{
  "aboutHtml": "<p>Qwen3 Rerank bewertet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung zur Rangordnung. Die genau konfigurierte Modellkennung ist qwen3-rerank. Seine Rolle besteht darin, die bereitgestellten Kandidaten für Informationsabruf und Dokumentauswahl zu ordnen; die Anfrage hält die Abfrage, die Anweisung und die Kandidatentextstellen zusammen, damit die Relevanzbeurteilung auf ihre Eingaben zurückführbar bleibt.</p><p>Bereiten Sie documents als Array von Zeichenfolgen vor, wobei jeder Eintrag eine Kandidatentextstelle enthält. Bewahren Sie eine separate Zuordnung von jeder Arrayposition zu Ihrer eigenen Dokumentkennung, dem Dokumenttitel oder der Quellenfundstelle auf. So kann die Anwendung ein geordnetes Ergebnis mit der ursprünglichen Textstelle verbinden, ohne dem Zeichenfolgenarray undokumentierte Kennungsobjekte hinzuzufügen. Bei einer Supportsuche könnten die Kandidaten bereits abgerufene relevante Abschnitte aus einem Produktleitfaden sein; query sollte den tatsächlichen Informationsbedarf des Nutzers benennen.</p><p>Die dokumentierte Anfrage erfordert model, documents, query, top_n und instruct. Die Felder query und instruct sind Zeichenfolgen, und top_n ist eine ausdrücklich anzugebende ganze Zahl. Das veröffentlichte Beispiel nutzt drei Kandidatentexte, top_n=2 und eine Anweisung zum Abruf relevanter Textstellen, die eine Websuchabfrage beantworten. Beschreiben Sie mit instruct den für die Rangfolge maßgeblichen Zusammenhang und halten Sie die tatsächliche Frage in query und das zu bewertende Material in documents.</p><p>Die Anleitung nennt eine maximale Eingabelänge von 30K. Beschränken Sie die Kandidatentextstellen auf den Text, der zur Beurteilung ihrer Relevanz nötig ist, und bewahren Sie Überschriften oder benachbarten Kontext, wenn diese die Bedeutung verändern. Bewahren Sie Quellengrenzen, damit eine ausgewählte Textstelle weiterhin im ursprünglichen Dokument geprüft werden kann. Das genaue Anfrageprofil und seine erforderlichen Felder bleiben die Grundlage für die Eingabevorbereitung.</p><p>Das zurückgegebene strukturierte Ergebnis enthält results-Einträge mit index und relevance_score. index bezieht sich auf die Position des Kandidaten im ursprünglichen documents-Array und nicht auf seine Position in der geordneten Ergebnisliste. Bewahren Sie die zurückgegebene Reihenfolge und verwenden Sie jeden index, um den entsprechenden Eingabetext wiederzufinden. Bewahren Sie jedes zurückgegebene Ergebnis, damit die Anwendung die ausgewählten Kandidaten gemeinsam mit ihren Werten prüfen kann.</p><p>Bewahren Sie die vollständige JSON-Antwort einschließlich model, der Antwort-id und usage.total_tokens auf. Der zurückgegebene Dokumenttext kann fehlen; halten Sie deshalb das ursprüngliche Kandidatenarray bei der Verarbeitung der Indizes verfügbar. Relevanzwerte und gemeldete Verbrauchsdaten haben unterschiedliche Rollen: Die Werte beschreiben das Rangordnungsergebnis, während usage die für den Vorgang gemeldete Menge erfasst. Keines von beiden ersetzt die Quellentextstelle, die eine spätere Antwort stützt.</p><p>Wählen Sie beim Informationsabruf mithilfe der Rangfolge die Textstellen aus, die der nächste Schritt prüfen oder zitieren soll. Vergleichen Sie eine ausgewählte Textstelle mit der Abfrage und Anweisung, bevor Sie ihren Inhalt als Beleg präsentieren. Ein hoher Platz in einer Ergebnisliste kennzeichnet einen Kandidaten zur Prüfung; die spätere Antwort der Anwendung sollte mit dem tatsächlichen Text und seiner Quellenkennung verbunden bleiben.</p><p>Prüfen Sie das Ergebnis mit repräsentativen Abfragen und den von der Anwendung verwendeten Kandidatenbeständen. Prüfen Sie, ob die Indizes zu den vorgesehenen ursprünglichen Texten führen, ob die Reihenfolge der bereitgestellten Anweisung dient und ob die gewählten Textstellen die Frage beantworten. Bewahren Sie die genaue Modellkennung, die Abfrage, die Anweisung, die Kandidatenzuordnung und die vollständige Antwort zusammen auf. So entsteht ein wiederverwendbarer Datensatz für die Auswahl nach Relevanz für den nächsten Schritt beim Informationsabruf oder bei der Dokumentverarbeitung.</p>",
