{ "aboutHtml": "

Cohere Rerank 4 Fast ist die leichtere Rerank-4-Edition für Suchaufgaben mit geringerer Latenz und höherem Durchsatz. Es nimmt eine Suchanfrage und Kandidatendokumente entgegen und gibt ihre Relevanzrangfolge und Werte zurück. Es ist für interaktive Suche, wiederholte Belegauswahl und Anwendungen nützlich, die eine bestehende Ergebnisliste neu ordnen müssen. Fast bleibt eine eigenständige Edition neben Rerank 4 Pro, das für komplexere Fälle positioniert ist, bei denen Suchqualität Vorrang hat.

Der Herstellercode lautet rerank-v4.0-fast. Wie Pro hat es einen Kontext von 32.768 Tokens und mehrsprachige Abdeckung in mehr als 100 Sprachen. Suchanfrage und ein Dokument teilen sich den Kontext; er ist weder eine Vektordimension noch ein Budget für einen gesamten indexierten Korpus. Stellen Sie die zu vergleichenden Kandidatentexte bereit, statt zu erwarten, dass das Modell Dokumente aus einer nicht bereitgestellten Quelle abruft.

Das dokumentierte Ergebnis enthält den ursprünglichen Dokumentindex und einen relevance_score. top_n legt fest, wie viele Ergebnisse zurückgegeben werden; ohne diese Angabe wird die vollständige sortierte Liste zurückgegeben. Bewahren Sie Quellenkennungen neben den Eingaben, damit die neue Reihenfolge den tatsächlichen Textstellen zugeordnet werden kann. Beschreiben Sie für eine Produktsuche die erforderlichen Produktattribute in der Suchanfrage und ordnen Sie die Kandidatenbeschreibungen neu; ein höherer Rang sollte mit dem Produktdatensatz verbunden bleiben, aus dem er entstanden ist.

Das Modell kann englische und nicht englische Dokumente sowie semistrukturierte Datensätze verarbeiten. Im V2-Ablauf sind Dokumenteingaben Zeichenfolgen; Cohere empfiehlt, strukturierte Daten als YAML darzustellen. Stellen Sie wichtige Felder voran und bewahren Sie ihre Reihenfolge, damit durch Abschneiden nicht der zur Relevanzbeurteilung nötige Inhalt verloren geht. Ein Supportdatensatz kann Titel, Produkt und Verfahrenstext enthalten; eine Nachricht kann Betreff und Nachrichtentext enthalten. Diese ausdrücklichen Beziehungen geben dem Ranker Informationen über eine Liste übereinstimmender Schlüsselwörter hinaus.

Die modellspezifische Suchanfragegrenze in Coheres Vorbereitungsleitfaden beträgt 16.384 Tokens, wobei Suchanfrage und Dokument den gemeinsamen Kontext belegen. Der Leitfaden beschreibt die abschnittsweise Verarbeitung längerer Dokumente, während die V2-Referenz die Dokumentkürzung durch max_tokens_per_doc separat standardmäßig auf 4.096 Tokens setzt. Prüfen Sie diese effektive Dokumenteinstellung, statt anzunehmen, das gesamte 32K-Modellfenster werde immer genutzt. Bereiten Sie relevante Textstellen oder ein geeignetes Dokumentbudget für die tatsächliche Suchaufgabe vor.

Für die empfohlene Leistung rät Cohere von mehr als 1.000 Dokumenten in einer Anfrage ab. Teilen Sie größere Kandidatenmengen in überschaubare Gruppen und bewahren Sie dabei ihre Kennungen. Die Ausgabewerte werden von 0 bis 1 normalisiert und hängen von Suchanfrage und Textstellen ab. Ihre Rangfolge ist das zentrale Ergebnis; ein Wert ist weder ein lineares Vielfaches der Relevanz noch ein Beweis für die Richtigkeit einer Textstelle. Legen Sie jede Filterschwelle anhand repräsentativer Anfragen und grenzwertig relevanter Textstellen aus dem Fachgebiet fest.

