新闻
模型
产品
keyboard_arrow_down
深度搜索
搜索、读取并推理直到找到最佳答案。
读取器
读取URL或搜索为大模型提供更好的依据。
向量模型
世界一流的多模态多语言向量模型。
重排器
世界一流的重排器,最大限度地提高搜索相关性。
更多的
keyboard_arrow_down
分类器
图片和文本的零样本和少样本分类。
切分器
将长文本切分成块或词元。

API 文档
为您的AI 编程助手 IDE 或大模型自动生成代码
open_in_new


公司
keyboard_arrow_down
关于我们
联系销售
实习生计划
加入我们
open_in_new
下载Logo
open_in_new
条款及条件


登录
login

向量模型

适用于搜索、RAG、智能体应用程序的性能最佳的多模态多语言长上下文向量模型。

向量模型API

用我们世界一流的向量模型来改进您的搜索和 RAG 系统。从免费试用开始!
key
密钥和计费
code
用量
more_horiz
更多的
chevron_leftchevron_right

home
speed速率限制
bug_report 问题反馈
help_outline常见问题
api
服务状态
chevron_leftchevron_right


示例输入
试试改变它们看看响应如何变化!

upload
请求
curl https://api.jina.ai/v1/embeddings \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer " \
  -d @- <<EOFEOF
  {
    "normalized": true,
    "embedding_type": "float",
    "input": [
        "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of nature with our organic skincare range, crafted specifically for sensitive skin. Infused with the calming properties of aloe vera and chamomile, each product provides gentle nourishment and protection. Say goodbye to irritation and hello to a glowing, healthy complexion.",
        "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung unserer Bio-Hautpflege, speziell für empfindliche Haut entwickelt. Mit den beruhigenden Eigenschaften von Aloe Vera und Kamille pflegen und schützen unsere Produkte Ihre Haut auf natürliche Weise. Verabschieden Sie sich von Hautirritationen und genießen Sie einen strahlenden Teint.",
        "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la naturaleza con nuestra línea de cuidado de la piel orgánico, diseñada especialmente para pieles sensibles. Enriquecidos con aloe vera y manzanilla, estos productos ofrecen una hidratación y protección suave. Despídete de las irritaciones y saluda a una piel radiante y saludable.",
        "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。",
        "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。"
    ]
  }
EOFEOF


clip-v2:多语言多模态向量

jina-clip-v2 是一个 0.9B CLIP 风格模型,它带来了三大进步:对 89 种语言的多语言支持、512x512 的高图片分辨率和用于截断向量的 Matryoshka 表示学习。
读取发行说明arrow_forward

v3:顶级多语言向量模型

jina-embeddings-v3 是一种前沿多语言文本向量模型,具有 570M 个参数和 8192 个词元长度,在 MTEB 上的表现优于 OpenAI 和 Cohere 的最新专有向量模型。请读取下面的博客文章和研究论文。

