끊임없이 변화하는 인공 지능 기술의 물결 속에서 Jina AI는 최근 최신 걸작 인 최신 걸작을 출시했습니다. 딥서치 API는 업계에서 많은 주목을 받고 있는 혁신적인 추론 기반 심층 검색 도구입니다. 이 API는 인간 연구원처럼 행동할 수 있는 것으로 선전되고 있습니다.최적의 답을 찾기 위한 검색, 읽기, 추론하기를 통해 사용자에게 이전과는 전혀 다른 검색 경험을 제공합니다.

DeepSearch API: 정보 경계에 대한 심층 탐색
딥서치 API의 핵심 아이디어는 단순히 키워드를 검색하는 것에서 더 나아가 기존 검색 기술의 한계를 극복하는 것입니다.심층 연구의 인간 프로세스 모델링Jina AI 관계자가 공식적으로 강조한 것처럼, 딥서치는 전 세계 지식이나 최신 뉴스에 대한 반복적인 추론이 필요한 사용자에 대응하기 위해 "검색과 추론"의 완전한 프로세스를 수행할 수 있습니다. Jina AI 관계자가 강조하듯이, DeepSearch는 반복적인 추론, 광범위한 세계 지식 또는 최신 정보가 필요한 복잡한 쿼리에 대응하여 "검색, 읽기 및 추론"의 완전한 프로세스를 수행할 수 있습니다.
OpenAI 채팅 API와 호환: 기존 에코시스템과의 원활한 인터페이스
딥서치 API는 개발자의 사용 습관을 염두에 두고 설계되었다는 점을 언급할 필요가 있습니다.OpenAI의 채팅 API 모드와 완벽하게 호환됩니다.즉, 개발자는 기존의 OpenAI 채팅 애플리케이션을 매우 쉽게 DeepSearch 플랫폼으로 전환할 수 있습니다. 즉, 개발자는 API 엔드포인트만 전환하면 기존 OpenAI 채팅 앱을 매우 쉽게 DeepSearch 플랫폼으로 전환할 수 있습니다. chat.openai.com
다음으로 교체 deepsearch.jina.ai
준비 완료.
다음은 사용 방법의 예입니다. curl
DeepSearch API를 호출하는 명령의 예입니다:
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
대화형 환경: 딥서치와의 대화
사용자가 보다 직관적으로 딥서치의 성능을 경험할 수 있도록 Jina AI는 다음과 같은 기능도 제공합니다.라이브 채팅 데모딥서치는 심층 검색이 가능한 세계 최초이자 유일한 검색 엔진입니다. 사용자는 간단한 채팅 인터페이스를 통해 딥서치와 직접 대화하여 심층 검색 기능을 직접 살펴볼 수 있습니다.
예를 들어, 사용자는 다음 질문을 통해 다양한 시나리오에서 DeepSearch의 성능을 테스트해 볼 수 있습니다:
- OpenAI의 최신 블로그는 무엇을 말하나요?
- 노드-딥리서치 프로젝트의 동기는 무엇인가요?
- jina-colbert-v2가 jina-colbert-v1에 비해 개선된 점은 무엇인가요?
이러한 질문은 정보 검색, 프로젝트 배경 탐색, 기술적 세부 사항 비교 등 다양한 차원을 다루며, 이를 통해 DeepSearch의 종합적인 검색 및 추론 기능을 효과적으로 테스트할 수 있습니다.
DeepSearch의 핵심 이점: 기존 검색 패러다임을 뛰어넘다
딥서치의 핵심 가치는 다음과 같습니다.심층적인 연구 역량. 웹 검색, 정보 읽기, 논리적 추론과 같은 여러 메커니즘을 결합하여 종합적인 정보 조사를 수행합니다. 딥서치는 사용자가 연구 과제를 보내면 자율적으로 광범위한 검색과 여러 번의 반복을 수행하여 답을 찾아내는 지능형 연구 도우미라고 생각하면 됩니다. 이 프로세스에는 지속적인 연구, 논리적 추론, 다각적인 문제 분석이 포함되며, 이는 기존의 LLM(대규모 언어 모델) 및 검색 기반 증강 생성(RAG)는 근본적으로 다릅니다.