Ein hilfreiches Fast-Ergebnis ist eine sortierte Liste, die unmittelbar eine Suchanzeige steuern oder Belege für eine Antworterzeugungsstufe auswählen kann. Bewahren Sie den Quelltext gemeinsam mit dem Wert und prüfen Sie, ob die obersten Ergebnisse die gewünschten Bedingungen tatsächlich behandeln. Fast dient der Relevanzsortierung beim Informationsabruf, nicht dem Erzeugen einer neuen Erklärung oder eines Embedding-Vektors. Halten Sie die benannte Edition und die Eingabevorbereitung beim Verfeinern des Relevanzverhaltens konsistent.

", "aboutText": "Cohere Rerank 4 Fast ist die leichtere Rerank-4-Edition für Suchaufgaben mit geringerer Latenz und höherem Durchsatz. Es nimmt eine Suchanfrage und Kandidatendokumente entgegen und gibt ihre Relevanzrangfolge und Werte zurück. Es ist für interaktive Suche, wiederholte Belegauswahl und Anwendungen nützlich, die eine bestehende Ergebnisliste neu ordnen müssen. Fast bleibt eine eigenständige Edition neben Rerank 4 Pro, das für komplexere Fälle positioniert ist, bei denen Suchqualität Vorrang hat.\n\nDer Herstellercode lautet rerank-v4.0-fast. Wie Pro hat es einen Kontext von 32.768 Tokens und mehrsprachige Abdeckung in mehr als 100 Sprachen. Suchanfrage und ein Dokument teilen sich den Kontext; er ist weder eine Vektordimension noch ein Budget für einen gesamten indexierten Korpus. Stellen Sie die zu vergleichenden Kandidatentexte bereit, statt zu erwarten, dass das Modell Dokumente aus einer nicht bereitgestellten Quelle abruft.\n\nDas dokumentierte Ergebnis enthält den ursprünglichen Dokumentindex und einen relevance_score. top_n legt fest, wie viele Ergebnisse zurückgegeben werden; ohne diese Angabe wird die vollständige sortierte Liste zurückgegeben. Bewahren Sie Quellenkennungen neben den Eingaben, damit die neue Reihenfolge den tatsächlichen Textstellen zugeordnet werden kann. Beschreiben Sie für eine Produktsuche die erforderlichen Produktattribute in der Suchanfrage und ordnen Sie die Kandidatenbeschreibungen neu; ein höherer Rang sollte mit dem Produktdatensatz verbunden bleiben, aus dem er entstanden ist.\n\nDas Modell kann englische und nicht englische Dokumente sowie semistrukturierte Datensätze verarbeiten. Im V2-Ablauf sind Dokumenteingaben Zeichenfolgen; Cohere empfiehlt, strukturierte Daten als YAML darzustellen. Stellen Sie wichtige Felder voran und bewahren Sie ihre Reihenfolge, damit durch Abschneiden nicht der zur Relevanzbeurteilung nötige Inhalt verloren geht. Ein Supportdatensatz kann Titel, Produkt und Verfahrenstext enthalten; eine Nachricht kann Betreff und Nachrichtentext enthalten. Diese ausdrücklichen Beziehungen geben dem Ranker Informationen über eine Liste übereinstimmender Schlüsselwörter hinaus.\n\nDie modellspezifische Suchanfragegrenze in Coheres Vorbereitungsleitfaden beträgt 16.384 Tokens, wobei Suchanfrage und Dokument den gemeinsamen Kontext belegen. Der Leitfaden beschreibt die abschnittsweise Verarbeitung längerer Dokumente, während die V2-Referenz die Dokumentkürzung durch max_tokens_per_doc separat standardmäßig auf 4.096 Tokens setzt. Prüfen Sie diese effektive Dokumenteinstellung, statt anzunehmen, das gesamte 32K-Modellfenster werde immer genutzt. Bereiten Sie relevante Textstellen oder ein geeignetes Dokumentbudget für die tatsächliche Suchaufgabe vor.\n\nFür die empfohlene Leistung rät Cohere von mehr als 1.000 Dokumenten in einer Anfrage ab. Teilen Sie größere Kandidatenmengen in überschaubare Gruppen und bewahren Sie dabei ihre Kennungen. Die Ausgabewerte werden von 0 bis 1 normalisiert und hängen von Suchanfrage und Textstellen ab. Ihre Rangfolge ist das zentrale Ergebnis; ein Wert ist weder ein lineares Vielfaches der Relevanz noch ein Beweis für die Richtigkeit einer Textstelle. Legen Sie jede Filterschwelle anhand repräsentativer Anfragen und grenzwertig relevanter Textstellen aus dem Fachgebiet fest.\n\nEin hilfreiches Fast-Ergebnis ist eine sortierte Liste, die unmittelbar eine Suchanzeige steuern oder Belege für eine Antworterzeugungsstufe auswählen kann. Bewahren Sie den Quelltext gemeinsam mit dem Wert und prüfen Sie, ob die obersten Ergebnisse die gewünschten Bedingungen tatsächlich behandeln. Fast dient der Relevanzsortierung beim Informationsabruf, nicht dem Erzeugen einer neuen Erklärung oder eines Embedding-Vektors. Halten Sie die benannte Edition und die Eingabevorbereitung beim Verfeinern des Relevanzverhaltens konsistent.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e970a1c2dad6c44e90e6dcb8f1eb539129a55f27302a41b92eb23b0e0543e261", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-at", "methods": [ { "html": "
•