三种购买方式

订阅我们的 API、通过云提供商购买或为您的组织获取商业许可证。
radio_button_unchecked
cloud
与 3 个云服务提供商合作
您的公司是否在使用 AWS 或 Azure?那么请直接在贵公司的这些平台上私有化部署我们的搜索底座模型,这样您的数据就能保持安全且合规。
AWS SageMaker
向量模型
重排器
Microsoft Azure
向量模型
重排器
Google Cloud
向量模型
重排器
radio_button_checked
使用Jina 搜索底座API
访问我们所有产品的最简单方法。随时充值词元。
使用更多词元充值此 API 密钥
根据您所在的位置,您可能需要支付美元、欧元或其他货币的费用。可能需缴纳税费。
请输入正确的API密钥进行充值
了解速率限制
速率限制是指每个 IP 地址/API 密钥 (RPM) 在一分钟内可以向 API 发出的最大请求数。请在下面详细了解每个产品和层级的速率限制。
keyboard_arrow_down
速率限制
速率限制通过三种方式跟踪:RPM(每分钟请求数)和TPM(每分钟词元数)。限制按 IP/API 密钥强制执行,当首先达到 RPM 或 TPM 阈值时,将触发限制。当您在请求标头中提供 API 密钥时,我们会按密钥而不是 IP 地址跟踪速率限制。
产品API端口描述arrow_upward无 API 密钥key_off使用 API 密钥key带有高级 API 密钥key平均延迟词元使用计数请求类型
读取器 APIhttps://r.jina.ai将 URL 转换为大模型友好文本20 RPM500 RPMtrending_up5000 RPM7.9s以输出响应中的词元数量为准。GET/POST
读取器 APIhttps://s.jina.ai搜索网络并将结果转换为大模型友好文本block100 RPMtrending_up1000 RPM2.5s每个请求都需要固定数量的词元,从 10000 个词元开始GET/POST
深度搜索https://deepsearch.jina.ai/v1/chat/completions推理、搜索和迭代以找到最佳答案block50 RPM500 RPM56.7s统计整个过程中词元的总数。POST
向量模型APIhttps://api.jina.ai/v1/embeddings将文本/图片转为定长向量block500 RPM & 1,000,000 TPMtrending_up2,000 RPM & 5,000,000 TPM
ssid_chart
取决于输入大小
help
以输入请求中的词元数量为准。POST
重排器 APIhttps://api.jina.ai/v1/rerank按查询对文档进行精排block500 RPM & 1,000,000 TPMtrending_up2,000 RPM & 5,000,000 TPM
ssid_chart
取决于输入大小
help
以输入请求中的词元数量为准。POST
分类器 APIhttps://api.jina.ai/v1/train使用训练样本训练分类器block20 RPM & 200,000 TPM60 RPM & 1,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元 × 迭代次数POST
分类器 API (少量样本)https://api.jina.ai/v1/classify使用经过训练的少样本分类器对输入进行分类block20 RPM & 200,000 TPM60 RPM & 1,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元POST
分类器 API (零样本)https://api.jina.ai/v1/classify使用零样本分类对输入进行分类block200 RPM & 500,000 TPM1,000 RPM & 3,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元 加 标签词元POST
切分器 APIhttps://api.jina.ai/v1/segment对长文本进行分词分句20 RPM200 RPM1,000 RPM0.3s词元不计算使用量。GET/POST
radio_button_unchecked
encrypted
拥有本地使用的商业许可证
购买商业许可证以在现场使用我们的模型。

私有化部署

在 AWS Sagemaker 和 Microsoft Azure 中部署 Jina Embeddings 模型,并很快在 Google Cloud Services 中部署,或者联系我们的销售团队,为您的虚拟私有云和本地服务器获取定制的 Kubernetes 部署。
AWS SageMaker
向量模型
重排器
Microsoft Azure
向量模型
重排器
Google Cloud
向量模型
重排器
API集成
在流行数据库、向量数据库、RAG 和 LLMOps 框架轻松使用我们的向量模型API。首先,只需将您的 API 密钥复制到以下任意集成中即可快速使用我们的模型。
向量数据库
LLM框架
RAG应用
可观察性
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

我们的论文

了解我们的前沿搜索模型是如何从头开始训练的,查看我们的最新出版物。在 EMNLP、SIGIR、ICLR、NeurIPS 和 ICML 与我们的团队见面!
ICLR 2025
三月 04, 2025
ReaderLM-v2: Small Language Model for HTML to Markdown and JSON
ACL 2025
十二月 17, 2024
AIR-Bench: Automated Heterogeneous Information Retrieval Benchmark
ICLR 2025
十二月 12, 2024
jina-clip-v2: Multilingual Multimodal Embeddings for Text and Images
ECIR 2025
九月 18, 2024
jina-embeddings-v3: Multilingual Embeddings With Task LoRA
arXiv
九月 07, 2024
Late Chunking: Contextual Chunk Embeddings Using Long-Context Embedding Models
EMNLP 2024
八月 30, 2024
Jina-ColBERT-v2: A General-Purpose Multilingual Late Interaction Retriever
WWW 2025
六月 21, 2024
Leveraging Passage Embeddings for Efficient Listwise Reranking with Large Language Models
ICML 2024
五月 30, 2024
Jina CLIP: Your CLIP Model Is Also Your Text Retriever
arXiv
二月 26, 2024
Multi-Task Contrastive Learning for 8192-Token Bilingual Text Embeddings
arXiv
十月 30, 2023
Jina Embeddings 2: 8192-Token General-Purpose Text Embeddings for Long Documents
EMNLP 2023
七月 20, 2023
Jina Embeddings: A Novel Set of High-Performance Sentence Embedding Models
共计 11 篇出版物。

