Qwen3 Rerank vurderer kandidattekst i forhold til en leveret søgeforespørgsel og rangordningsinstruktion. Den præcise konfigurerede modelidentifikator er qwen3-rerank. Dens rolle er at ordne de leverede kandidater til søgning og dokumentudvælgelse; anmodningen holder søgeforespørgslen, instruktionen og kandidatpassagerne samlet, så relevansvurderingen kan spores til dens input.
Forbered documents som et array af strenge med én kandidatpassage i hver post. Bevar en separat kobling fra hver position i arrayet til din egen dokumentidentifikator, titel eller kildeplacering. Det gør det muligt for applikationen at forbinde et rangordnet resultat med den oprindelige passage igen uden at tilføje udokumenterede identifikatorobjekter til arrayet af strenge. Ved en supportsøgning kan kandidaterne være de relevante sektioner, der allerede er hentet fra en produktvejledning; søgeforespørgslen skal angive brugerens faktiske informationsbehov.
Den dokumenterede anmodning kræver model, documents, query, top_n og instruct. Felterne query og instruct er strenge, og top_n er et udtrykkeligt leveret heltal. Det offentliggjorte eksempel bruger tre kandidattekster, top_n=2 og en instruktion om at hente relevante passager, som besvarer en søgeforespørgsel på nettet. Brug instruct til at angive den relation, der er relevant for rangordningen, mens det faktiske spørgsmål holdes i query og det materiale, der skal vurderes, i documents.
Operationsvejledningen angiver en maksimal inputlængde på 30K. Hold kandidatpassagerne fokuseret på den tekst, der er nødvendig for at vurdere deres relevans, og bevar overskrifter eller nærliggende kontekst, når disse ændrer betydningen. Bevar kildegrænser, så en udvalgt passage stadig kan kontrolleres i det oprindelige dokument. Den præcise anmodningsprofil og dens krævede felter forbliver grundlaget for at forberede inputtet.
Det returnerede strukturerede resultat indeholder poster i results med index og relevance_score. Feltet index henviser til kandidatens position i det oprindelige array documents frem for dens position i den rangordnede resultatliste. Bevar den returnerede rækkefølge, og brug hver index-værdi til at finde den tilsvarende inputtekst. Bevar hvert returneret resultat, så applikationen kan undersøge de udvalgte kandidater og deres scorer samlet.
Bevar hele JSON-svaret, herunder model, svarets id og usage.total_tokens. Den returnerede dokumenttekst kan mangle, så hold det oprindelige kandidatarray tilgængeligt, når indeksene behandles. Relevansscorerne og det rapporterede forbrug har forskellige roller: scorer beskriver rangordningsresultatet, mens forbrug registrerer den mængde, der er rapporteret for operationen. Ingen af dem erstatter den kildepassage, der understøtter et senere svar.
Ved en søgearbejdsgang skal rangordningen bruges til at vælge de passager, som næste trin skal undersøge eller citere. Sammenlign en udvalgt passage med søgeforespørgslen og instruktionen, før dens indhold præsenteres som dokumentation. En høj placering i en resultatliste identificerer en kandidat til gennemgang; applikationens endelige svar skal forblive knyttet til den faktiske tekst og dens kildeidentifikator.
Gennemgå resultatet med repræsentative søgeforespørgsler og de kandidatsæt, applikationen bruger. Kontrollér, at indeks peger på de tilsigtede oprindelige tekster, at rækkefølgen tjener den leverede instruktion, og at de valgte passager behandler spørgsmålet. Hold den præcise modelidentifikator, søgeforespørgslen, instruktionen, kandidatkoblingen og hele svaret samlet, så der dannes en genanvendelig registrering af relevansudvælgelsen til næste søge- eller dokumenttrin.