Cohere: Rerank 4 Fast

Cohere /cohere/rerank-4-fast

Einstieg

Cohere Rerank 4 Fast ordnet Kandidatendokumente nach ihrer Relevanz für eine Suchanfrage, mit Schwerpunkt auf geringer Latenz und hohem Durchsatz beim Informationsabruf. Es unterstützt einen 32K-Kontext, mehr als 100 Sprachen und semistrukturierten Text für Suchabläufe und durch Informationsabruf ergänzte Abläufe.

Zulässige Eingaben
Text
Ergebnisse
Nach Relevanz geordnete Ergebnisse
Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Cohere Rerank 4 Fast ist die leichtere Rerank-4-Edition für Suchaufgaben mit geringerer Latenz und höherem Durchsatz. Es nimmt eine Suchanfrage und Kandidatendokumente entgegen und gibt ihre Relevanzrangfolge und Werte zurück. Es ist für interaktive Suche, wiederholte Belegauswahl und Anwendungen nützlich, die eine bestehende Ergebnisliste neu ordnen müssen. Fast bleibt eine eigenständige Edition neben Rerank 4 Pro, das für komplexere Fälle positioniert ist, bei denen Suchqualität Vorrang hat.

Der Herstellercode lautet rerank-v4.0-fast. Wie Pro hat es einen Kontext von 32.768 Tokens und mehrsprachige Abdeckung in mehr als 100 Sprachen. Suchanfrage und ein Dokument teilen sich den Kontext; er ist weder eine Vektordimension noch ein Budget für einen gesamten indexierten Korpus. Stellen Sie die zu vergleichenden Kandidatentexte bereit, statt zu erwarten, dass das Modell Dokumente aus einer nicht bereitgestellten Quelle abruft.

Das dokumentierte Ergebnis enthält den ursprünglichen Dokumentindex und einen relevance_score. top_n legt fest, wie viele Ergebnisse zurückgegeben werden; ohne diese Angabe wird die vollständige sortierte Liste zurückgegeben. Bewahren Sie Quellenkennungen neben den Eingaben, damit die neue Reihenfolge den tatsächlichen Textstellen zugeordnet werden kann. Beschreiben Sie für eine Produktsuche die erforderlichen Produktattribute in der Suchanfrage und ordnen Sie die Kandidatenbeschreibungen neu; ein höherer Rang sollte mit dem Produktdatensatz verbunden bleiben, aus dem er entstanden ist.