  "aboutText": "Qwen3 Rerank bewertet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung zur Rangordnung. Die genau konfigurierte Modellkennung ist qwen3-rerank. Seine Rolle besteht darin, die bereitgestellten Kandidaten für Informationsabruf und Dokumentauswahl zu ordnen; die Anfrage hält die Abfrage, die Anweisung und die Kandidatentextstellen zusammen, damit die Relevanzbeurteilung auf ihre Eingaben zurückführbar bleibt.\n\nBereiten Sie documents als Array von Zeichenfolgen vor, wobei jeder Eintrag eine Kandidatentextstelle enthält. Bewahren Sie eine separate Zuordnung von jeder Arrayposition zu Ihrer eigenen Dokumentkennung, dem Dokumenttitel oder der Quellenfundstelle auf. So kann die Anwendung ein geordnetes Ergebnis mit der ursprünglichen Textstelle verbinden, ohne dem Zeichenfolgenarray undokumentierte Kennungsobjekte hinzuzufügen. Bei einer Supportsuche könnten die Kandidaten bereits abgerufene relevante Abschnitte aus einem Produktleitfaden sein; query sollte den tatsächlichen Informationsbedarf des Nutzers benennen.\n\nDie dokumentierte Anfrage erfordert model, documents, query, top_n und instruct. Die Felder query und instruct sind Zeichenfolgen, und top_n ist eine ausdrücklich anzugebende ganze Zahl. Das veröffentlichte Beispiel nutzt drei Kandidatentexte, top_n=2 und eine Anweisung zum Abruf relevanter Textstellen, die eine Websuchabfrage beantworten. Beschreiben Sie mit instruct den für die Rangfolge maßgeblichen Zusammenhang und halten Sie die tatsächliche Frage in query und das zu bewertende Material in documents.\n\nDie Anleitung nennt eine maximale Eingabelänge von 30K. Beschränken Sie die Kandidatentextstellen auf den Text, der zur Beurteilung ihrer Relevanz nötig ist, und bewahren Sie Überschriften oder benachbarten Kontext, wenn diese die Bedeutung verändern. Bewahren Sie Quellengrenzen, damit eine ausgewählte Textstelle weiterhin im ursprünglichen Dokument geprüft werden kann. Das genaue Anfrageprofil und seine erforderlichen Felder bleiben die Grundlage für die Eingabevorbereitung.\n\nDas zurückgegebene strukturierte Ergebnis enthält results-Einträge mit index und relevance_score. index bezieht sich auf die Position des Kandidaten im ursprünglichen documents-Array und nicht auf seine Position in der geordneten Ergebnisliste. Bewahren Sie die zurückgegebene Reihenfolge und verwenden Sie jeden index, um den entsprechenden Eingabetext wiederzufinden. Bewahren Sie jedes zurückgegebene Ergebnis, damit die Anwendung die ausgewählten Kandidaten gemeinsam mit ihren Werten prüfen kann.\n\nBewahren Sie die vollständige JSON-Antwort einschließlich model, der Antwort-id und usage.total_tokens auf. Der zurückgegebene Dokumenttext kann fehlen; halten Sie deshalb das ursprüngliche Kandidatenarray bei der Verarbeitung der Indizes verfügbar. Relevanzwerte und gemeldete Verbrauchsdaten haben unterschiedliche Rollen: Die Werte beschreiben das Rangordnungsergebnis, während usage die für den Vorgang gemeldete Menge erfasst. Keines von beiden ersetzt die Quellentextstelle, die eine spätere Antwort stützt.\n\nWählen Sie beim Informationsabruf mithilfe der Rangfolge die Textstellen aus, die der nächste Schritt prüfen oder zitieren soll. Vergleichen Sie eine ausgewählte Textstelle mit der Abfrage und Anweisung, bevor Sie ihren Inhalt als Beleg präsentieren. Ein hoher Platz in einer Ergebnisliste kennzeichnet einen Kandidaten zur Prüfung; die spätere Antwort der Anwendung sollte mit dem tatsächlichen Text und seiner Quellenkennung verbunden bleiben.