学习向量模型

什么是向量,为什么要向量化?我们已经为您提供了一些入门文章。通过我们的综合指南从头开始了解向量模型。

重排器、向量搜索和 BM25 的比较

下表提供了 重排器、向量搜索和 BM25 的全面比较,突出显示了它们在各个类别中的优缺点。
重排器向量搜索BM25
最适合场景增强的搜索精度和相关性初始、快速过滤跨广泛查询的一般文本检索
粒度详细:子文档和查询段广泛:整个文档中级:各种文本片段
查询时间复杂度高的中等的低的
索引时间复杂度不需要高的低,利用预建索引
训练时间复杂度高的高的不需要
搜索质量更适合细致入微的查询效率与准确性之间的平衡对于广泛的查询来说一致且可靠
优势高度准确,具有深入的上下文理解快速高效,准确度适中高度可扩展,具有既定的功效
免费试用重排器 API免费使用向量模型 API

向量模型70年

在您的办公空间或起居室内悬挂一张我们精心制作的海报,在1950年以来文本向量模型的进化和演变中寻找下一个灵感。
了解海报
shopping_cart购买海报

常见问题

jina-embeddings-v3 模型是如何训练的?
keyboard_arrow_down
有关我们的训练过程、数据源和评估的详细信息,请参阅 arXiv 上提供的技术报告。
launcharXiv
jina-clip 模型是什么?我可以使用它们进行文本和图片搜索吗?
keyboard_arrow_down
Jina CLIP jina-clip-v2 是一种先进的多模态向量模型,支持文本-文本、文本-图片、图片-图片和图片-文本检索任务。与在文本-文本搜索方面表现不佳的原始 OpenAI CLIP 不同,Jina CLIP 在文本检索方面表现出色。jina-clip-v2 在文本-图片和文本-文本检索任务中比 jina-clip-v1 的性能提高了 3%,支持 89 种语言进行多语言图片检索,处理更高分辨率的图片(512x512),并通过 Matryoshka 表示降低存储要求。您可以在我们的技术报告中读取更多相关信息。
launcharXiv
你们的模型支持哪些语言?
keyboard_arrow_down
截至 2024 年 9 月 18 日发布,jina-embeddings-v3 是最好的多语言模型,在参数少于 10 亿的模型的 MTEB 英语排行榜上排名第二。v3 共支持 89 种语言,包括性能最佳的前 30 种语言:阿拉伯语、孟加拉语、中文、丹麦语、荷兰语、英语、芬兰语、法语、格鲁吉亚语、德语、希腊语、印地语、印尼语、意大利语、日语、韩语、拉脱维亚语、挪威语、波兰语、葡萄牙语、罗马尼亚语、俄语、斯洛伐克语、西班牙语、瑞典语、泰语、土耳其语、乌克兰语、乌尔都语和越南语。有关更多详细信息,请参阅 jina-embeddings-v3 技术报告。
launcharXiv
单个句子输入的最大长度是多少?
keyboard_arrow_down
我们的模型允许输入长度高达 8192 个词元,这比大多数其他模型高得多。词元的范围可以从单个字符(如“a”)到整个单词(如“apple”)。可以输入的字符总数取决于所用单词的长度和复杂性。这种扩展的输入功能使我们的 jina-embeddings-v3 和 jina-clip 模型能够执行更全面的文本分析,并在上下文理解方面实现更高的准确性,尤其是对于大量文本数据。
单个请求中最多可以包含多少个句子?
keyboard_arrow_down
一次 API 调用最多可以处理 2048 个句子或文本,从而有助于在一次请求中进行广泛的文本分析。
如何将图片发送给 jina-clip 模型?
keyboard_arrow_down