Das Modell kann englische und nicht englische Dokumente sowie semistrukturierte Datensätze verarbeiten. Im V2-Ablauf sind Dokumenteingaben Zeichenfolgen; Cohere empfiehlt, strukturierte Daten als YAML darzustellen. Stellen Sie wichtige Felder voran und bewahren Sie ihre Reihenfolge, damit durch Abschneiden nicht der zur Relevanzbeurteilung nötige Inhalt verloren geht. Ein Supportdatensatz kann Titel, Produkt und Verfahrenstext enthalten; eine Nachricht kann Betreff und Nachrichtentext enthalten. Diese ausdrücklichen Beziehungen geben dem Ranker Informationen über eine Liste übereinstimmender Schlüsselwörter hinaus.

Die modellspezifische Suchanfragegrenze in Coheres Vorbereitungsleitfaden beträgt 16.384 Tokens, wobei Suchanfrage und Dokument den gemeinsamen Kontext belegen. Der Leitfaden beschreibt die abschnittsweise Verarbeitung längerer Dokumente, während die V2-Referenz die Dokumentkürzung durch max_tokens_per_doc separat standardmäßig auf 4.096 Tokens setzt. Prüfen Sie diese effektive Dokumenteinstellung, statt anzunehmen, das gesamte 32K-Modellfenster werde immer genutzt. Bereiten Sie relevante Textstellen oder ein geeignetes Dokumentbudget für die tatsächliche Suchaufgabe vor.

Für die empfohlene Leistung rät Cohere von mehr als 1.000 Dokumenten in einer Anfrage ab. Teilen Sie größere Kandidatenmengen in überschaubare Gruppen und bewahren Sie dabei ihre Kennungen. Die Ausgabewerte werden von 0 bis 1 normalisiert und hängen von Suchanfrage und Textstellen ab. Ihre Rangfolge ist das zentrale Ergebnis; ein Wert ist weder ein lineares Vielfaches der Relevanz noch ein Beweis für die Richtigkeit einer Textstelle. Legen Sie jede Filterschwelle anhand repräsentativer Anfragen und grenzwertig relevanter Textstellen aus dem Fachgebiet fest.

Ein hilfreiches Fast-Ergebnis ist eine sortierte Liste, die unmittelbar eine Suchanzeige steuern oder Belege für eine Antworterzeugungsstufe auswählen kann. Bewahren Sie den Quelltext gemeinsam mit dem Wert und prüfen Sie, ob die obersten Ergebnisse die gewünschten Bedingungen tatsächlich behandeln. Fast dient der Relevanzsortierung beim Informationsabruf, nicht dem Erzeugen einer neuen Erklärung oder eines Embedding-Vektors. Halten Sie die benannte Edition und die Eingabevorbereitung beim Verfeinern des Relevanzverhaltens konsistent.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Neusortierung POST /v1/rerank
Eingabe
text
Ausgabe
rerank
Ausgabeformat
json
FeldTypAnforderungWerte und LimitsStandard
FelddocumentsTyparrayAnforderungErforderlichWerte und LimitsStandard—
FeldmodelTypstringAnforderungErforderlichWerte und Limits
cohere/rerank-4-fast
Standard—
FeldproviderTypschemaAnforderungOptionalWerte und LimitsStandard—
FeldqueryTypstringAnforderungErforderlichWerte und LimitsStandard—
Feldsession_idTypstringAnforderungOptionalWerte und LimitsStandard—
Feldtop_nTypintegerAnforderungOptionalWerte und Limits
Minimum: 1
Standard—
FeldtraceTypschemaAnforderungOptionalWerte und LimitsStandard—
FelduserTypstringAnforderungOptionalWerte und LimitsStandard—
Felddocuments[].textTypstringAnforderungOptionalWerte und LimitsStandard—
Felddocuments[].imageTypstringAnforderungOptionalWerte und LimitsStandard—
Kombinationen von Eingabematerialien

text_rerank · Erforderlich: query, documents array with minItems1

Methodenparameter und Lebenszyklus
ParameterVertrag
Parametercontent_typeVertragapplication/json
ParameterrequiredVertragmodel, query, documents
Parametermaterial_typesVertragtext
Parameteroptional_controlsVertragprovider, session_id, top_n, trace, user
Parametermultimodal_input_bindingVertragnull

Lebenszyklus: synchronous

Senden Sie die exakte Modell-ID und bewahren Sie die vollständige native Antwort auf.

