DeepSearch API
與 OpenAI 的 Chat API schema 完全相容，只需把
api.openai.com 換成 deepsearch.jina.ai 即可開始使用。與 DeepSearch 聊天
用簡潔的聊天介面上手體驗。DeepSearch 最適合那些需要反覆推理、依賴世界知識或最新資訊的複雜問題。
open_in_new
訊息
使用者與助手之間構成當前對話的訊息列表。您可以在訊息中附加圖片（webp、png、jpeg）或檔案（txt、pdf）。
附加圖片/文件
支援多種訊息型別（模態），如文字（.txt、.pdf）、圖片（.png、.webp、.jpeg）。檔案最大 10MB，且必須預先編碼為 data URI。
{
"role": "user",
"content": "hi"
}
upload
請求
curl https://deepsearch.jina.ai/v1/chat/completions \
-H "Content-Type: application/json"\
-H "Authorization: Bearer " \
-d @- <<EOFEOF
{
"model": "jina-deepsearch-v1",
"messages": [
{
"role": "user",
"content": "Hi!"
},
{
"role": "assistant",
"content": "Hi, how can I help you?"
},
{
"role": "user",
"content": "what's the latest blog post from jina ai?"
}
],
"stream": true,
"reasoning_effort": "medium"
}
EOFEOF
download
響應
fiber_manual_record 200 OK
timer
0.0 s
straighten
196,526 詞元
{
"id": "1742181758589",
"object": "chat.completion.chunk",
"created": 1742181758,
"model": "jina-deepsearch-v1",
"system_fingerprint": "fp_1742181758589",
"choices": [
{
"index": 0,
"delta": {
"content": "The latest blog post from Jina AI is titled \"Snippet Selection and URL Ranking in DeepSearch/DeepResearch,\" published on March 12, 2025 [^1]. This post discusses how to improve the quality of DeepSearch by using late-chunking embeddings for snippet selection and rerankers to prioritize URLs before crawling. You can read the full post here: https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch\n\n[^1]: Since our DeepSearch release on February 2nd 2025 we ve discovered two implementation details that greatly improved quality In both cases multilingual embeddings and rerankers are used in an in context manner operating at a much smaller scale than the traditional pre computed indices these models typically require [jina.ai](https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch)",
"type": "text",
"annotations": [
{
"type": "url_citation",
"url_citation": {
"title": "Snippet Selection and URL Ranking in DeepSearch/DeepResearch",
"exactQuote": "Since our DeepSearch release on February 2nd 2025, we've discovered two implementation details that greatly improved quality. In both cases, multilingual embeddings and rerankers are used in an _\"in-context\"_ manner - operating at a much smaller scale than the traditional pre-computed indices these models typically require.",
"url": "https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch",
"dateTime": "2025-03-13 06:48:01"
}
}
]
},
"logprobs": null,
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 169670,
"completion_tokens": 27285,
"total_tokens": 196526
},
"visitedURLs": [
"https://github.com/jina-ai/node-DeepResearch/blob/main/src/utils/url-tools.ts",
"https://huggingface.co/jinaai/jina-embeddings-v3",
"https://github.com/jina-ai/reader",
"https://zilliz.com/blog/training-text-embeddings-with-jina-ai",
"https://threads.net/@unwind_ai/post/DGmhWCVswbe/media",
"https://twitter.com/JinaAI_/status/1899840196507820173",