딥서치와 기존 LLM 및 RAG 시스템의 차이점을 보다 명확하게 비교하기 위해 Jina AI는 공식적으로 다음과 같은 비교를 제시합니다:
특성화 | 대규모 모델링(LLM) | 검색이 포함된 RAG 패러다임 및 LLM | 딥서치 |
---|---|---|---|
어휘 비용 | 약 1,000단어 | 약 10,000단어 | 약 50만 단어 |
응답 시간 | 약 1초 | 약 3초 | 약 50초 |
적용 가능한 시나리오 | 상식적인 질문에 대한 빠른 답변(일부 시나리오에 해당) | 현재 또는 영역별 정보가 필요한 문제(해당되는 경우) | 심층적인 연구와 추론이 필요한 복잡한 문제(해당되는 경우) |
제한 사항 | 실시간 또는 교육 후 정보에 액세스할 수 없음(해당되지 않음) | 멀티홉 추론이 필요한 복잡한 문제 해결의 어려움(해당 없음) | 단순 LLM 또는 RAG 방식보다 더 많은 시간 소요(잠재적 문제) |
답변 생성 메커니즘 | 지식 마감 기한이 정해진 사전 학습된 지식으로 완벽하게 생성 | 단일 검색 결과를 집계하여 답변 생성하기 | 반복 검색, 읽기 및 추론 기능을 갖춘 자율 지능 |
실시간 정보 액세스 | 지원되지 않음 | 지원, 교육 마감일 이후에도 최신 정보에 액세스할 수 있는 기능 | 현재 결과에 따라 다음 단계를 동적으로 조정할 수 있는 기능 지원 |
심층적인 연구 역량 | 제약 조건 | सीमित | 여러 검색 및 추론 주기를 통해 주제를 심층적으로 분석하고 결과를 반환하기 전에 자체 평가할 수 있는 강력한 기능을 제공합니다. |
클라이언트 통합 및 API 세부 정보
클라이언트 통합 반면, DeepSearch는 OpenAI의 채팅 API 아키텍처와 높은 수준의 호환성을 유지합니다. 사용자는 OpenAI와 호환되는 모든 채팅 클라이언트에 DeepSearch를 쉽게 통합할 수 있습니다.
API 엔드포인트: https://deepsearch.jina.ai/v1/chat/completions
모델 이름: jina-deepsearch-v1
API 키: [Jina API 키] (새 API 키는 100만 단어 무료 제공)
자주 묻는 질문(FAQ)
딥서치란 무엇인가요?
DeepSearch는 쿼리에 대한 정확한 답을 찾거나 어휘 예산 한도에 도달할 때까지 반복적인 검색, 읽기 및 추론을 수행하는 대규모 언어 모델링 API입니다.
DeepSearch는 OpenAI 및 Gemini의 심층 연구 기능과 어떻게 다른가요?
OpenAI와 쌍둥이자리 긴 형식의 콘텐츠를 생성하기보다는 반복 검색을 통해 정확한 답변을 제공하는 데 중점을 두는 DeepSearch와 달리. 딥서치는 포괄적인 연구 보고서를 생성하는 대신 심층 웹 검색을 통해 빠르고 정확한 답변을 제공하는 데 최적화되어 있습니다.
사용자가 DeepSearch를 사용하려면 어떤 API 키가 필요하나요?
사용자는 Jina API 키가 필요합니다. Jina AI는 새로운 API 키에 대해 100만 개의 무료 단어 요소를 제공합니다.
딥서치가 어휘 예산 한도에 도달하면 어떻게 되나요? 불완전한 답변을 반환하나요?
딥서치가 어휘 예산 한도에 도달하면 시스템은 불완전한 결과를 직접 종료하거나 반환하지 않고 축적된 모든 지식을 기반으로 최종 답변을 생성합니다.
딥서치가 답변의 정확성을 보장할 수 있나요?
정답이 절대적으로 정확한 것은 아닙니다. 딥검색은 반복 검색을 통해 정확도를 향상시키지만, 평가에 따르면 테스트 문제에서 751 TP3T의 합격률을 달성하여 기준 모델인 Gemini-2.0-flash의 01 TP3T보다 훨씬 우수합니다. 그러나 딥검색은 여전히 개선의 여지가 있습니다.