您可以在 API 请求的 input 字段中使用 url 或 bytes。对于 url,请提供要处理的图片的 URL。对于 bytes,请以 base64 格式对图片进行编码并将其包含在请求中。模型将在结果中返回图片的向量。
Jina Embeddings 模型与 OpenAI 和 Cohere 的最新向量模型相比如何?
keyboard_arrow_down
在 MTEB 英语、多语言和 LongEmbed 基准的评估中,jina-embeddings-v3 在英语任务上的表现优于 OpenAI 和 Cohere 的最新专有向量模型,并在所有多语言任务中超越 multilingual-e5-large-instruct。由于集成了 Matryoshka 表示学习 (MRL),默认输出维度为 1024,用户可以将向量维度截断为 32,而不会影响性能。
如何从 OpenAI 的 text-embedding-3-large 迁移到 Jina Embeddings 模型?
keyboard_arrow_down
迁移过程十分顺畅,因为我们的 API 端点与 OpenAI 的 text-embedding-3-large 模型的输入和输出 JSON 架构相匹配。这种兼容性确保用户在使用 OpenAI 端点时可以轻松地将 OpenAI 模型替换为我们的模型。
使用 jina-clip 模型时如何计算 token?
keyboard_arrow_down
词元是根据文本长度和图片大小计算的。对于请求中的文本,词元以标准方式计算。对于图片,执行以下步骤: 1. 图块大小:每个图片被分成图块。对于 jina-clip-v2,图块为 512x512 像素,而对于 jina-clip-v1,图块为 224x224 像素。 2. 覆盖率:计算覆盖输入图片所需的图块数量。即使图片尺寸不能被图块大小完全整除,部分图块也会被视为完整图块。 3. 总图块数:覆盖图片的图块总数决定了成本。例如,600x600 像素的图片在 v2 中将被 2x2 图块(4 个图块)覆盖,在 v1 中将被 3x3 图块(9 个图块)覆盖。 4. 成本计算:对于 jina-clip-v2,每个图块的成本为 4000 个词元,而对于 jina-clip-v1,每个图块的成本为 1000 个词元。 示例: 对于尺寸为 600x600 像素的图片: • 使用 jina-clip-v2 • 图片被分成 512x512 像素图块。 • 所需的图块总数为 2(水平)x 2(垂直)= 4 个图块。 • jina-clip-v2 的成本为 4*4000 = 16000 个词元。 • 使用 jina-clip-v1 • 图片被分成 224x224 像素图块。 • 所需的图块总数为 3(水平)x 3(垂直)= 9 块图块。 • jina-clip-v1 的成本为 9*1000 = 9000 个词元。
你们提供向量模型图片或音频的模型吗?
keyboard_arrow_down
是的,jina-clip-v2 和 jina-clip-v1 可以支持图片和文本。更多模态上的向量模型将很快公布!
Jina 向量模型模型可以使用私人或公司数据进行微调吗?
keyboard_arrow_down
有关使用特定数据微调我们的模型的疑问,请联系我们讨论您的要求。我们愿意探索如何调整我们的模型来满足您的需求。
联系我们
您的服务可以在 AWS、Azure 或 GCP 上私有化部署吗?
keyboard_arrow_down
是的,我们的服务在 AWS、Azure 和 GCP 市场上可用。如果您有特定要求,请通过 sales AT jina.ai 联系我们。
launchAWS SageMakerlaunchGoogle CloudlaunchMicrosoft Azure

如何获取我的 API 密钥?

video_not_supported

速率限制是多少?