Tarife

Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.

Schnellmodus
Nicht angegeben Wenn der Schnellmodus ausgewählt ist
Flex-Modus
Nicht angegeben Wenn der Modus flex ausgewählt ist
Maximaler Denkaufwand
Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird

Ailoot-Tarife

Preise nach Konfiguration

Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.

KonfigurationTarifstaffelAbrechnungseinheitGebühr
KonfigurationBasistarife für TokensTarifstaffelGrundtarifAbrechnungseinheit—Gebühr
Eingabe · Eingabetoken — / 1K Tokens
Ausgabe · Ausgabetoken — / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · In Cache schreiben — / 1K Tokens
Eingabe · In Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationUltraTarifstaffel—Abrechnungseinheitpro SucheinheitGebühr
total · Sucheinheit $0.004 pro Sucheinheit

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot Ultra · Neusortierung

{\n  "documents": [\n    "Paris is the capital of France.",\n    "Berlin is the capital of Germany."\n  ],\n  "model": "cohere/rerank-4-fast",\n  "query": "What is the capital of France?",\n  "top_n": 3\n}

Ergebnisse abrufen und speichern

Ailoot Ultra · Neusortierung

json

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Jeder tatsächliche Ergebnisindex, jeder endliche relevance_score und jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.

Wenn die ursprüngliche Antwort geprüft werden muss

Bewahren Sie den ursprünglichen Vorgang und die vollständige oder teilweise Antwort auf; wiederholen Sie POST nicht.

Antwortfelder
FeldTyp
FeldmodelTypstring
FeldidTypstring
FeldproviderTypstring
Feldresults[].indexTypinteger
Feldresults[].relevance_scoreTypnumber
Feldresults[].document.textTypstring
Feldresults[].document.imageTypstring
Feldusage.search_unitsTypinteger
Feldusage.total_tokensTypinteger
Feldusage.costTypnumber
Fehler und nächste Schritte
AntwortBedingungNächster Schritt
Antwort400 · invalid_request_errorBedingungUngültiges Pflichtfeld, ungültige Darstellung oder ungültiger WertNächster SchrittKorrigieren Sie das angegebene Anfragefeld.