"https://jina.ai/news?tag=tech-blog",
"https://docs.llamaindex.ai/en/stable/examples/embeddings/jinaai_embeddings",
"https://x.com/jinaai_",
"https://x.com/JinaAI_/status/1899840202358784170",
"https://tracxn.com/d/companies/jina-ai/__IQ81fOnU0FsDpagFjG-LrG0DMWHELqI6znTumZBQF-A/funding-and-investors",
"https://jina.ai/models",
"https://linkedin.com/posts/imohitmayank_jinaai-has-unveiled-the-ultimate-developer-activity-7300401711242711040-VD64",
"https://medium.com/@tossy21/trying-out-jina-ais-node-deepresearch-c5b55d630ea6",
"https://huggingface.co/jinaai/jina-clip-v2",
"https://arxiv.org/abs/2409.10173",
"https://milvus.io/docs/embed-with-jina.md",
"https://seedtable.com/best-startups-in-china",
"https://threads.net/@sung.kim.mw/post/DGhG-J_vREu/jina-ais-a-practical-guide-to-implementing-deepsearchdeepresearchthey-cover-desi",
"https://elastic.co/search-labs/blog/jina-ai-embeddings-rerank-model-open-inference-api",
"http://status.jina.ai/",
"https://apidog.com/blog/recreate-openai-deep-research",
"https://youtube.com/watch?v=QxHE4af5BQE",
"https://sdxcentral.com/articles/news/cisco-engages-businesses-on-ai-strategies-at-greater-bay-area-2025/2025/02",
"https://aws.amazon.com/blogs/machine-learning/build-rag-applications-using-jina-embeddings-v2-on-amazon-sagemaker-jumpstart",
"https://reddit.com/r/perplexity_ai/comments/1ejbdqa/fastest_open_source_ai_search_engine",
"https://search.jina.ai/",
"https://sebastian-petrus.medium.com/build-openais-deep-research-open-source-alternative-4f21aed6d9f0",
"https://medium.com/@elmo92/jina-reader-transforming-web-content-to-feed-llms-d238e827cc27",
"https://openai.com/index/introducing-deep-research",
"https://python.langchain.com/docs/integrations/tools/jina_search",
"https://varindia.com/news/meta-is-in-talks-for-usd200-billion-ai-data-center-project",
"https://varindia.com/news/Mira-Murati%E2%80%99s-new-AI-venture-eyes-$9-billion-valuation",
"https://53ai.com/news/RAG/2025031401342.html",
"https://arxiv.org/abs/2409.04701",
"https://bigdatawire.com/this-just-in/together-ai-raises-305m-series-b-to-power-ai-model-training-and-inference",
"https://github.blog/",
"https://cdn-uploads.huggingface.co/production/uploads/660c3c5c8eec126bfc7aa326/MvwT9enRT7gOESHA_tpRj.jpeg",
"https://cdn-uploads.huggingface.co/production/uploads/660c3c5c8eec126bfc7aa326/JNs_DrpFbr6ok_pSRUK4j.jpeg",
"https://app.dealroom.co/lists/33530",
"https://api-docs.deepseek.com/news/news250120",
"https://sdxcentral.com/articles/news/ninjaone-raises-500-million-valued-at-5-billion/2025/02",
"https://linkedin.com/sharing/share-offsite?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://twitter.com/intent/tweet?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://platform.openai.com/docs/api-reference/chat/create",
"https://mp.weixin.qq.com/s/-pPhHDi2nz8hp5R3Lm_mww",
"https://huggingface.us17.list-manage.com/subscribe?id=9ed45a3ef6&u=7f57e683fa28b51bfc493d048",
"https://automatio.ai/",
"https://sdk.vercel.ai/docs/introduction",
