Jina 推理式深度搜索工具 DeepSearch API 正式上线

在人工智能技术日新月异的浪潮中，Jina AI 近期发布了其最新力作 —— DeepSearch API，一款革命性的推理式深度搜索工具，引起了业界的广泛关注。这款 API 被誉为能够像人类研究员一样，搜索、阅读并推理，最终找到最优答案，为用户带来前所未有的搜索体验。

DeepSearch API：深度探索信息边界

DeepSearch API 的核心理念在于突破传统搜索技术的局限，它不仅仅是简单地检索关键词，而是更进一步，模拟人类的深度研究过程。正如 Jina AI 官方所强调的，DeepSearch 能够执行“搜索、阅读和推理”的完整流程，从而应对那些需要迭代推理、广博的世界知识或最新信息的复杂查询。

兼容 OpenAI Chat API：无缝对接现有生态

值得一提的是，DeepSearch API 在设计上充分考虑了开发者的使用习惯，完全兼容 OpenAI 的 Chat API 模式。这意味着开发者可以极其便捷地将现有的 OpenAI 聊天应用切换到 DeepSearch 平台，只需简单地将 API 端点 chat.openai.com 替换为 deepsearch.jina.ai 即可。

以下是一个使用 curl 命令调用 DeepSearch API 的示例：

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

交互式体验：与 DeepSearch 对话

为了让用户更直观地体验 DeepSearch 的强大功能，Jina AI 还提供了在线聊天 Demo。用户可以通过简单的聊天界面，直接与 DeepSearch 进行对话，亲身感受其深度搜索能力。

例如，用户可以尝试提出以下问题，以测试 DeepSearch 在不同场景下的表现：

OpenAI 的最新博客写了什么？
node-DeepResearch 项目背后的动机是什么？
jina-colbert-v2 相对于 jina-colbert-v1 究竟有哪些改进？

这些问题涵盖了信息检索、项目背景探究以及技术细节对比等多个维度，能够有效检验 DeepSearch 的综合搜索和推理能力。

DeepSearch 的核心优势：超越传统搜索范式

DeepSearch 的核心价值在于其深度研究能力。它融合了网络搜索、信息阅读和逻辑推理等多重机制，能够执行全面的信息调查。可以将 DeepSearch 视为一个智能研究助理，用户向其发出研究任务后，它将自主进行广泛搜索和多轮迭代，最终给出答案。这一过程包含了持续研究、逻辑推理以及多角度问题分析，与传统的大型语言模型 (LLM) 以及基于检索增强生成 (RAG) 的系统存在本质区别。

为了更清晰地对比 DeepSearch 与传统 LLM 和 RAG 系统的差异，Jina AI 官方给出了以下对比：

特性	大模型 (LLM)	RAG 范式和带搜索的 LLM	深度搜索 (DeepSearch)
词元成本	约 1,000 个词元	约 10,000 个词元	约 500,000 个词元
响应时间	约 1 秒	约 3 秒	约 50 秒
适用场景	常识问题快速解答（部分场景适用）	需要当前或特定领域信息的问题（适用）	需要深入研究和推理的复杂问题（适用）
局限性	无法获取实时或训练后信息（不适用）	难以解决需要多跳推理的复杂问题（不适用）	相比简单 LLM 或 RAG 方法，耗时更长（潜在问题）
答案生成机制	完全由预训练知识生成，知识截止日期固定	通过聚合单次搜索结果生成答案	自主智能体，可迭代搜索、阅读和推理
实时信息获取	不支持	支持，能够获取训练截止时间以外的当前信息	支持，能够根据当前发现动态调整下一步行动
深度研究能力	有限	सीमित	强大，能够通过多次搜索和推理循环深入研究主题，并在返回结果前进行自我评估

客户端集成与 API 详情

客户端集成 方面，DeepSearch 与 OpenAI 的 Chat API 架构保持了高度兼容性。用户可以轻松地将 DeepSearch 集成到任何兼容 OpenAI 的聊天客户端中。

