自动微调

只需告诉我们您希望向量模型在哪个领域表现出色，我们就会自动为该领域交付一个开箱即用的微调向量模型。

查看微调模型列表

什么是自动微调？

有三种方式说明您的需求：通用说明、URL，或查询-文档描述。请任选一种。

查询-文档描述

描述在您的领域中，查询是什么样子、匹配到的文档又是什么样子。

描述查询大致是什么样子。

描述匹配到的文档应该是什么样子。

或者，填写网页 URL

以某个 URL 的内容作为微调依据。

或者，填写通用说明

详细描述微调后的向量模型将如何使用。

选择基础向量模型

选择向量模型

微调是指在新数据集上继续训练预训练模型，使其适配特定任务或领域。实际操作中，许多用户很难找到有效的训练数据。有效训练远不止把原始 PDF、HTML 丢给模型那么简单，做对并不容易。自动微调用一套先进的大模型智能体流程自动生成有效训练数据，并在 ML 工作流中完成模型微调，从而解决这一难题。您可以把它看作合成数据生成与 AutoML 的结合：只需用自然语言描述目标领域，剩下的交给我们的系统。

但它真的有效吗？

自动微调听上去像魔法：您想要哪个领域，就为您交付该领域微调好的向量模型。可它真的管用吗？这个疑问相当合理。我们在多种领域和底座模型上做了测试来验证。下面既有表现出色的例子，也有翻车的例子。