\n\nPrüfen Sie das Ergebnis mit repräsentativen Abfragen und den von der Anwendung verwendeten Kandidatenbeständen. Prüfen Sie, ob die Indizes zu den vorgesehenen ursprünglichen Texten führen, ob die Reihenfolge der bereitgestellten Anweisung dient und ob die gewählten Textstellen die Frage beantworten. Bewahren Sie die genaue Modellkennung, die Abfrage, die Anweisung, die Kandidatenzuordnung und die vollständige Antwort zusammen auf. So entsteht ein wiederverwendbarer Datensatz für die Auswahl nach Relevanz für den nächsten Schritt beim Informationsabruf oder bei der Dokumentverarbeitung.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "276760b7bface08c33404317e0b9925087a1f8c879e595d530ec010c2288d0a4",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "de-at",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Qwen: Qwen3 Rerank</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Schließen\">×</button></div><div class=\"idline\"><span>Qwen /</span><code>qwen3-rerank</code><button type=\"button\" id=\"copy-id\">ID kopieren</button></div><nav class=\"card-jump-nav\" aria-label=\"Bereiche der Modellkarte\"><button type=\"button\" data-card-jump=\"overview\">Einstieg</button><button type=\"button\" data-card-jump=\"methods\">Eingaben und Methoden</button><button type=\"button\" data-card-jump=\"pricing\">Tarife</button><button type=\"button\" data-card-jump=\"examples\">Beispiele</button><button type=\"button\" data-card-jump=\"results\">Ergebnisse</button><button type=\"button\" data-card-jump=\"aliases\">Aliasnamen</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"API-Methoden\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|qwen3-rerank\">Neusortierung</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Einstieg</h3><p class=\"mdesc-full\">Qwen3 Rerank ordnet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung. Das konkrete Profil qwen3-rerank nimmt Listen von Textdokumenten entgegen und liefert indizierte Relevanzwerte mit Nutzungsmetadaten für Arbeitsabläufe zum Informationsabruf und zur Dokumentauswahl.</p><dl class=\"card-io\" data-card-io><div><dt>Zulässige Eingaben</dt><dd>Text</dd></div><div><dt>Ergebnisse</dt><dd>structured</dd></div></dl><details class=\"card-about\"><summary>Über das Modell</summary><p class=\"note-s\" data-model-method-boundary>Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.</p><div class=\"mabout\" id=\"m-about\"><p>Qwen3 Rerank bewertet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung zur Rangordnung. Die genau konfigurierte Modellkennung ist qwen3-rerank. Seine Rolle besteht darin, die bereitgestellten Kandidaten für Informationsabruf und Dokumentauswahl zu ordnen; die Anfrage hält die Abfrage, die Anweisung und die Kandidatentextstellen zusammen, damit die Relevanzbeurteilung auf ihre Eingaben zurückführbar bleibt.</p><p>Bereiten Sie documents als Array von Zeichenfolgen vor, wobei jeder Eintrag eine Kandidatentextstelle enthält. Bewahren Sie eine separate Zuordnung von jeder Arrayposition zu Ihrer eigenen Dokumentkennung, dem Dokumenttitel oder der Quellenfundstelle auf. So kann die Anwendung ein geordnetes Ergebnis mit der ursprünglichen Textstelle verbinden, ohne dem Zeichenfolgenarray undokumentierte Kennungsobjekte hinzuzufügen. Bei einer Supportsuche könnten die Kandidaten bereits abgerufene relevante Abschnitte aus einem Produktleitfaden sein; query sollte den tatsächlichen Informationsbedarf des Nutzers benennen.