", "aboutText": "Qwen3 Rerank vurderer kandidattekst i forhold til en leveret søgeforespørgsel og rangordningsinstruktion. Den præcise konfigurerede modelidentifikator er qwen3-rerank. Dens rolle er at ordne de leverede kandidater til søgning og dokumentudvælgelse; anmodningen holder søgeforespørgslen, instruktionen og kandidatpassagerne samlet, så relevansvurderingen kan spores til dens input.\n\nForbered documents som et array af strenge med én kandidatpassage i hver post. Bevar en separat kobling fra hver position i arrayet til din egen dokumentidentifikator, titel eller kildeplacering. Det gør det muligt for applikationen at forbinde et rangordnet resultat med den oprindelige passage igen uden at tilføje udokumenterede identifikatorobjekter til arrayet af strenge. Ved en supportsøgning kan kandidaterne være de relevante sektioner, der allerede er hentet fra en produktvejledning; søgeforespørgslen skal angive brugerens faktiske informationsbehov.\n\nDen dokumenterede anmodning kræver model, documents, query, top_n og instruct. Felterne query og instruct er strenge, og top_n er et udtrykkeligt leveret heltal. Det offentliggjorte eksempel bruger tre kandidattekster, top_n=2 og en instruktion om at hente relevante passager, som besvarer en søgeforespørgsel på nettet. Brug instruct til at angive den relation, der er relevant for rangordningen, mens det faktiske spørgsmål holdes i query og det materiale, der skal vurderes, i documents.\n\nOperationsvejledningen angiver en maksimal inputlængde på 30K. Hold kandidatpassagerne fokuseret på den tekst, der er nødvendig for at vurdere deres relevans, og bevar overskrifter eller nærliggende kontekst, når disse ændrer betydningen. Bevar kildegrænser, så en udvalgt passage stadig kan kontrolleres i det oprindelige dokument. Den præcise anmodningsprofil og dens krævede felter forbliver grundlaget for at forberede inputtet.\n\nDet returnerede strukturerede resultat indeholder poster i results med index og relevance_score. Feltet index henviser til kandidatens position i det oprindelige array documents frem for dens position i den rangordnede resultatliste. Bevar den returnerede rækkefølge, og brug hver index-værdi til at finde den tilsvarende inputtekst. Bevar hvert returneret resultat, så applikationen kan undersøge de udvalgte kandidater og deres scorer samlet.\n\nBevar hele JSON-svaret, herunder model, svarets id og usage.total_tokens. Den returnerede dokumenttekst kan mangle, så hold det oprindelige kandidatarray tilgængeligt, når indeksene behandles. Relevansscorerne og det rapporterede forbrug har forskellige roller: scorer beskriver rangordningsresultatet, mens forbrug registrerer den mængde, der er rapporteret for operationen. Ingen af dem erstatter den kildepassage, der understøtter et senere svar.\n\nVed en søgearbejdsgang skal rangordningen bruges til at vælge de passager, som næste trin skal undersøge eller citere. Sammenlign en udvalgt passage med søgeforespørgslen og instruktionen, før dens indhold præsenteres som dokumentation. En høj placering i en resultatliste identificerer en kandidat til gennemgang; applikationens endelige svar skal forblive knyttet til den faktiske tekst og dens kildeidentifikator.\n\nGennemgå resultatet med repræsentative søgeforespørgsler og de kandidatsæt, applikationen bruger. Kontrollér, at indeks peger på de tilsigtede oprindelige tekster, at rækkefølgen tjener den leverede instruktion, og at de valgte passager behandler spørgsmålet. Hold den præcise modelidentifikator, søgeforespørgslen, instruktionen, kandidatkoblingen og hele svaret samlet, så der dannes en genanvendelig registrering af relevansudvælgelsen til næste søge- eller dokumenttrin.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a3f9a472a4629d8ff5b2f7ada49e445c6b57c489abce92df97c149c42c2e7b70", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "qwen3-rerankQwen3 Rerank ordner kandidattekster ud fra en leveret søgeforespørgsel og instruktion. Den præcise profil qwen3-rerank accepterer lister med tekstdokumenter og returnerer relevansscorer med indeks og forbrugsmetadata til søgning og dokumentudvælgelse.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Qwen3 Rerank vurderer kandidattekst i forhold til en leveret søgeforespørgsel og rangordningsinstruktion. Den præcise konfigurerede modelidentifikator er qwen3-rerank. Dens rolle er at ordne de leverede kandidater til søgning og dokumentudvælgelse; anmodningen holder søgeforespørgslen, instruktionen og kandidatpassagerne samlet, så relevansvurderingen kan spores til dens input.
Forbered documents som et array af strenge med én kandidatpassage i hver post. Bevar en separat kobling fra hver position i arrayet til din egen dokumentidentifikator, titel eller kildeplacering. Det gør det muligt for applikationen at forbinde et rangordnet resultat med den oprindelige passage igen uden at tilføje udokumenterede identifikatorobjekter til arrayet af strenge. Ved en supportsøgning kan kandidaterne være de relevante sektioner, der allerede er hentet fra en produktvejledning; søgeforespørgslen skal angive brugerens faktiske informationsbehov.
Den dokumenterede anmodning kræver model, documents, query, top_n og instruct. Felterne query og instruct er strenge, og top_n er et udtrykkeligt leveret heltal. Det offentliggjorte eksempel bruger tre kandidattekster, top_n=2 og en instruktion om at hente relevante passager, som besvarer en søgeforespørgsel på nettet. Brug instruct til at angive den relation, der er relevant for rangordningen, mens det faktiske spørgsmål holdes i query og det materiale, der skal vurderes, i documents.
Operationsvejledningen angiver en maksimal inputlængde på 30K. Hold kandidatpassagerne fokuseret på den tekst, der er nødvendig for at vurdere deres relevans, og bevar overskrifter eller nærliggende kontekst, når disse ændrer betydningen. Bevar kildegrænser, så en udvalgt passage stadig kan kontrolleres i det oprindelige dokument. Den præcise anmodningsprofil og dens krævede felter forbliver grundlaget for at forberede inputtet.