"https://app.eu.vanta.com/jinaai/trust/vz7f4mohp0847aho84lmva",
"https://apply.workable.com/huggingface/j/AF1D4E3FEB",
"https://facebook.com/sharer/sharer.php?u=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://facebook.com/sharer/sharer.php?u=http%3A%2F%2F127.0.0.1%3A3000%2Fen-US%2Fnews%2Fsnippet-selection-and-url-ranking-in-deepsearch-deepresearch%2F",
"https://reddit.com/submit?url=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://apply.workable.com/huggingface",
"https://news.ycombinator.com/submitlink?u=https%3A%2F%2Fjina.ai%2Fnews%2Fa-practical-guide-to-implementing-deepsearch-deepresearch%2F",
"https://news.ycombinator.com/submitlink?u=http%3A%2F%2F127.0.0.1%3A3000%2Fen-US%2Fnews%2Fsnippet-selection-and-url-ranking-in-deepsearch-deepresearch%2F",
"https://docs.github.com/site-policy/privacy-policies/github-privacy-statement",
"https://discord.jina.ai/",
"https://docs.github.com/site-policy/github-terms/github-terms-of-service",
"https://bigdatawire.com/this-just-in/qumulo-announces-30-million-funding",
"https://x.ai/blog/grok-3",
"https://m-ric-open-deep-research.hf.space/",
"https://youtu.be/sal78ACtGTc?feature=shared&t=52",
"https://mp.weixin.qq.com/s/apnorBj4TZs3-Mo23xUReQ",
"https://perplexity.ai/hub/blog/introducing-perplexity-deep-research",
"https://githubstatus.com/",
"https://github.blog/changelog/2021-09-30-footnotes-now-supported-in-markdown-fields",
"https://openai.com/index/introducing-operator",
"mailto:[email protected]",
"https://resources.github.com/learn/pathways",
"https://status.jina.ai/",
"https://reuters.com/technology/artificial-intelligence/tencents-messaging-app-weixin-launches-beta-testing-with-deepseek-2025-02-16",
"https://scmp.com/tech/big-tech/article/3298981/baidu-adopts-deepseek-ai-models-chasing-tencent-race-embrace-hot-start",
"https://microsoft.com/en-us/research/articles/magentic-one-a-generalist-multi-agent-system-for-solving-complex-tasks",
"javascript:UC_UI.showSecondLayer();",
"https://resources.github.com/",
"https://storm-project.stanford.edu/research/storm",
"https://blog.google/products/gemini/google-gemini-deep-research",
"https://youtu.be/vrpraFiPUyA",
"https://chat.baidu.com/search?extParamsJson=%7B%22enter_type%22%3A%22ai_explore_home%22%7D&isShowHello=1&pd=csaitab&setype=csaitab&usedModel=%7B%22modelName%22%3A%22DeepSeek-R1%22%7D",
"https://app.dover.com/jobs/jinaai",
"http://localhost:3000/",
"https://docs.cherry-ai.com/",
"https://en.wikipedia.org/wiki/Delayed_gratification",
"https://support.github.com/?tags=dotcom-footer",
"https://docs.jina.ai/",
"https://skills.github.com/",
"https://partner.github.com/",
"https://help.x.com/resources/accessibility",
"https://business.twitter.com/en/help/troubleshooting/how-twitter-ads-work.html",
"https://business.x.com/en/help/troubleshooting/how-twitter-ads-work.html",
"https://support.twitter.com/articles/20170514",
"https://support.x.com/articles/20170514",
"https://t.co/jnxcxPzndy",
"https://t.co/6EtEMa9P05",
"https://help.x.com/using-x/x-supported-browsers",
