Lanzamiento de la API DeepSearch, la herramienta de búsqueda profunda inferencial de Jina.

En medio de la ola siempre cambiante de la tecnología de inteligencia artificial, Jina AI ha lanzado recientemente su última obra maestra -- el API de búsqueda profundauna revolucionaria herramienta de búsqueda profunda inferencial que ha suscitado gran interés en el sector. La API se anuncia como capaz de actuar como un investigador humano yBuscar, leer y razonar para encontrar la mejor respuestaque ofrece a los usuarios una experiencia de búsqueda sin precedentes.

Jina 推理式深度搜索工具 DeepSearch API 正式上线

API DeepSearch: exploración profunda de los límites de la información

La idea central de la API DeepSearch es superar las limitaciones de la tecnología de búsqueda tradicional yendo más allá de la simple recuperación de palabras clave.Modelización del proceso humano de investigación en profundidadComo destacan oficialmente los responsables de Jina AI, DeepSearch es capaz de realizar un proceso completo de "búsqueda y razonamiento" para atender a quienes necesitan un razonamiento iterativo sobre el conocimiento del mundo o las últimas noticias. Como subrayan los responsables de Jina AI, DeepSearch es capaz de realizar un proceso completo de "búsqueda, lectura y razonamiento" para responder a consultas complejas que requieren un razonamiento iterativo, un amplio conocimiento del mundo o información actualizada.

 

Compatible con la API de chat OpenAI: interfaz sin fisuras con los ecosistemas existentes.

Cabe mencionar que la API DeepSearch se ha diseñado teniendo en cuenta los hábitos de uso de los desarrolladores.Totalmente compatible con el modo Chat API de OpenAIEsto significa que los desarrolladores pueden cambiar sus aplicaciones de chat OpenAI existentes a la plataforma DeepSearch con extrema facilidad. Esto significa que los desarrolladores pueden cambiar sus aplicaciones de chat OpenAI existentes a la plataforma DeepSearch con extrema facilidad, simplemente cambiando los puntos finales de la API. chat.openai.com Sustituir por deepsearch.jina.ai Listo para salir.

A continuación se muestra un ejemplo de cómo utilizar la función curl Ejemplo de comando que llama a la API DeepSearch:

curl https://deepsearch.jina.ai/v1/chat/completions \
-H "Authorization: Bearer jina_07515539916047afa9a13d59da8d850ccim8_UGTw_MTA1U3VDDXNt7Euq65" \
-H "Content-Type: application/json" \
-d @- <<EOF
{
"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"
}
EOF

 

Experiencia interactiva: diálogo con DeepSearch

Para que los usuarios experimenten la potencia de DeepSearch de forma más intuitiva, Jina AI también ofrece la funciónDemostración de chat en directoDeepSearch es el primer y único buscador del mundo que permite realizar búsquedas en profundidad. Los usuarios pueden hablar directamente con DeepSearch a través de una sencilla interfaz de chat para conocer de primera mano sus capacidades de búsqueda profunda.

Por ejemplo, los usuarios pueden intentar hacer las siguientes preguntas para probar el rendimiento de DeepSearch en diferentes escenarios:

  • ¿Qué dice el último blog de OpenAI?
  • ¿Cuál es la motivación del proyecto node-DeepResearch?
  • ¿Cuáles son las mejoras de jina-colbert-v2 con respecto a jina-colbert-v1?

Estas preguntas cubren una variedad de dimensiones, como la recuperación de información, la exploración de los antecedentes del proyecto y la comparación de detalles técnicos, que pueden poner a prueba eficazmente las capacidades de búsqueda y razonamiento exhaustivo de DeepSearch.