일반적인 딥서치 쿼리는 얼마나 걸리나요?
딥서치의 쿼리 시간은 매우 다양합니다. 평가 데이터에 따라 쿼리는 1~42단계로 이루어지며, 평균 4단계, 평균 쿼리 시간은 약 20초가 소요될 수 있습니다. 간단한 쿼리는 빠르게 완료될 수 있지만, 복잡한 연구 질문은 여러 번의 반복이 필요할 수 있으며 최대 120초까지 걸릴 수 있습니다.
DeepSearch는 Chatwise, CherryStudio 또는 ChatBox와 같은 모든 OpenAI 호환 클라이언트에서 작동하나요?
딥서치 API(deepsearch.jina.ai/v1/chat/completions
)는 OpenAI API 아키텍처와 완벽하게 호환되며, 모델명은 다음과 같습니다. jina-deepsearch-v1
이를 통해 사용자는 OpenAI에서 DeepSearch로 쉽게 전환하여 로컬 클라이언트 또는 OpenAI 호환 클라이언트와 함께 사용할 수 있습니다. 이를 통해 OpenAI에서 DeepSearch로 쉽게 전환하여 기본 클라이언트 또는 OpenAI 호환 클라이언트와 함께 사용할 수 있습니다. Chatwise는 더 나은 경험을 위해 공식적으로 권장되는 클라이언트 중 하나입니다.
API의 요금 한도는 어떻게 되나요?
속도 제한은 API 키 수준에 따라 다르며 10RPM에서 30RPM까지입니다. 쿼리량이 많은 애플리케이션 시나리오의 경우 속도 제한이 중요한 고려 사항입니다.
<think>
태그에는 무엇이 있나요?
DeepSearch는 사고 단계를 XML 태그로 캡슐화합니다. <code><think>...</think></code>
를 입력하고 최종 답변 전에 출력합니다. 이 접근 방식은 OpenAI 스트리밍 데이터 형식을 따르며 특수 레이블을 사용하여 추론 과정을 표시합니다.
딥서치에서 웹 검색 및 읽기에 Jina Reader를 사용하나요?
예. 지나 리더 는 웹 검색 및 읽기에 사용되어 시스템에 웹 콘텐츠에 효율적으로 액세스하고 처리할 수 있는 기능을 제공합니다.
쿼리를 처리할 때 딥서치가 어휘 요소를 많이 소비하는 이유는 무엇인가요?
실제로 딥서치는 복잡한 쿼리를 처리할 때 평균 약 70,000개의 어휘 요소를 사용하는 반면, 기존의 대규모 언어 모델은 일반적으로 500개 정도의 어휘 요소로 응답하는 데 비해 상대적으로 어휘 소비량이 높습니다. 이는 딥서치의 심층 연구 특성을 반영하는 것이기도 하지만 더 높은 비용을 의미하기도 합니다.
걸음 수를 제어하거나 제한할 수 있는 방법이 있나요?
딥서치는 단계 수보다는 주로 예산이라는 단어에 의해 제어됩니다. 예산이 초과되면 시스템은 최종 답변을 생성하기 위해 '비스트 모드'로 전환됩니다. 딥서치 소개 reasoning_effort
매개변수에 대한 자세한 내용은 설명서를 참조하세요.
답변의 참조 자료는 얼마나 신뢰할 수 있나요?
참고 자료의 신뢰성은 매우 중요합니다. 시스템이 답변이 충분히 명확하고 모호하지 않지만 신뢰할 수 있는 참조 자료가 부족하다고 판단하는 경우, DeepSearch는 신뢰할 수 있는 출처를 찾을 때까지 계속 검색을 진행합니다.
딥서치에서 향후 이벤트에 대한 질문을 처리할 수 있나요?
예, 딥서치는 미래 이벤트에 대한 질문을 처리할 수 있지만 일반적으로 많은 연구와 반복이 필요합니다. "2028년에 누가 대통령이 될까요?" 이 예는 딥서치가 예측의 정확성을 보장할 수는 없지만 많은 리서치 반복을 통해 추측성 질문을 처리할 수 있음을 보여줍니다.
© 저작권 정책
기사 저작권 AI 공유 서클 모두 무단 복제하지 마세요.
관련 문서
댓글 없음...