</p><p>Die dokumentierte Anfrage erfordert model, documents, query, top_n und instruct. Die Felder query und instruct sind Zeichenfolgen, und top_n ist eine ausdrücklich anzugebende ganze Zahl. Das veröffentlichte Beispiel nutzt drei Kandidatentexte, top_n=2 und eine Anweisung zum Abruf relevanter Textstellen, die eine Websuchabfrage beantworten. Beschreiben Sie mit instruct den für die Rangfolge maßgeblichen Zusammenhang und halten Sie die tatsächliche Frage in query und das zu bewertende Material in documents.</p><p>Die Anleitung nennt eine maximale Eingabelänge von 30K. Beschränken Sie die Kandidatentextstellen auf den Text, der zur Beurteilung ihrer Relevanz nötig ist, und bewahren Sie Überschriften oder benachbarten Kontext, wenn diese die Bedeutung verändern. Bewahren Sie Quellengrenzen, damit eine ausgewählte Textstelle weiterhin im ursprünglichen Dokument geprüft werden kann. Das genaue Anfrageprofil und seine erforderlichen Felder bleiben die Grundlage für die Eingabevorbereitung.</p><p>Das zurückgegebene strukturierte Ergebnis enthält results-Einträge mit index und relevance_score. index bezieht sich auf die Position des Kandidaten im ursprünglichen documents-Array und nicht auf seine Position in der geordneten Ergebnisliste. Bewahren Sie die zurückgegebene Reihenfolge und verwenden Sie jeden index, um den entsprechenden Eingabetext wiederzufinden. Bewahren Sie jedes zurückgegebene Ergebnis, damit die Anwendung die ausgewählten Kandidaten gemeinsam mit ihren Werten prüfen kann.</p><p>Bewahren Sie die vollständige JSON-Antwort einschließlich model, der Antwort-id und usage.total_tokens auf. Der zurückgegebene Dokumenttext kann fehlen; halten Sie deshalb das ursprüngliche Kandidatenarray bei der Verarbeitung der Indizes verfügbar. Relevanzwerte und gemeldete Verbrauchsdaten haben unterschiedliche Rollen: Die Werte beschreiben das Rangordnungsergebnis, während usage die für den Vorgang gemeldete Menge erfasst. Keines von beiden ersetzt die Quellentextstelle, die eine spätere Antwort stützt.</p><p>Wählen Sie beim Informationsabruf mithilfe der Rangfolge die Textstellen aus, die der nächste Schritt prüfen oder zitieren soll. Vergleichen Sie eine ausgewählte Textstelle mit der Abfrage und Anweisung, bevor Sie ihren Inhalt als Beleg präsentieren. Ein hoher Platz in einer Ergebnisliste kennzeichnet einen Kandidaten zur Prüfung; die spätere Antwort der Anwendung sollte mit dem tatsächlichen Text und seiner Quellenkennung verbunden bleiben.</p><p>Prüfen Sie das Ergebnis mit repräsentativen Abfragen und den von der Anwendung verwendeten Kandidatenbeständen. Prüfen Sie, ob die Indizes zu den vorgesehenen ursprünglichen Texten führen, ob die Reihenfolge der bereitgestellten Anweisung dient und ob die gewählten Textstellen die Frage beantworten. Bewahren Sie die genaue Modellkennung, die Abfrage, die Anweisung, die Kandidatenzuordnung und die vollständige Antwort zusammen auf. So entsteht ein wiederverwendbarer Datensatz für die Auswahl nach Relevanz für den nächsten Schritt beim Informationsabruf oder bei der Dokumentverarbeitung.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">In Ailoot verfügbar · Eingaben und Methoden</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Neusortierung</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Eingabe</dt><dd><code>text</code></dd></div><div><dt>Ausgabe</dt><dd><code>structured</code></dd></div><div><dt>Ausgabeformat</dt><dd>application/json</dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Feld</th><th>Typ</th><th>Anforderung</th><th>Werte und Limits</th><th>Standard</th></tr></thead><tbody><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>qwen3-rerank</div><div>Bedingungen: Wörtliche Modellauswahl.</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>array</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>Bedingungen: Textpassagen zur Auswahl, in ihrer ursprünglichen Eingabereihenfolge beibehalten.