 

La principal ventaja de DeepSearch: más allá del paradigma de búsqueda tradicional

El valor fundamental de DeepSearch reside en suCapacidad de investigación en profundidad. Combina múltiples mecanismos, como la búsqueda en la web, la lectura de información y el razonamiento lógico, para realizar investigaciones exhaustivas de información. Piense en DeepSearch como un asistente de investigación inteligente que, cuando el usuario le asigna una tarea de investigación, realiza de forma autónoma búsquedas exhaustivas y rondas iterativas para producir una respuesta. Este proceso implica la investigación continua, el razonamiento lógico y el análisis multiperspectivo del problema, lo que lo diferencia de los modelos tradicionales de grandes lenguajes (LLM) y de la generación de aumentos basada en la recuperación (RAG) son fundamentalmente diferentes.

Para comparar más claramente las diferencias entre DeepSearch y los sistemas LLM y RAG tradicionales, Jina AI ofrece oficialmente la siguiente comparación:

caracterizaciónModelización a gran escala (LLM)Paradigma RAG y LLM con búsquedaBúsqueda profunda
coste léxicoAprox. 1.000 palabrasUnas 10.000 palabrasUnas 500.000 palabras
tiempo de respuestaAprox. 1 segundoAprox. 3 segundosAprox. 50 segundos
Escenarios aplicablesRespuestas rápidas a preguntas de sentido común (se aplican algunos supuestos)Cuestiones que requieren información actual o específica de la zona (si procede)Cuestiones complejas que requieren investigación y razonamiento en profundidad (aplicable)
limitacionesSin acceso a información en tiempo real o posterior a la formación (no aplicable)Dificultad para resolver problemas complejos que requieran razonamiento multisalto (no aplicable)Lleva más tiempo que los métodos LLM o RAG (problema potencial)
Mecanismo de generación de respuestasCompletamente generados a partir de conocimientos preentrenados con plazos fijos de conocimiento.Generar respuestas agregando resultados de búsqueda individualesInteligencia autónoma con búsqueda, lectura y razonamiento iterativos
Acceso a la información en tiempo realsin soporteApoyo, capacidad de acceder a información actualizada más allá de los plazos de formaciónApoyo, con capacidad para ajustar dinámicamente los pasos siguientes en función de los resultados actuales.
Capacidad de investigación en profundidadlimitacionesसीमितPotente, con capacidad para profundizar en los temas a través de múltiples ciclos de búsqueda y razonamiento, y autoevaluarse antes de devolver los resultados.

 

Integración de clientes y detalles de la API

Integración de clientes Por otro lado, DeepSearch mantiene un alto grado de compatibilidad con la arquitectura de la API de chat de OpenAI. Los usuarios pueden integrar DeepSearch fácilmente en cualquier cliente de chat compatible con OpenAI.

Puntos finales de la API: https://deepsearch.jina.ai/v1/chat/completions

Nombre del modelo: jina-deepsearch-v1

Clave API: [Tu clave API de Jina] (La nueva clave API ofrece 1 millón de palabras gratis)

 

Preguntas más frecuentes (FAQ)

¿Qué es DeepSearch?

DeepSearch es una gran API de modelización lingüística que realiza búsquedas, lecturas y razonamientos iterativos hasta encontrar la respuesta exacta a una consulta o alcanzar un límite de presupuesto léxico.

¿En qué se diferencia DeepSearch de las capacidades de investigación profunda de OpenAI y Gemini?

Con OpenAI y Géminis A diferencia de DeepSearch, que se centra en proporcionar respuestas precisas a través de la búsqueda iterativa en lugar de generar contenidos largos. DeepSearch está optimizado para ofrecer respuestas rápidas y precisas a partir de búsquedas profundas en la web, en lugar de generar informes de investigación exhaustivos.

¿Qué claves API necesitan los usuarios para utilizar DeepSearch?

Los usuarios necesitarán una clave API de Jina. Jina AI ofrece 1 millón de elementos de palabras gratis por la nueva clave API.

¿Qué ocurre cuando DeepSearch alcanza el límite de presupuesto léxico? ¿Devuelve respuestas incompletas?

Cuando DeepSearch alcanza el límite de presupuesto léxico, el sistema genera la respuesta final basándose en todo el conocimiento acumulado sin terminar directamente ni devolver resultados incompletos.