Aliasnamen

Modellaliasnamen

Ailoot Ultra cohere/rerank-4-fast

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

cohere/rerank-4-fast

", "method_identity": { "effective_request_model_id": "cohere/rerank-4-fast", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "cohere/rerank-4-fast", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|cohere%2Frerank-4-fast", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Ungültiges Pflichtfeld, ungültige Darstellung oder ungültiger Wert", "http_status": 400, "recovery": "Korrigieren Sie das angegebene Anfragefeld.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Bewahren Sie den ursprünglichen Vorgang und die vollständige oder teilweise Antwort auf; wiederholen Sie POST nicht." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Jeder tatsächliche Ergebnisindex, jeder endliche relevance_score und jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-fast" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Senden Sie die exakte Modell-ID und bewahren Sie die vollständige native Antwort auf." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "cohere/rerank-4-fast" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"cohere/rerank-4-fast\",\n \"query\": \"What is the capital of France?\",\n \"top_n\": 3\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-fast'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "http": "POST", "in": null, "input": [ "text" ], "label": "Neusortierung", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "rerank", "out": null, "output": [ "rerank" ], "path": "/v1/rerank", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "search_unit": 0.004 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "request_model_id": "cohere/rerank-4-fast", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } } ], "model_id": "cohere/rerank-4-fast", "nativeProvenance": { "input_facts_canonical_sha256": "1464ac76ce78f4b2e3e150d4e73f5392c64ceb3cd7b4bf300be3e6d2b11a2e9f", "input_html_sha256": "b0b1a5a1e77c683ab1889b112206223a60c2c98e9aeedbcd1eb409ff60eed1c1", "private_audit_sha256": "523f5a134073bbe5bd63f701f8c0fd1f903212158bb12d7f0b1be437ccc54964", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de-at/cohere-rerank-4-fast/", "description": "Cohere Rerank 4 Fast ordnet Kandidatendokumente nach ihrer Relevanz für eine Suchanfrage, mit Schwerpunkt auf geringer Latenz und hohem Durchsatz beim Informationsabruf. Es unterstützt einen 32K-Kontext, mehr als 100 Sprachen und semistrukturierten Text für Suchabläufe und durch Informationsabruf ergänzte Abläufe.", "locale": "de-at", "md_url": "https://ailoot.ai/models/de-at/cohere-rerank-4-fast/index.md", "title": "Cohere: Rerank 4 Fast — Ailoot", "url": "https://ailoot.ai/models/de-at/cohere-rerank-4-fast/" }, "rawModel": { "about": "Cohere Rerank 4 Fast ist die leichtere Rerank-4-Edition für Suchaufgaben mit geringerer Latenz und höherem Durchsatz. Es nimmt eine Suchanfrage und Kandidatendokumente entgegen und gibt ihre Relevanzrangfolge und Werte zurück. Es ist für interaktive Suche, wiederholte Belegauswahl und Anwendungen nützlich, die eine bestehende Ergebnisliste neu ordnen müssen. Fast bleibt eine eigenständige Edition neben Rerank 4 Pro, das für komplexere Fälle positioniert ist, bei denen Suchqualität Vorrang hat.\n\nDer Herstellercode lautet rerank-v4.0-fast. Wie Pro hat es einen Kontext von 32.768 Tokens und mehrsprachige Abdeckung in mehr als 100 Sprachen. Suchanfrage und ein Dokument teilen sich den Kontext; er ist weder eine Vektordimension noch ein Budget für einen gesamten indexierten Korpus. Stellen Sie die zu vergleichenden Kandidatentexte bereit, statt zu erwarten, dass das Modell Dokumente aus einer nicht bereitgestellten Quelle abruft.\n\nDas dokumentierte Ergebnis enthält den ursprünglichen Dokumentindex und einen relevance_score. top_n legt fest, wie viele Ergebnisse zurückgegeben werden; ohne diese Angabe wird die vollständige sortierte Liste zurückgegeben. Bewahren Sie Quellenkennungen neben den Eingaben, damit die neue Reihenfolge den tatsächlichen Textstellen zugeordnet werden kann. Beschreiben Sie für eine Produktsuche die erforderlichen Produktattribute in der Suchanfrage und ordnen Sie die Kandidatenbeschreibungen neu; ein höherer Rang sollte mit dem Produktdatensatz verbunden bleiben, aus dem er entstanden ist.\n\nDas Modell kann englische und nicht englische Dokumente sowie semistrukturierte Datensätze verarbeiten. Im V2-Ablauf sind Dokumenteingaben Zeichenfolgen; Cohere empfiehlt, strukturierte Daten als YAML darzustellen. Stellen Sie wichtige Felder voran und bewahren Sie ihre Reihenfolge, damit durch Abschneiden nicht der zur Relevanzbeurteilung nötige Inhalt verloren geht. Ein Supportdatensatz kann Titel, Produkt und Verfahrenstext enthalten; eine Nachricht kann Betreff und Nachrichtentext enthalten. Diese ausdrücklichen Beziehungen geben dem Ranker Informationen über eine Liste übereinstimmender Schlüsselwörter hinaus.