API 端点： https://deepsearch.jina.ai/v1/chat/completions

模型名称： jina-deepsearch-v1

API 密钥： [您的 Jina API 密钥] (新 API 密钥提供 100 万免费词元)

常见问题解答 (FAQ)

什么是 DeepSearch？

DeepSearch 是一个大型语言模型 API，它能够执行迭代搜索、阅读和推理，直至找到查询的精确答案或达到词元预算限制。

DeepSearch 与 OpenAI 和 Gemini 的深度研究能力有何不同？

与 OpenAI 和 Gemini 不同，DeepSearch 专注于通过迭代搜索提供精准答案，而非生成长篇内容。 DeepSearch 针对深度网络搜索的快速、精准答案进行了优化，而非生成全面的研究报告。

用户需要什么 API 密钥才能使用 DeepSearch？

用户需要 Jina API 密钥。 Jina AI 为新的 API 密钥提供 100 万个免费词元。

当 DeepSearch 达到词元预算限制时，会发生什么？会返回不完整的答案吗？

当 DeepSearch 达到词元预算限制时，系统会基于所有积累的知识生成最终答案，而不会直接终止或返回不完整的结果。

DeepSearch 能保证答案的准确性吗？

答案并非绝对准确。尽管 DeepSearch 通过迭代搜索提升了准确性，但评估显示，其在测试题目上的通过率达到了 75%，显著优于基线模型 gemini-2.0-flash 的 0%。然而，DeepSearch 仍有提升空间。

一次典型的 DeepSearch 查询需要多长时间？

DeepSearch 的查询时间差异较大。根据评估数据，查询可能需要 1 到 42 步，平均需要 4 步，平均查询时间约为 20 秒。简单的查询可能迅速完成，而复杂的研究问题可能涉及多次迭代，最长耗时可达 120 秒。

DeepSearch 可以与任何与 OpenAI 兼容的客户端（如 Chatwise、CherryStudio 或 ChatBox）配合使用吗？

DeepSearch API (deepsearch.jina.ai/v1/chat/completions) 与 OpenAI API 架构完全兼容，模型名称为 jina-deepsearch-v1。这使得用户可以轻松地从 OpenAI 切换到 DeepSearch，并将其与本地客户端或任何兼容 OpenAI 的客户端结合使用。 Chatwise 是官方推荐的客户端之一，可提供更优的使用体验。

API 的速率限制是多少？

速率限制取决于 API 密钥层级，范围从 10 RPM 到 30 RPM。对于高查询量的应用场景，速率限制是一个重要的考量因素。

标签里的内容是什么？

DeepSearch 会将思考步骤封装在 XML 标签 ... 中，并在最终答案前输出。这种方式遵循 OpenAI 流式数据格式，并使用特殊标签来呈现推理过程。

DeepSearch 是否使用 Jina Reader 进行网页搜索和阅读？

是的。 Jina Reader 被用于网页搜索和阅读，为系统提供高效访问和处理网页内容的能力。

为什么 DeepSearch 在处理查询时会消耗大量词元？

的确，DeepSearch 在处理复杂查询时，词元消耗量相对较高，平均约为 70,000 词元，而传统大型语言模型的响应通常仅需 500 词元。这体现了 DeepSearch 深度研究的特性，但也意味着更高的成本。

有没有办法控制或限制步数？

DeepSearch 主要通过词元预算而非步数进行控制。一旦超出预算，系统将进入 “Beast 模式” 以生成最终答案。关于 reasoning_effort 参数，请查阅相关文档以获取更多信息。

答案中的参考文献有多可靠？

参考文献的可靠性至关重要。如果系统认为答案已足够清晰明确，但缺乏可靠的参考文献支持，DeepSearch 将继续搜索，直至找到可信的来源。

DeepSearch 能处理有关未来事件的问题吗？

是的，DeepSearch 能够处理有关未来事件的问题，但这通常需要大量的研究和迭代。 “谁将在 2028 年成为总统？” 这个例子表明，DeepSearch 可以通过多次研究迭代来处理推测性问题，尽管其预测的准确性无法得到保证。