</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>Bedingungen: Suchanfrage zur Relevanzbewertung.</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">top_n</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>integer</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>Bedingungen: Angeforderte Anzahl der nach Relevanz geordneten Ergebnisse; es werden weder undokumentierte Mindest- oder Höchstwerte noch Standardwerte zugesichert.</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr><tr data-parameter-availability=\"source_interface\"><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">instruct</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Anforderung\"><span class=\"card-cell-label\">Anforderung</span>Erforderlich</td><td data-cell-label=\"Werte und Limits\"><span class=\"card-cell-label\">Werte und Limits</span><div>Bedingungen: Anweisung, die die Suchaufgabe beschreibt.</div></td><td data-cell-label=\"Standard\" data-default=\"unspecified\"><span class=\"card-cell-label\">Standard</span>—</td></tr></tbody></table></div><details class=\"card-about\" data-material-combinations><summary>Kombinationen von Eingabematerialien</summary><p class=\"note-s\"><b></b></p></details><details class=\"note-s\" data-method-contract><summary>Methodenparameter und Lebenszyklus</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Vertrag</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>model, documents, query, top_n, instruct</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>optional</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span></td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>text</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>additional_properties</code></th><td data-cell-label=\"Vertrag\"><span class=\"card-cell-label\">Vertrag</span>true</td></tr></tbody></table></div><p>Lebenszyklus: <code>synchronous</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Tarife</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.</p><dl data-price-conditions><dt>Schnellmodus</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn der Schnellmodus ausgewählt ist</span></dd><dt>Flex-Modus</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn der Modus flex ausgewählt ist</span></dd><dt>Maximaler Denkaufwand</dt><dd>Nicht angegeben <span class=\"note-s\">Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird</span></dd></dl></div><div data-declared-tariff-pricing><h4>Ailoot-Tarife</h4><h4>Preise nach Konfiguration</h4><p class=\"note-s\">Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguration</th><th>Tarifstaffel</th><th>Abrechnungseinheit</th><th>Gebühr</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Basistarife für Tokens</th><td data-cell-label=\"Tarifstaffel\"><span class=\"card-cell-label\">Tarifstaffel</span>Grundtarif</td><td data-cell-label=\"Abrechnungseinheit\"><span class=\"card-cell-label\">Abrechnungseinheit</span>—</td><td data-cell-label=\"Gebühr\"><span class=\"card-cell-label\">Gebühr</span><div><span>Eingabe · Eingabetoken</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Ausgabe · Ausgabetoken</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · Cache lesen</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · In Cache schreiben</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div><div><span>Eingabe · In Cache schreiben, 1 Stunde</span> <b>—</b> <span class=\"price-unit\">/ 1K Tokens</span></div></td></tr><tr><th data-cell-label=\"Konfiguration\" scope=\"row\"><span class=\"card-cell-label\">Konfiguration</span>Gesamttoken</th><td data-cell-label=\"Tarifstaffel\"><span class=\"card-cell-label\">Tarifstaffel</span>—</td><td data-cell-label=\"Abrechnungseinheit\"><span class=\"card-cell-label\">Abrechnungseinheit</span>/ 1K