¿Puede DeepSearch garantizar la exactitud de las respuestas?

La respuesta no es absolutamente exacta. Aunque DeepSearch mejora la precisión a través de la búsqueda iterativa, las evaluaciones muestran que alcanza un índice de aprobación de 751 TP3T en las preguntas de prueba, significativamente mejor que el 01 TP3T del modelo de referencia gemini-2.0-flash. Sin embargo, DeepSearch aún tiene margen de mejora.

¿Cuánto tarda una consulta típica de DeepSearch?

Los tiempos de consulta de DeepSearch varían mucho. Dependiendo de los datos de evaluación, las consultas pueden llevar de 1 a 42 pasos, con una media de 4 pasos y un tiempo medio de consulta de unos 20 segundos. Las consultas sencillas pueden completarse rápidamente, mientras que las preguntas de investigación complejas pueden implicar múltiples iteraciones y tardar hasta 120 segundos.

¿Funcionará DeepSearch con cualquier cliente compatible con OpenAI como Chatwise, CherryStudio o ChatBox?

API de DeepSearch (deepsearch.jina.ai/v1/chat/completions) es totalmente compatible con la arquitectura de la API OpenAI, y el nombre del modelo es jina-deepsearch-v1Esto permite a los usuarios cambiar fácilmente de OpenAI a DeepSearch y utilizarlo con su cliente local o cualquier cliente compatible con OpenAI. Esto permite a los usuarios cambiar fácilmente de OpenAI a DeepSearch y utilizarlo con un cliente nativo o cualquier cliente compatible con OpenAI. Chatwise es uno de los clientes recomendados oficialmente para una mejor experiencia.

¿Cuál es el límite de tarifa para la API?

El límite de velocidad depende del nivel de la clave API y oscila entre 10 RPM y 30 RPM. Para escenarios de aplicaciones con un alto volumen de consultas, el límite de velocidad es una consideración importante.

<think> ¿Qué hay en la etiqueta?

DeepSearch encapsulará los pasos del pensamiento en etiquetas XML <code><think>...</think></code> de entrada y salida antes de la respuesta final. Este enfoque sigue el formato de transmisión de datos de OpenAI y utiliza etiquetas especiales para presentar el proceso de razonamiento.

¿Utiliza DeepSearch Jina Reader para buscar y leer en Internet?

Sí. Jina Lector se utiliza para la búsqueda y lectura de páginas web, dotando al sistema de la capacidad de acceder y procesar contenidos web de forma eficiente.

¿Por qué DeepSearch consume muchos elementos léxicos al procesar las consultas?

De hecho, DeepSearch tiene un consumo léxico relativamente alto cuando procesa consultas complejas, con una media de unos 70.000 elementos léxicos, mientras que los modelos lingüísticos tradicionales a gran escala suelen responder con tan sólo 500 elementos léxicos. Esto refleja la naturaleza de la investigación profunda de DeepSearch, pero también implica mayores costes.

¿Hay alguna forma de controlar o limitar el número de pasos?

DeepSearch se controla principalmente por el presupuesto de palabras más que por el número de pasos. Una vez superado el presupuesto, el sistema entra en "modo bestia" para generar la respuesta final. Acerca de DeepSearch reasoning_effort consulte la documentación para obtener más información.

¿Hasta qué punto son fiables las referencias de la respuesta?

La fiabilidad de las referencias es fundamental. Si el sistema decide que la respuesta es suficientemente clara e inequívoca, pero carece de referencias fiables, DeepSearch seguirá buscando hasta encontrar una fuente creíble.

¿Puede DeepSearch responder a preguntas sobre acontecimientos futuros?

Sí, DeepSearch es capaz de manejar preguntas sobre acontecimientos futuros, pero esto suele requerir mucha investigación e iteración. "¿Quién será presidente en 2028?" Este ejemplo muestra que DeepSearch puede manejar preguntas especulativas con muchas iteraciones de investigación, aunque no se puede garantizar la exactitud de sus predicciones.

© declaración de copyright

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...