什麼是自動微調？
有三種方式說明您的需求：通用說明、URL，或查詢-文件描述。請任選一種。
public
或者，填寫網頁 URL
以某個 URL 的內容作為微調依據。
keyboard_arrow_down
notes
或者，填寫通用說明
詳細描述微調後的向量模型將如何使用。
keyboard_arrow_down
選擇基礎向量模型
微調是指在新資料集上繼續訓練預訓練模型，使其適配特定任務或領域。實際操作中，許多使用者很難找到有效的訓練資料。有效訓練遠不止把原始 PDF、HTML 丟給模型那麼簡單，做對並不容易。自動微呼叫一套先進的大模型智慧體流程自動生成有效訓練資料，並在 ML 工作流中完成模型微調，從而解決這一難題。您可以把它看作合成資料生成與 AutoML 的結合：只需用自然語言描述目標領域，剩下的交給我們的系統。
自動微調聽上去像魔法：您想要哪個領域，就為您交付該領域微調好的向量模型。可它真的管用嗎？這個疑問相當合理。我們在多種領域和底座模型上做了測試來驗證。下面既有表現出色的例子，也有翻車的例子。
微調底座模型
jinaai/jina-embeddings-v2-base-en平均提升
arrow_upward 2%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.505 arrow_forward 0.532 arrow_upward 5%
MAP
0.352 arrow_forward 0.389 arrow_upward 10%
MRR
0.352 arrow_forward 0.389 arrow_upward 10%
speed 微調前後在保留測試集上的表現
check
已對來自 tollefj/norwegian-nli-triplets 的 50 個隨機樣本進行測試
NDCG
0.852 arrow_forward 0.867 arrow_upward 2%
MAP
0.800 arrow_forward 0.820 arrow_upward 2%
MRR
0.800 arrow_forward 0.820 arrow_upward 2%
data_usage 已生成的合成資料
總計
4648
訓練
4480
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-en平均提升
arrow_upward 6%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.672 arrow_forward 0.755 arrow_upward 12%
MAP
0.567 arrow_forward 0.675 arrow_upward 19%
MRR
0.567 arrow_forward 0.675 arrow_upward 19%
speed 微調前後在保留測試集上的表現
check
已對來自 mteb/askubuntudupquestions-reranking 的 50 個隨機樣本進行測試
NDCG
0.698 arrow_forward 0.722 arrow_upward 3%
MAP
0.515 arrow_forward 0.549 arrow_upward 6%
MRR
0.666 arrow_forward 0.712 arrow_upward 7%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-en平均提升
arrow_upward 9%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.727 arrow_forward 0.861 arrow_upward 18%
MAP
0.640 arrow_forward 0.814 arrow_upward 27%
MRR
0.640 arrow_forward 0.814 arrow_upward 27%
speed 微調前後在保留測試集上的表現
check
已對來自 mteb/scidocs-reranking 的 50 個隨機樣本進行測試
NDCG
0.773 arrow_forward 0.822 arrow_upward 6%
MAP
0.575 arrow_forward 0.651 arrow_upward 13%
MRR
0.823 arrow_forward 0.884 arrow_upward 7%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-zh平均提升
arrow_upward 1%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.718 arrow_forward 0.785 arrow_upward 9%
MAP
0.629 arrow_forward 0.717 arrow_upward 14%
MRR
0.629 arrow_forward 0.717 arrow_upward 14%
speed 微調前後在保留測試集上的表現
check
已對來自 C-MTEB/CMedQAv2-reranking 的 50 個隨機樣本進行測試
NDCG
0.938 arrow_forward 0.948 arrow_upward 1%
MAP
0.912 arrow_forward 0.926 arrow_upward 2%
MRR
0.920 arrow_forward 0.933 arrow_upward 1%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-en平均提升
arrow_upward 6%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.543 arrow_forward 0.579 arrow_upward 7%
MAP
0.402 arrow_forward 0.452 arrow_upward 12%
MRR
0.402 arrow_forward 0.452 arrow_upward 12%
speed 微調前後在保留測試集上的表現
check
已對來自 nc33/triplet_sbert_law2 (machine-translated to dutch) 的 50 個隨機樣本進行測試
NDCG
0.904 arrow_forward 0.948 arrow_upward 5%
MAP
0.870 arrow_forward 0.930 arrow_upward 7%
MRR
0.870 arrow_forward 0.930 arrow_upward 7%
data_usage 已生成的合成資料
總計
9128
訓練
8960
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-code平均提升
arrow_downward -4%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.671 arrow_forward 0.640 arrow_downward -5%
MAP
0.569 arrow_forward 0.525 arrow_downward -8%
MRR
0.569 arrow_forward 0.525 arrow_downward -8%
speed 微調前後在保留測試集上的表現
check
已對來自 mteb/stackoverflowdupquestions-reranking 的 50 個隨機樣本進行測試
NDCG
0.640 arrow_forward 0.621 arrow_downward -3%
MAP
0.530 arrow_forward 0.505 arrow_downward -5%
MRR
0.555 arrow_forward 0.532 arrow_downward -4%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-code平均提升
arrow_downward -4%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.632 arrow_forward 0.711 arrow_upward 13%
MAP
0.517 arrow_forward 0.622 arrow_upward 20%
MRR
0.517 arrow_forward 0.622 arrow_upward 20%
speed 微調前後在保留測試集上的表現
check
已對來自 mteb/stackoverflowdupquestions-reranking 的 50 個隨機樣本進行測試
NDCG
0.640 arrow_forward 0.619 arrow_downward -3%
MAP
0.530 arrow_forward 0.504 arrow_downward -5%
MRR
0.555 arrow_forward 0.525 arrow_downward -5%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
微調底座模型
jinaai/jina-embeddings-v2-base-en平均提升
arrow_upward 1%
description 領域指令
speed 微調前後合成驗證集上的表現
NDCG
0.646 arrow_forward 0.729 arrow_upward 13%
MAP
0.535 arrow_forward 0.644 arrow_upward 20%
MRR
0.535 arrow_forward 0.644 arrow_upward 20%
speed 微調前後在保留測試集上的表現
check
已對來自 mteb/askubuntudupquestions-reranking 的 50 個隨機樣本進行測試
NDCG
0.645 arrow_forward 0.650 arrow_upward 1%
MAP
0.452 arrow_forward 0.462 arrow_upward 2%
MRR
0.606 arrow_forward 0.605 arrow_downward -0%
data_usage 已生成的合成資料
總計
616
訓練
448
驗證
168
自動微調 API
為您需要的任何領域獲取微調向量模型。
globe_book
使用
r.jina.ai 讀取 URL 並獲取其內容travel_explore
使用
s.jina.ai 搜尋網頁並獲取 SERP
把
mcp.jina.ai 新增為 MCP 伺服器，即可在 LLM 中調用我們的 APIcurl "https://r.jina.ai/https://www.example.com"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 Jina 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 10,000 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