"https://legal.twitter.com/imprint.html"
],
"readURLs": [
"https://jina.ai/news/a-practical-guide-to-implementing-deepsearch-deepresearch",
"https://github.com/jina-ai/node-DeepResearch",
"https://huggingface.co/blog/open-deep-research",
"https://jina.ai/news/snippet-selection-and-url-ranking-in-deepsearch-deepresearch",
"https://x.com/jinaai_?lang=en",
"https://jina.ai/news",
"https://x.com/joedevon/status/1896984525210837081",
"https://github.com/jina-ai/node-DeepResearch/blob/main/src/tools/jina-latechunk.ts"
],
"numURLs": 98
}
DeepSearch 參數指南
瞭解如何設定正確的參數並獲得最佳結果。
品質控制
在 DeepSearch 中通常存在一個權衡：系統執行的步驟越多，結果品質越高，但消耗的詞元也越多。品質的提升來自更廣泛、更詳盡的搜尋和更深入的反思。控制 DeepSearch 品質的主要參數有四個：budget_tokens、max_attempts、team_size 和 reasoning_effort。其中 reasoning_effort 本質上是 budget_tokens 和 max_attempts 的預設組合，且經過了精心調優。對大多數使用者而言，調整 reasoning_effort 是最簡單的做法。
詞元預算
budget_tokens 設定整個 DeepSearch 流程允許消耗的最大詞元數，涵蓋網頁搜尋、讀取網頁、反思、摘要和編碼等全部操作。預算越大，回答品質自然越好。預算耗盡或找到滿意答案時（以先發生者為準），DeepSearch 流程即告停止。如果預算先耗盡，您仍會拿到答案，但它可能不是最終打磨完成的回答，因為尚未通過 max_attempts 所定義的全部品質檢查。
最大嘗試次數
max_attempts 決定系統在 DeepSearch 流程中重試解決問題的次數。DeepSearch 每生成一個答案，都必須通過內部評估器設定的品質測試。若答案未通過，評估器會給出回饋，系統據此繼續搜尋並最佳化答案。max_attempts 設得過低，出結果雖快，但答案可能沒通過全部品質檢查，品質因此打折；設得過高，則流程容易陷入反覆嘗試、反覆失敗的無限迴圈。
當 budget_tokens 或 max_attempts 被突破（以先發生者為準），或者答案在預算和嘗試次數仍有剩餘時通過了全部測試，系統就會返回最終答案。
團隊規模
team_size 影響品質的方式與 max_attempts、budget_tokens 截然不同。當 team_size 大於 1 時，系統會把原始問題拆解成若干子問題，分別獨立研究。這類似 Map-Reduce 模式：一個大任務被拆成多個小任務並行執行，最終答案則是各個執行單元結果的綜合。之所以叫「team_size」，是因為它模擬了一支研究團隊——多個智慧體分別調研同一問題的不同側面，再協作產出最終報告。
請注意，所有智慧體的詞元消耗都計入您的 budget_tokens 總額，但每個智慧體各自擁有獨立的 max_attempts。這意味著在 budget_tokens 不變的情況下調大 team_size，智慧體可能會因預算吃緊而比預期更早給出答案。建議同時調大 team_size 和 budget_tokens，讓每個智慧體都有充足資源把工作做透。
最後，可以把 team_size 理解為控制搜尋的廣度——決定研究多少個不同側面；而 budget_tokens 和 max_attempts 控制搜尋的深度——決定每個側面挖得多深。
資訊來源控制
DeepSearch 高度依賴事實依據，也就是它所採用的資訊來源。品質不只取決於演算法的深度和廣度；DeepSearch 從哪裡獲取資訊同樣重要，往往還是決定性因素。下面來看控制這一點的關鍵參數。
不直接回答
no_direct_answer 是一個簡單的開關，用於阻止系統在第 1 步就直接給出答案。啟用後，系統無法呼叫內部知識，必須先搜尋網頁。開啟此項會讓系統對簡單問題也“過度思考”，比如“今天星期幾”“你好嗎”，或者“美國第 40 任總統是誰”這類模型訓練資料中必然包含的基本事實。
域名控制
boost_hostnames、bad_hostnames 和 only_hostnames 這三個參數告訴 DeepSearch 優先訪問、避開還是隻訪問哪些網頁。要理解它們的作用，可以回顧一下 DeepSearch 的搜尋與讀取流程：
- 搜尋階段：系統搜尋網路，得到一批網站 URL 及其摘要
- 選擇階段：系統決定實際訪問哪些 URL（受時間和成本限制，不會全部訪問）
boost_hostnames：此處列出的域名優先順序更高，更有可能被訪問bad_hostnames：這些域名永遠不會被訪問only_hostnames：一旦設定，只訪問匹配這些域名的 URL
關於域名參數，有幾點需要說明。首先，系統始終以搜尋引擎返回的摘要作為構建推理鏈的初始線索。這些域名參數隻影響系統訪問哪些網頁，不影響它如何組織搜尋查詢。
其次，如果收集到的 URL 中不含 only_hostnames 指定的域名，系統可能會完全停止讀取網頁。建議僅在您對研究問題足夠熟悉、清楚答案可能出現在哪裡（或絕對不會出現在哪裡）時才使用這些參數。
特殊情況：學術研究
做學術研究時，您可能希望把搜尋和讀取限定在 arxiv.org。此時只需設定 "search_provider": "arxiv"，所有內容都會以 arxiv 為唯一來源。不過在這一限制下，通用或簡單的問題可能得不到高效的答案，因此請只在嚴肅的學術研究中使用 "search_provider": "arxiv"。
搜尋語言程式碼
search_language_code 是另一個影響網路來源的參數，它強制系統用指定語言生成查詢，與原始輸入和中間推理步驟所用語言無關。一般情況下，系統會自動選擇查詢語言以獲得最佳搜尋覆蓋，但有時手動控制會很有用。
語言控制的適用場景
國際市場調研：研究本土品牌或公司在國際市場的影響力時，可用 "search_language_code": "en" 強制始終使用英語查詢以覆蓋全球，也可以改用當地語言獲取更貼合區域的資訊。
用非英語提示做全球調研：如果您的輸入始終是中文或日語（因為終端使用者主要使用這些語言），但調研範圍是全球性的，而不限於中文或日語網站，系統可能會自動偏向提示所用的語言。此時可用該參數強制使用英語查詢，以獲得更廣的國際覆蓋。