速率限制
速率限制通过三种方式跟踪:RPM(每分钟请求数)和TPM(每分钟词元数)。限制按 IP/API 密钥强制执行,当首先达到 RPM 或 TPM 阈值时,将触发限制。当您在请求标头中提供 API 密钥时,我们会按密钥而不是 IP 地址跟踪速率限制。
产品API端口描述arrow_upward无 API 密钥key_off使用 API 密钥key带有高级 API 密钥key平均延迟词元使用计数请求类型
读取器 APIhttps://r.jina.ai将 URL 转换为大模型友好文本20 RPM500 RPMtrending_up5000 RPM7.9s以输出响应中的词元数量为准。GET/POST
读取器 APIhttps://s.jina.ai搜索网络并将结果转换为大模型友好文本block100 RPMtrending_up1000 RPM2.5s每个请求都需要固定数量的词元,从 10000 个词元开始GET/POST
深度搜索https://deepsearch.jina.ai/v1/chat/completions推理、搜索和迭代以找到最佳答案block50 RPM500 RPM56.7s统计整个过程中词元的总数。POST
向量模型APIhttps://api.jina.ai/v1/embeddings将文本/图片转为定长向量block500 RPM & 1,000,000 TPMtrending_up2,000 RPM & 5,000,000 TPM
ssid_chart
取决于输入大小
help
以输入请求中的词元数量为准。POST
重排器 APIhttps://api.jina.ai/v1/rerank按查询对文档进行精排block500 RPM & 1,000,000 TPMtrending_up2,000 RPM & 5,000,000 TPM
ssid_chart
取决于输入大小
help
以输入请求中的词元数量为准。POST
分类器 APIhttps://api.jina.ai/v1/train使用训练样本训练分类器block20 RPM & 200,000 TPM60 RPM & 1,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元 × 迭代次数POST
分类器 API (少量样本)https://api.jina.ai/v1/classify使用经过训练的少样本分类器对输入进行分类block20 RPM & 200,000 TPM60 RPM & 1,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元POST
分类器 API (零样本)https://api.jina.ai/v1/classify使用零样本分类对输入进行分类block200 RPM & 500,000 TPM1,000 RPM & 3,000,000 TPM
ssid_chart
取决于输入大小
词元计数为:输入词元 加 标签词元POST
切分器 APIhttps://api.jina.ai/v1/segment对长文本进行分词分句20 RPM200 RPM1,000 RPM0.3s词元不计算使用量。GET/POST

我需要商业许可证吗?