微调底座模型

jinaai/jina-embeddings-v2-base-en

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.505 0.532 5%

MAP

0.352 0.389 10%

MRR

0.352 0.389 10%

微调前后在保留测试集上的表现

已对来自 tollefj/norwegian-nli-triplets 的 50 个随机样本进行测试

NDCG

0.852 0.867 2%

MAP

0.800 0.820 2%

MRR

0.800 0.820 2%

已生成的合成数据

总计

4648

训练

4480

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-en

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.672 0.755 12%

MAP

0.567 0.675 19%

MRR

0.567 0.675 19%

微调前后在保留测试集上的表现

已对来自 mteb/askubuntudupquestions-reranking 的 50 个随机样本进行测试

NDCG

0.698 0.722 3%

MAP

0.515 0.549 6%

MRR

0.666 0.712 7%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-en

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.727 0.861 18%

MAP

0.640 0.814 27%

MRR

0.640 0.814 27%

微调前后在保留测试集上的表现

已对来自 mteb/scidocs-reranking 的 50 个随机样本进行测试

NDCG

0.773 0.822 6%

MAP

0.575 0.651 13%

MRR

0.823 0.884 7%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-zh

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.718 0.785 9%

MAP

0.629 0.717 14%

MRR

0.629 0.717 14%

微调前后在保留测试集上的表现

已对来自 C-MTEB/CMedQAv2-reranking 的 50 个随机样本进行测试

NDCG

0.938 0.948 1%

MAP

0.912 0.926 2%

MRR

0.920 0.933 1%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-en

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.543 0.579 7%

MAP

0.402 0.452 12%

MRR

0.402 0.452 12%

微调前后在保留测试集上的表现

已对来自 nc33/triplet_sbert_law2 (machine-translated to dutch) 的 50 个随机样本进行测试

NDCG

0.904 0.948 5%

MAP

0.870 0.930 7%

MRR

0.870 0.930 7%

已生成的合成数据

总计

9128

训练

8960

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-code

平均提升

-4%

领域指令

微调前后合成验证集上的表现

NDCG

0.671 0.640 -5%

MAP

0.569 0.525 -8%

MRR

0.569 0.525 -8%

微调前后在保留测试集上的表现

已对来自 mteb/stackoverflowdupquestions-reranking 的 50 个随机样本进行测试

NDCG

0.640 0.621 -3%

MAP

0.530 0.505 -5%

MRR

0.555 0.532 -4%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-code

平均提升

-4%

领域指令

微调前后合成验证集上的表现

NDCG

0.632 0.711 13%

MAP

0.517 0.622 20%

MRR

0.517 0.622 20%

微调前后在保留测试集上的表现

已对来自 mteb/stackoverflowdupquestions-reranking 的 50 个随机样本进行测试

NDCG

0.640 0.619 -3%

MAP

0.530 0.504 -5%

MRR

0.555 0.525 -5%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

微调底座模型

jinaai/jina-embeddings-v2-base-en

平均提升

领域指令

微调前后合成验证集上的表现

NDCG

0.646 0.729 13%

MAP

0.535 0.644 20%

MRR

0.535 0.644 20%

微调前后在保留测试集上的表现

已对来自 mteb/askubuntudupquestions-reranking 的 50 个随机样本进行测试

NDCG

0.645 0.650 1%

MAP

0.452 0.462 2%

MRR

0.606 0.605 -0%

已生成的合成数据

总计

616

训练

448

验证

168

下载合成数据下载微调后的模型

自动微调 API

为您需要的任何领域获取微调向量模型。

使用 r.jina.ai 读取 URL 并获取其内容

使用 s.jina.ai 搜索网页并获取 SERP

把 mcp.jina.ai 添加为 MCP 服务器，即可在 LLM 中调用我们的 API

curl "https://r.jina.ai/https://www.example.com"

API 密钥

可用词元

这是您的专属密钥。请安全保存！

常见问题

我可以在所有 Jina API 中使用同一个 API 密钥吗？

我可以查看 API 密钥的词元用量吗？

如果我忘记了 API 密钥，该怎么办？

API 密钥会过期吗？

可以在不同 API 密钥之间转移词元吗？

我可以销毁我的 API 密钥吗？

为什么有些模型的首次请求比较慢？

我的 API 数据会被用来训练 Jina 的模型吗？

Jina API 的速率限制是多少？

API 有批量大小限制吗？

Jina API 与 Elastic 中的 Jina 模型是同一回事吗？

如何获取我的 API 密钥？

速率限制是多少？

速率限制

速率限制按以下维度统计：RPM（每分钟请求数）和 TPM（每分钟词元数）。限制按 IP/API 密钥分别计算，RPM 或 TPM 任一先达到阈值即触发限制。若您在请求头中提供了 API 密钥，我们将按密钥而非 IP 地址统计速率限制。

列

Product	API Endpoint	Description	w/o API Key	w/ Free API Key	w/ Paid API Key	w/ Premium API Key	Average latency	Token Usage Counting	Allowed Request
Reader API	`https://r.jina.ai`	Converts a URL to LLM-friendly text	20 RPM	500 RPM	500 RPM	5000 RPM	7.9s	Count the number of tokens in the output response.	GET/POST
Reader API	`https://s.jina.ai`	Search the web and convert results to LLM-friendly text		100 RPM	100 RPM	1000 RPM	2.5s	Every request costs a fixed number of tokens, starting from 10,000 tokens	GET/POST
Embedding API	`https://api.jina.ai/v1/embeddings`	Convert text/images to fixed-length vectors		100 RPM & 100,000 TPM	500 RPM & 2,000,000 TPM	5,000 RPM & 50,000,000 TPM	depends on the input size	Count the number of tokens in the input request.	POST
Reranker API	`https://api.jina.ai/v1/rerank`	Rank documents by query		100 RPM & 100,000 TPM	500 RPM & 2,000,000 TPM	5,000 RPM & 50,000,000 TPM	depends on the input size	Count the number of tokens in the input request.	POST

API 是按句子数还是按请求数计费？

新用户可以免费试用吗？

失败的请求是否会扣除词元？

接受哪些付款方式？

充值后可以开具发票吗？

如何购买商业许可证而不是 API 词元？

我可以用发票或采购订单付款，而不是用信用卡吗？

我已付款，但余额或速率限制没有变化，该检查什么？

如何取消、关闭自动充值或删除已保存的付款方式？