Det returnerede strukturerede resultat indeholder poster i results med index og relevance_score. Feltet index henviser til kandidatens position i det oprindelige array documents frem for dens position i den rangordnede resultatliste. Bevar den returnerede rækkefølge, og brug hver index-værdi til at finde den tilsvarende inputtekst. Bevar hvert returneret resultat, så applikationen kan undersøge de udvalgte kandidater og deres scorer samlet.
Bevar hele JSON-svaret, herunder model, svarets id og usage.total_tokens. Den returnerede dokumenttekst kan mangle, så hold det oprindelige kandidatarray tilgængeligt, når indeksene behandles. Relevansscorerne og det rapporterede forbrug har forskellige roller: scorer beskriver rangordningsresultatet, mens forbrug registrerer den mængde, der er rapporteret for operationen. Ingen af dem erstatter den kildepassage, der understøtter et senere svar.
Ved en søgearbejdsgang skal rangordningen bruges til at vælge de passager, som næste trin skal undersøge eller citere. Sammenlign en udvalgt passage med søgeforespørgslen og instruktionen, før dens indhold præsenteres som dokumentation. En høj placering i en resultatliste identificerer en kandidat til gennemgang; applikationens endelige svar skal forblive knyttet til den faktiske tekst og dens kildeidentifikator.
Gennemgå resultatet med repræsentative søgeforespørgsler og de kandidatsæt, applikationen bruger. Kontrollér, at indeks peger på de tilsigtede oprindelige tekster, at rækkefølgen tjener den leverede instruktion, og at de valgte passager behandler spørgsmålet. Hold den præcise modelidentifikator, søgeforespørgslen, instruktionen, kandidatkoblingen og hele svaret samlet, så der dannes en genanvendelig registrering af relevansudvælgelsen til næste søge- eller dokumenttrin.
POST /v1/reranktextstructured| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser qwen3-rerank Betingelser: Bogstavelig modelvælger. | Standard— |
Feltdocuments | Typearray | KravPåkrævet | Værdier og grænser Betingelser: Kandidattekstpassager, bevaret i deres oprindelige inputrækkefølge. | Standard— |
Feltquery | Typestring | KravPåkrævet | Værdier og grænser Betingelser: Søgeforespørgsel til relevansvurdering. | Standard— |
Felttop_n | Typeinteger | KravPåkrævet | Værdier og grænser Betingelser: Ønsket antal rangerede resultater; der angives ingen udokumenteret minimums-, maksimums- eller standardværdi. | Standard— |
Feltinstruct | Typestring | KravPåkrævet | Værdier og grænser Betingelser: Instruktion, der beskriver søgeopgaven. | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, documents, query, top_n, instruct |
Parameteroptional | Kontrakt |
Parametermaterial_types | Kontrakttext |
Parameteradditional_properties | Kontrakttrue |
Livscyklus: synchronous
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Afregningsenhed | Beløb |
|---|---|---|---|
| KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsenhed— | Beløb Input · Inputtokens — / 1K tokens Output · Outputtokens — / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| Konfigurationsamlet token | Takstplan— | Afregningsenhed/ 1K tokens | Beløb Input · samlet token $0.00014 / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "qwen3-rerank",\n "query": "Which passage discusses text ranking?",\n "documents": [\n "Text ranking orders candidate passages by relevance.",\n "Quantum computing studies computation using quantum systems.",\n "Pretrained language models can improve text ranking."\n ],\n "top_n": 2,\n "instruct": "Given a web search query, retrieve relevant passages that answer the query."\n}Læs indekser og relevansscorer, og knyt hvert indeks tilbage til dine oprindelige dokumenter. Et returneret eksemplar af dokumentet kan mangle.
Behold det oprindelige svar og forespørgsels-id efter en afsendelse med uklart udfald; gentag den aldrig.
| Felt | Type | Betydning |
|---|---|---|
Feltresults[].index | Typeinteger | BetydningIndeks for det tilsvarende oprindelige inputdokument. |
Feltresults[].relevance_score | Typenumber | BetydningReturneret relevansscore. |
Feltmodel | Typestring | BetydningDen faktiske model i svaret. |
Feltid | Typestring | BetydningDen faktiske svaridentifikator. |
Feltusage.total_tokens | Typeinteger | BetydningMålt samlet antal tokens, der bruges til fakturering. |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig JSON eller ugyldigt påkrævet modelvalg. | Næste trinRet det angivne input, før du sender en ny forespørgsel. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug din gyldige Ailoot API-nøgle. |
Svar503 · price_unavailable | BetingelseStruktureret prisfastsættelse eller adgang for metoden er ikke tilgængelig. | Næste trinBehold det oprindelige svar; gentag ikke en afsendelse med uklart udfald. |
Ailoot Ultra qwen3-rerank
Brug metodestierne vist ovenfor.