ジーナの推論型ディープサーチツール、DeepSearch APIが稼動！

刻々と変化する人工知能技術の波の中で、ジーナAIはこのほど最新の傑作を発表した--。 DeepSearch API推論に基づく画期的なディープ・サーチ・ツールとして、業界で大きな注目を集めている。このAPIは、人間の研究者のように行動できると評判で最良の答えを見つけるための検索、読解、推論ユーザーにかつてない検索体験をもたらす。

DeepSearch API: 情報の境界を深く探る

DeepSearch APIの核となるアイデアは、単にキーワードを検索するだけでなく、さらに踏み込んで従来の検索技術の限界を突破することである。人間による綿密な調査プロセスのモデル化Jina AIが公式に強調しているように、DeepSearchは、世界の知識や最新のニュースについて反復的な推論を必要とする人に応えるために、「検索と推論」の完全なプロセスを実行することができる。Jina AI関係者が強調するように、DeepSearchは、反復的推論、広範な世界知識または最新情報を必要とする複雑なクエリに応答するために、「検索、読解、推論」の完全なプロセスを実行することができる。

OpenAI Chat APIとの互換性：既存のエコシステムとのシームレスなインターフェース

DeepSearch APIは、開発者の使用習慣を念頭に置いて設計されていることは特筆に値する。OpenAIのチャットAPIモードに完全対応つまり、開発者は既存のOpenAIチャットアプリケーションを極めて簡単にDeepSearchプラットフォームに切り替えることができる。これは、開発者がAPIエンドポイントを切り替えるだけで、既存のOpenAIチャットアプリを極めて簡単にDeepSearchプラットフォームに切り替えることができることを意味します。 chat.openai.com と置き換える。 deepsearch.jina.ai 準備はできている。

以下はその例である。 curl DeepSearch API を呼び出すコマンドの例：

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

インタラクティブな体験：DeepSearchとの対話

ユーザーがより直感的にDeepSearchのパワーを体験できるように、Jina AIは以下の機能も提供している。ライブチャットデモDeepSearchは、深層検索が可能な世界初で唯一の検索エンジンである。ユーザーはシンプルなチャット・インターフェースを通じてDeepSearchと直接会話し、その深層検索機能を直接体験することができる。

たとえば、ユーザは以下の質問を試して、さまざまなシナリオで DeepSearch のパフォーマンスをテストできます：

• OpenAIの最新ブログには何が書かれているのか？
• node-DeepResearchプロジェクトの動機は何ですか？
• jina-colbert-v1に対するjina-colbert-v2の改良点は？

これらの質問は、情報検索、プロジェクトの背景の探索、技術的な詳細の比較など、さまざまな側面をカバーしており、DeepSearchの包括的な検索および推論能力を効果的にテストできます。

DeepSearchの核となる強み：従来の検索パラダイムを超える

DeepSearchの核となる価値は、次の点にある。綿密な調査能力.ウェブ検索、情報の読み取り、論理的推論などの複数のメカニズムを組み合わせて、包括的な情報調査を実行する。 DeepSearchは、ユーザーから調査タスクを与えられると、自律的に広範な検索と反復的なラウンドを実行し、答えを生成するインテリジェントな調査アシスタントであると考えてください。 このプロセスには、継続的な調査、論理的推論、多角的な問題分析が含まれ、従来の大規模言語モデル（LLM）や検索ベースの補強生成(ラグ)は根本的に異なる。

DeepSearchと従来のLLMやRAGシステムとの違いをより明確に比較するために、Jina AIは公式に次のような比較を行っている：

クライアントとの統合とAPIの詳細

顧客統合 一方、DeepSearchは、OpenAIのチャットAPIアーキテクチャとの高い互換性を維持しています。 ユーザーは、OpenAI互換のチャットクライアントにDeepSearchを簡単に統合できます。

APIエンドポイント： https://deepsearch.jina.ai/v1/chat/completions

モデル名 jina-deepsearch-v1

APIキー [あなたのジーナAPIキー] (新しいAPIキーは100万語を無料で提供します)

よくある質問（FAQ）

DeepSearchとは？

DeepSearchは大規模な言語モデリングAPIであり、クエリに対する正確な答えが見つかるか、語彙予算の制限に達するまで、検索、読み取り、推論を繰り返し実行する。

DeepSearchはOpenAIやGeminiのディープリサーチ機能とどう違うのか？

OpenAIと ジェミニ DeepSearchとは異なり、長文のコンテンツを生成するのではなく、反復検索によって正確な回答を提供することに重点を置いています。 DeepSearchは、包括的な調査レポートを作成するのではなく、ディープウェブ検索による高速で正確な回答に最適化されています。

DeepSearchを使用するには、どのようなAPIキーが必要ですか?