與 DeepSearch 聊天
用簡潔的聊天介面上手體驗。DeepSearch 最適合那些需要反覆推理、依賴世界知識或最新資訊的複雜問題。
我們剛剛推出了全新的 DeepSearch 介面，極速、簡潔且免費。訪問 https://search.jina.ai 瞭解，或點選下方按鈕試用！open_in_new訪問新 UI
聊天客戶端
為獲得最佳體驗，建議使用專業的聊天客戶端。DeepSearch 與 OpenAI 的 Chat API schema 完全相容，可輕鬆搭配任何相容 OpenAI 的客戶端使用。
TypingMind
Chatwise
Cherry Studio
Chatbox
LobeChat
NextChat
什麼是 DeepSearch？
DeepSearch 把網頁搜尋、讀取和推理結合起來，做全面的調研。可以把它看作一個智慧體：您交給它一項研究任務，它會廣泛搜尋、多輪迭代，然後給出答案。
標準大模型
attach_money
約 1000 個詞元
access_time
約 1 秒
check
常識問題的快速答案
close
無法獲取實時或訓練後的資訊
答案完全來自預訓練知識，知識截止日期固定
RAG 與帶搜尋的大模型
attach_money
約 10,000 個詞元
access_time
約 3 秒
check
需要當前或特定領域資訊的問題
close
難以應對需要多跳推理的複雜問題
彙總單輪搜尋結果生成答案
可獲取訓練截止日期之後的最新資訊
DeepSearch
attach_money
約 500,000 個詞元
access_time
約 50 秒
check
需要深入研究和推理的複雜問題
info
比簡單的大模型或 RAG 方法花費的時間更長
自主智慧體，反覆搜尋、讀取和推理
根據當前發現動態決定下一步行動
在返回結果之前自我評估答案品質
可透過多輪搜尋與推理迴圈深挖主題
API 定價
API 按詞元用量計費。一個 API 金鑰即可訪問所有搜尋底座產品。
使用 Jina Search Foundation API
訪問我們全部產品最簡單的方式，按需儲值詞元。
為此 API 金鑰儲值更多詞元
請輸入正確的 API 金鑰以儲值
瞭解速率限制
速率限制指每個 IP 地址／API 金鑰每分鐘可發起的最大請求數（RPM）。各產品和各檔位的速率限制詳見下表。
keyboard_arrow_down
code
我可以在所有 Jina API 中使用同一個 API 金鑰嗎？
keyboard_arrow_down
code
我可以查看 API 金鑰的詞元用量嗎？
keyboard_arrow_down
code
如果我忘記了 API 金鑰，該怎麼辦？
keyboard_arrow_down
code
API 金鑰會過期嗎？
keyboard_arrow_down
code
可以在不同 API 金鑰之間轉移詞元嗎？
keyboard_arrow_down
code
我可以銷毀我的 API 金鑰嗎？
keyboard_arrow_down
code
為什麼有些模型的首次請求比較慢？
keyboard_arrow_down
code
我的 API 資料會被用來訓練你們的模型嗎？
keyboard_arrow_down
code
Jina API 的速率限制是多少？
keyboard_arrow_down
code
API 有批次大小限制嗎？
keyboard_arrow_down
code
Jina API 與 Elastic 中的 Jina 模型是同一回事嗎？
keyboard_arrow_down
速率限制
速率限制按以下維度統計：RPM（每分鐘請求數）和 TPM（每分鐘詞元數）。限制按 IP／API 金鑰分別計算，RPM 或 TPM 任一先達到閾值即觸發限制。若您在請求頭中提供了 API 金鑰，我們將按金鑰而非 IP 地址統計速率限制。
| 產品 | API 端點 | 描述arrow_upward | 無 API 金鑰key_off | 免費 API 金鑰key | 付費 API 金鑰key | 高級 API 金鑰key | 平均延遲 | 詞元用量計算方式 | 允許的請求 | |
|---|---|---|---|---|---|---|---|---|---|---|
| Reader API | https://r.jina.ai | 將 URL 轉換為大模型友好文字 | 20 RPM | 500 RPM | 500 RPM | trending_up5000 RPM | 7.9s | 按輸出響應中的詞元數計算。 | GET/POST | |
| Reader API | https://s.jina.ai | 搜尋網路並將結果轉換為大模型友好文字 | block | 100 RPM | 100 RPM | trending_up1000 RPM | 2.5s | 每次請求消耗固定數量的詞元，起步 10000 個詞元 | GET/POST | |
| Reranker API | https://api.jina.ai/v1/rerank | 按查詢對文件重排 | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart 取決於輸入大小 help | 按輸入請求中的詞元數計算。 | POST | |
| 向量模型 API | https://api.jina.ai/v1/embeddings | 將文字/圖片轉為定長向量 | block | 100 RPM & 100,000 TPM | 500 RPM & 2,000,000 TPM | trending_up5,000 RPM & 50,000,000 TPM | ssid_chart 取決於輸入大小 help | 按輸入請求中的詞元數計算。 | POST |
與計費相關的常見問題
attach_money
API 是按句子數還是按請求數計費？
keyboard_arrow_down
attach_money
新使用者可以免費試用嗎？
keyboard_arrow_down
attach_money
失敗的請求是否會扣除詞元？
keyboard_arrow_down
attach_money
接受哪些付款方式？
keyboard_arrow_down
attach_money
儲值後可以開具發票嗎？
keyboard_arrow_down
attach_money
如何購買商業授權證而不是 API 詞元？
keyboard_arrow_down
attach_money
我可以用發票或採購訂單付款，而不是用信用卡嗎？
keyboard_arrow_down
attach_money
我已付款，但餘額或速率限制沒有變化，該檢查什麼？
keyboard_arrow_down
attach_money
如何取消、關閉自動儲值或刪除已儲存的付款方式？
keyboard_arrow_down
