DeepSearchAPI：深度搜索革命，突破传统搜索边界

随着人工智能技术的飞速发展，Jina AI 最近推出了其最新产品——DeepSearch API，这是一款创新的推理式深度搜索工具，受到了业界的极大关注。DeepSearch API 被誉为能够像人类研究员一样，搜索、阅读和推理，最终找到最佳答案，为用户带来全新的搜索体验。

DeepSearch API：拓展信息探索边界

DeepSearch API 的核心目标是超越传统搜索技术的限制，它不仅检索关键词，更模拟人类的深度研究过程。Jina AI 强调，DeepSearch 可以执行搜索、阅读和推理的全过程，以应对需要迭代推理、广泛知识或最新信息的复杂查询。

 

兼容 OpenAI Chat API：无缝集成现有生态

DeepSearch API 在设计上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轻松地将现有的 OpenAI 聊天应用迁移到 DeepSearch 平台，只需将 API 端点从 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

Jina AI 提供了在线聊天 Demo，让用户能够直观地体验 DeepSearch 的强大功能。用户可以通过简单的聊天界面与 DeepSearch 进行对话，感受其深度搜索能力。

例如，用户可以尝试以下问题来测试 DeepSearch 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？

这些问题覆盖了信息检索、项目背景探究和技术细节对比等多个维度，可以有效地检验 DeepSearch 的综合搜索和推理能力。

 

DeepSearch 的核心优势：超越传统搜索模式

DeepSearch 的核心优势在于其深度研究能力。它结合了网络搜索、信息阅读和逻辑推理，能够进行全面的信息调查。可以将 DeepSearch 视为一个智能研究助理，用户发出研究任务后，它将自主进行广泛搜索和多轮迭代，最终给出答案。这一过程包括持续研究、逻辑推理和多角度问题分析，与传统的 LLM 和 RAG 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 官方提供了以下对比：

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	有限	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

DeepSearch 与 OpenAI 的 Chat API 架构高度兼容，用户可以轻松将其集成到任何兼容 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，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。

<think> 标签里的内容是什么？

DeepSearch 会将思考步骤封装在 XML 标签 <code><think>...</think></code> 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。例如，“谁将在 2028 年成为总统？” 这个问题表明，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。