ユーザーにはJina APIキーが必要です。 Jina AIは、新しいAPIキーのために100万語の無料要素を提供しています。

DeepSearch がレキシカル・バジェットの上限に達するとどうなりますか?不完全な答えが返されますか?

DeepSearchが語彙予算の上限に達すると、システムは直接終了したり不完全な結果を返したりすることなく、蓄積されたすべての知識に基づいて最終的な回答を生成する。

DeepSearchは回答の正確性を保証できますか?

答えは絶対的な正確さではありません。 DeepSearchは繰り返し検索によって精度を向上させていますが、評価ではテスト問題で751 TP3Tの合格率を達成しており、ベースラインモデルのgemini-2.0-flashの01 TP3Tを大幅に上回っています。 しかし、DeepSearchにはまだ改善の余地があります。

典型的なDeepSearchクエリにはどれくらいの時間がかかりますか?

DeepSearch のクエリ時間は大きく異なります。 評価データにもよりますが、クエリにかかる時間は1～42ステップで、平均4ステップ、平均クエリ時間は約20秒です。 単純なクエリは短時間で完了しますが、複雑なリサーチ・クエスチョンでは複数回の反復が必要になり、最大120秒かかることもあります。

DeepSearchは、Chatwise、CherryStudio、ChatBoxなどのOpenAI互換クライアントで動作しますか？

DeepSearch API (deepsearch.jina.ai/v1/chat/completions)はOpenAI APIアーキテクチャと完全に互換性があり、モデル名は jina-deepsearch-v1これにより、ユーザーは簡単にOpenAIからDeepSearchに切り替え、ローカルクライアントまたは任意のOpenAI互換クライアントで使用することができます。 これにより、OpenAIからDeepSearchに簡単に切り替えられ、ネイティブクライアントまたは任意のOpenAI互換クライアントで使用できます。 Chatwiseは、より良い体験のために公式に推奨されているクライアントの一つです。

APIのレート制限は？

レート・リミットはAPIキー・レベルに依存し、10RPMから30RPMの範囲である。 クエリー量の多いアプリケーション・シナリオでは、レート・リミットは重要な考慮事項である。

<think> タグの中身は？

DeepSearch は、思考ステップを XML タグにカプセル化します。 <code><think>...</think></code> を入力し、最終的な答えの前に出力する。 このアプローチはOpenAIのストリーミングデータフォーマットに従い、推論プロセスを提示するために特別なタグを使用します。

DeepSearchは、ウェブ検索と読書にJina Readerを使用していますか？

そうだ。 ジーナ・リーダー はウェブの検索と閲覧に使用され、ウェブコンテンツに効率的にアクセスし処理する能力をシステムに提供する。

クエリの処理時に DeepSearch が字句要素を大量に消費するのはなぜですか?

実際、DeepSearchは複雑なクエリを処理する際の語彙消費量が比較的高く、平均で約7万語彙要素であるのに対し、従来の大規模言語モデルは通常500語彙要素程度で応答する。 これはDeepSearchの深い研究の性質を反映しているが、同時に高いコストを意味する。

ステップ数を制御または制限する方法はありますか？

DeepSearchは、ステップ数ではなく、主に単語予算によって制御される。 バジェットを超えると、システムは「ビーストモード」に入り、最終的な答えを生成します。 DeepSearchについて reasoning_effort パラメーターの詳細については、ドキュメントを参照してください。

回答の参考文献の信頼性は？

参考文献の信頼性は非常に重要です。 答えが十分に明確で曖昧でないとシステムが判断しても、信頼できる参考文献のサポートがない場合、DeepSearch は信頼できるソースが見つかるまで検索を続行します。

DeepSearchは将来の出来事に関する質問に対応できますか？

はい、DeepSearchは将来の出来事に関する質問を扱うことができますが、これは通常、多くの調査と反復を必要とします。 "2028年の大統領は誰ですか？" この例は、予測の正確性は保証できないものの、DeepSearchが多くの調査反復を伴う推測的な質問を処理できることを示している。