CC BY-NC 许可证自检

play_arrow
您是否使用我们的官方 API 或在 Azure 或 AWS 上我们的官方镜像?
play_arrow
done
是的
play_arrow
您使用的是付费 API 密钥还是免费试用密钥?
play_arrow
done
付费 API 密钥
无限制。请按照当前协议使用。
play_arrow
info
免费 API 密钥
免费试用密钥仅可用于非商业用途。如需商业用途,请购买付费套餐。
play_arrow
您是否在 AWS 和 Azure 上使用我们的官方模型?
无限制。请按照当前协议使用。
play_arrow
close
不
play_arrow
你正在使用这些模型吗?
jina-reranker-m0
jina-clip-v2
jina-embeddings-v3
jina-reranker-v2-base-multilingual
jina-colbert-v2
reader-lm-1.5b
reader-lm-0.5b
ReaderLM-v2
play_arrow
close
不
沒有限制。
play_arrow
done
是的
play_arrow
您的用途是商业用途吗?
play_arrow
question_mark
没有把握
play_arrow
你是:
play_arrow
将其用于个人项目或者业余爱好项目?
本模型非商业性质,您可以自由使用。
play_arrow
盈利性公司在内部使用它吗?
此为商业性质。请联系我们的销售团队。
联系销售
play_arrow
教育机构用它来教学吗?
这通常是非商业性的。您可以自由使用这些模型。
play_arrow
非营利组织或非政府组织是否利用它来完成你的使命?
这通常是非商业性的,但如果不确定,请与我们联系。
联系销售
play_arrow
在您销售的产品或服务中使用它吗?
此为商业性质。请联系我们的销售团队。
联系销售
play_arrow
政府实体使用它来提供公共服务?
这可能是商业用途。请联系我们进行澄清。
联系销售
play_arrow
close
不
您可以自由使用这些模型。
play_arrow
done
是的
联系我们的销售团队获取许可。
联系销售
API相关常见问题
code
我可以对读取器、向量模型、重排器、分类器和微调模型 API 使用相同的 API 密钥吗?
keyboard_arrow_down
是的,同一个 API 密钥适用于 Jina AI 的所有搜索基础产品。这包括读取器、向量模型、重排器、分类器和微调模型 API,所有服务之间共享词元。
code
我可以查看 API 密钥的词元使用情况吗?
keyboard_arrow_down
是的,您可以在“密钥和计费”选项卡中输入您的 API 密钥来查看词元最近的使用记录和剩余词元余额。如果您已登录 API 密钥控制面板,也可以在“管理 API 密钥”选项卡中查看这些详细信息。
code
如果我忘记了 API 密钥,该怎么办?
keyboard_arrow_down
如果您遗失了充值密钥并希望找回,请使用您的注册电子邮件联系 support AT jina.ai 寻求帮助。建议登录以便于安全保存和便捷访问您的 API 密钥。
联系我们
code
API 密钥会过期吗?
keyboard_arrow_down
不,我们的 API 密钥没有到期日期。但是,如果您怀疑您的密钥已被泄露并希望停用它,请联系我们的支持团队寻求帮助。您还可以在API 密钥控制面板中自助销毁您的密钥。
联系我们
code
我可以在 API 密钥之间转移词元余额吗?
keyboard_arrow_down
是的,您可以将剩余的付费词元余额从一个高级密钥转移到另一个密钥。在API 密钥控制面板上登录您的帐户后,在该密钥的设置界面来转移所有剩余的付费词元余额。
code
我可以销毁我的 API 密钥吗?
keyboard_arrow_down
是的,如果您认为您的 API 密钥已被泄露,您可以销毁该密钥。销毁密钥将立即为所有存储该密钥的用户禁用该密钥,并且所有剩余词元余额和关联资产将永久不可用。如果您拥有高级密钥,您可以选择在销毁之前将剩余的已付款词元余额转移到另一个密钥。请注意,此操作无法撤消。要销毁密钥,请前往API 密钥控制面板中的密钥设置。
code
为什么有些机型第一次请求比较慢?
keyboard_arrow_down
这是因为我们的无服务器架构在使用率较低时会卸载某些模型。初始请求会激活或“预热”模型,这可能需要几秒钟。初始激活后,后续请求的处理速度会快得多。
code
用户输入数据是否用于训练您的模型?
keyboard_arrow_down
我们遵守严格的隐私政策,不会使用用户输入数据来训练我们的模型。我们还符合 SOC 2 类型 I 和类型 II 标准,确保高标准的安全性和隐私性。
与计费相关的常见问题
attach_money
API是根据句子的数量或请求的数量计费吗?
keyboard_arrow_down
我们的定价模型基于处理的词元总数,允许用户灵活地在任意数量的句子中分配这些词元,为不同的文本分析需求提供经济高效的解决方案。
attach_money
新用户可以免费试用吗?
keyboard_arrow_down
我们为新用户提供免费试用,其中包含一千万个可用于我们任何模型的词元,并通过自动生成的 API 密钥进行兑换。免费词元用完后,用户可以通过“购买词元”标签页轻松购买额外的词元,用于 API 密钥。
attach_money
失败的请求是否会扣除词元?
keyboard_arrow_down
不,失败的请求不会扣除词元。
attach_money
接受哪些付款方式?
keyboard_arrow_down
付款通过 Stripe 处理,支持多种付款方式,包括信用卡、Google Pay 和 PayPal,为您提供方便。
attach_money
词元购买后可以开具发票吗?
keyboard_arrow_down
是的,购买词元后,发票将发送到与您的 Stripe 帐户关联的电子邮件地址。
办公室
location_on
加利福尼亚州桑尼维尔
710 Lakeway Dr, Ste 200, 桑尼维尔, CA 94085, 美国
location_on
德国柏林(总部)
Prinzessinnenstraße 19-20,10969 柏林,德国
location_on
中国北京
中国北京市海淀区西大街48号6号楼5层
location_on
中国深圳
中国深圳市赋安科技大厦4楼402
搜索底座
深度搜索
读取器
向量模型
重排器
分类器
切分器
API 文档
获取 Jina API 密钥
速率限制
API 状态
公司
关于我们
联系销售
新闻
实习生计划
加入我们
open_in_new
下载Logo
open_in_new
条款
安全
条款及条件
隐私
管理 Cookie
email
Jina AI © 2020-2025.