\n\nDie modellspezifische Suchanfragegrenze in Coheres Vorbereitungsleitfaden beträgt 16.384 Tokens, wobei Suchanfrage und Dokument den gemeinsamen Kontext belegen. Der Leitfaden beschreibt die abschnittsweise Verarbeitung längerer Dokumente, während die V2-Referenz die Dokumentkürzung durch max_tokens_per_doc separat standardmäßig auf 4.096 Tokens setzt. Prüfen Sie diese effektive Dokumenteinstellung, statt anzunehmen, das gesamte 32K-Modellfenster werde immer genutzt. Bereiten Sie relevante Textstellen oder ein geeignetes Dokumentbudget für die tatsächliche Suchaufgabe vor.\n\nFür die empfohlene Leistung rät Cohere von mehr als 1.000 Dokumenten in einer Anfrage ab. Teilen Sie größere Kandidatenmengen in überschaubare Gruppen und bewahren Sie dabei ihre Kennungen. Die Ausgabewerte werden von 0 bis 1 normalisiert und hängen von Suchanfrage und Textstellen ab. Ihre Rangfolge ist das zentrale Ergebnis; ein Wert ist weder ein lineares Vielfaches der Relevanz noch ein Beweis für die Richtigkeit einer Textstelle. Legen Sie jede Filterschwelle anhand repräsentativer Anfragen und grenzwertig relevanter Textstellen aus dem Fachgebiet fest.\n\nEin hilfreiches Fast-Ergebnis ist eine sortierte Liste, die unmittelbar eine Suchanzeige steuern oder Belege für eine Antworterzeugungsstufe auswählen kann. Bewahren Sie den Quelltext gemeinsam mit dem Wert und prüfen Sie, ob die obersten Ergebnisse die gewünschten Bedingungen tatsächlich behandeln. Fast dient der Relevanzsortierung beim Informationsabruf, nicht dem Erzeugen einer neuen Erklärung oder eines Embedding-Vektors. Halten Sie die benannte Edition und die Eingabevorbereitung beim Verfeinern des Relevanzverhaltens konsistent.", "alias_of": null, "aliases": [], "author": "Cohere", "available": null, "canonical_model": "cohere/rerank-4-fast", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ], "summary": "Die vollständigen Preisangaben zur Konfiguration finden Sie in den Details." } ], "ctx": null, "entity_type": "model", "formats": [ "rerank" ], "id": "cohere/rerank-4-fast", "input": [ "text" ], "kind": "rerank", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Ungültiges Pflichtfeld, ungültige Darstellung oder ungültiger Wert", "http_status": 400, "recovery": "Korrigieren Sie das angegebene Anfragefeld.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Bewahren Sie den ursprünglichen Vorgang und die vollständige oder teilweise Antwort auf; wiederholen Sie POST nicht." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Jeder tatsächliche Ergebnisindex, jeder endliche relevance_score und jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-fast" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Senden Sie die exakte Modell-ID und bewahren Sie die vollständige native Antwort auf." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "cohere/rerank-4-fast" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"cohere/rerank-4-fast\",\n \"query\": \"What is the capital of France?\",\n \"top_n\": 3\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-fast'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "http": "POST", "in": null, "input": [ "text" ], "label": "Neusortierung", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "rerank", "out": null, "output": [ "rerank" ], "path": "/v1/rerank", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "search_unit": 0.004 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "request_model_id": "cohere/rerank-4-fast", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.004", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.004", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "model_aliases": [ { "canonical_model_id": "cohere/rerank-4-fast", "request_model_id": "cohere/rerank-4-fast", "route_label": "Ultra" } ], "name": "Cohere: Rerank 4 Fast", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "cohere/rerank-4-fast", "short": "Cohere Rerank 4 Fast ordnet Kandidatendokumente nach ihrer Relevanz für eine Suchanfrage, mit Schwerpunkt auf geringer Latenz und hohem Durchsatz beim Informationsabruf. Es unterstützt einen 32K-Kontext, mehr als 100 Sprachen und semistrukturierten Text für Suchabläufe und durch Informationsabruf ergänzte Abläufe." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Cohere Rerank 4 Fast ordnet Kandidatendokumente nach ihrer Relevanz für eine Suchanfrage, mit Schwerpunkt auf geringer Latenz und hohem Durchsatz beim Informationsabruf. Es unterstützt einen 32K-Kontext, mehr als 100 Sprachen und semistrukturierten Text für Suchabläufe und durch Informationsabruf ergänzte Abläufe.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "28c4c2a52a420b6366bcbcd32eabc3f86d12a6824f712ed89d0cd6bc2693e072", "renderer_sha256": "4915581496a34d8a27d706c57a04aa12aa22b4b136560828b2e1b9b8437d1eb0" }, "sourceRevision": "d3a7139c269dbf764501a83750726231725eacc48772f82674d2b906df306a80" }