: 5 000 запросов/мин, 50 млн TPM

Также существует ограничение по IP-адресу — 10 000 запросов за 60 секунд. Ограничения различаются в зависимости от конечной точки; см. таблицу ограничений по количеству запросов выше для каждой конечной точки.
code
Существуют ли ограничения на размер пакета для API?
keyboard_arrow_down
Для API Embeddings и Reranker нет ограничений по размеру пакета. Вы можете отправлять столько элементов или документов, сколько необходимо, за один запрос. Оба API внутренне группируют входные данные по количеству токенов для оптимального использования GPU.
code
Являются ли API Jina тем же самым, что и модели Jina внутри Elastic?
keyboard_arrow_down
Нет, это три отдельных пути. API Jina на этом сайте являются самообслуживаемыми и оплачиваются по мере использования с помощью ключа API Jina. Сервис Elastic Inference Service (EIS) запускает модели Jina внутри Elastic Cloud, оплата производится через вашу подписку Elastic, и вам не нужно управлять инфраструктурой. Jina On-Prem — это коммерческая лицензия, продаваемая Elastic как отдельный SKU с 10 августа 2026 года, для запуска моделей в вашей собственной управляемой локальной или изолированной инфраструктуре. По вопросам EIS и On-Prem обращайтесь в отдел продаж Elastic.
Общие вопросы, связанные с выставлением счетов
attach_money
Выставление счетов зависит от количества предложений или запросов?
keyboard_arrow_down
Наша модель ценообразования основана на общем количестве обработанных токенов, что позволяет пользователям гибко распределять эти токены по любому количеству предложений, предлагая экономически эффективное решение для разнообразных требований к анализу текста.
attach_money
Доступна ли бесплатная пробная версия для новых пользователей?
keyboard_arrow_down
Да. Новые пользователи получают автоматически сгенерированный API-ключ с бесплатными токенами, которые можно использовать для любой из наших моделей. После того, как бесплатные токены будут израсходованы, вы можете приобрести дополнительные токены для этого ключа на вкладке «Купить токены».
attach_money
Взимаются ли токены за неудачные запросы?
keyboard_arrow_down
Нет, токены не снимаются за неудачные запросы.
attach_money
Какие способы оплаты принимаются?
keyboard_arrow_down
Платежи обрабатываются через Stripe, поддерживающий для вашего удобства различные способы оплаты, включая кредитные карты, Google Pay и PayPal.
attach_money
Доступно ли выставление счетов за покупку токенов?
keyboard_arrow_down
При самостоятельной покупке токенов Stripe выставляет счет на адрес электронной почты, связанный с вашей учетной записью Stripe на момент покупки. Если вам нужен официальный заказ на покупку, согласованный контракт, документы по закупкам или консолидированная оплата, которые обрабатываются Elastic, а не Stripe, свяжитесь с отделом продаж Elastic.
attach_money
Как мне приобрести коммерческую лицензию, а не токены API?
keyboard_arrow_down
Покупка токенов на этом сайте покрывает использование размещенных API Jina. Она не предоставляет вам лицензию на запуск весов модели в вашей собственной инфраструктуре. Для этого Elastic продает коммерческую лицензию в качестве отдельного SKU с 10 августа 2026 года по годовой цене, а не за токен. Для получения коммерческого предложения свяжитесь с отделом продаж Elastic.
attach_money
Могу ли я оплатить счетом-фактурой или заказом на покупку вместо банковской карты?
keyboard_arrow_down
Покупка токенов через систему самообслуживания обрабатывается через Stripe, и счет автоматически отправляется на адрес электронной почты вашей учетной записи Stripe. Для оформления заказов на покупку, осуществления закупочных процессов или обработки объемов, превышающих возможности самообслуживания, свяжитесь с отделом продаж Elastic.
attach_money
Я оплатил, но мой баланс или лимит не изменились. Что мне следует проверить?
keyboard_arrow_down
Баланс и лимиты транзакций привязаны к API-ключу, а не к учетной записи, поэтому в первую очередь следует проверить сам ключ, а не страницу учетной записи: введите его во вкладке «API-ключ и оплата» и подтвердите баланс и уровень там. Если в учетной записи хранится более одного ключа, токены привязаны к ключу, который был пополнен, и это может быть не тот ключ, который отправляет ваше приложение. Изменение уровня также может занять некоторое время после оплаты. Если после этого баланс отображается, но лимит по-прежнему остается на предыдущем уровне, обратитесь в службу поддержки.
attach_money
Как отменить, остановить автоматическое пополнение счета или удалить сохраненный способ оплаты?
keyboard_arrow_down
Управление оплатой осуществляется через личный кабинет клиента, доступный по ссылке API Key & Billing. Там же можно отключить автоматическое пополнение счета и удалить сохраненные способы оплаты. Отключение автоматического пополнения прекращает списание средств в будущем, но позволяет использовать уже приобретенный баланс. Если вы также хотите удалить учетную запись и ее данные или запросить возврат средств, отправьте соответствующий запрос в службу поддержки; удаление учетной записи выполняется вручную и занимает несколько рабочих дней. После завершения вы получите письменное подтверждение.
Текущий язык / тема
Search Foundation
Reader
Эмбеддинги
Реранкер
Получить API-ключ Jina
Ограничение скорости
О нас
Новости
Загрузить логотип Jina
open_in_new
Скачать логотип Elastic
open_in_new
Статус API
Elastic © 2026.БезопасностьУсловия использованияКонфиденциальностьУправление файлами cookieНе продавайте и не передавайте мою личную информацию третьим лицам.
Данный веб-сайт и весь связанный с ним контент, программное обеспечение, продукты и услуги предназначены исключительно для профессионального использования. Использование в потребительских целях не предполагается и не рекомендуется.