Tokens</td><td data-cell-label=\"Gebühr\"><span class=\"card-cell-label\">Gebühr</span><div><span>Eingabe · Gesamttoken</span> <b>$0.00014</b> <span class=\"price-unit\">/ 1K Tokens</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">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. <a href=\"/docs/de-at/billing/reserve/\">So funktionieren Reservierung und Abrechnung →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Beispielanfragen</h3><h4>Ailoot Ultra · Neusortierung</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Codevarianten\"><button class=\"cg-tab\" id=\"model-code-2786-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-2786-panel-0\" aria-selected=\"true\" tabindex=\"0\">JSON · Texte nach Relevanz neu sortieren</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Code kopieren\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-2786-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-2786-tab-0\"><pre data-lang=\"json\"><code>{\n  &quot;model&quot;: &quot;qwen3-rerank&quot;,\n  &quot;query&quot;: &quot;Which passage discusses text ranking?&quot;,\n  &quot;documents&quot;: [\n    &quot;Text ranking orders candidate passages by relevance.&quot;,\n    &quot;Quantum computing studies computation using quantum systems.&quot;,\n    &quot;Pretrained language models can improve text ranking.&quot;\n  ],\n  &quot;top_n&quot;: 2,\n  &quot;instruct&quot;: &quot;Given a web search query, retrieve relevant passages that answer the query.&quot;\n}</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Ergebnisse abrufen und speichern</h3><h4>Ailoot Ultra · Neusortierung</h4><p class=\"note-s\">Lesen Sie die Indizes und Relevanzwerte und ordnen Sie jeden Index wieder Ihren ursprünglichen Dokumenten zu. Ein mit der Antwort zurückgegebenes Originaldokument kann fehlen.</p><div class=\"card-result-process\" data-unknown-recovery><h5>Wenn die ursprüngliche Antwort geprüft werden muss</h5><p class=\"note-s\">Bewahren Sie nach einer unklaren Übermittlung die ursprüngliche Antwort und Anfrage-id auf; wiederholen Sie sie keinesfalls.</p></div><details class=\"card-about\" data-output-fields><summary>Antwortfelder</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Feld</th><th>Typ</th><th>Bedeutung</th></tr></thead><tbody><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">results[].index</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>integer</td><td data-cell-label=\"Bedeutung\"><span class=\"card-cell-label\">Bedeutung</span>Index des entsprechenden ursprünglichen Eingabedokuments.</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">results[].relevance_score</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>number</td><td data-cell-label=\"Bedeutung\"><span class=\"card-cell-label\">Bedeutung</span>Zurückgegebener Relevanzwert.</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td><td data-cell-label=\"Bedeutung\"><span class=\"card-cell-label\">Bedeutung</span>Tatsächliches Antwortmodell.</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">id</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td><td data-cell-label=\"Bedeutung\"><span class=\"card-cell-label\">Bedeutung</span>Tatsächliche Antwortkennung.</td></tr><tr><th data-cell-label=\"Feld\" scope=\"row\"><span class=\"card-cell-label\">Feld</span><code class=\"card-field-name\">usage.total_tokens</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>integer</td><td data-cell-label=\"Bedeutung\"><span class=\"card-cell-label\">Bedeutung</span>Gemessene Gesamttokenzahl für die Abrechnung.</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Fehler und nächste Schritte</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Antwort</th><th>Bedingung</th><th>Nächster Schritt</th></tr></thead><tbody><tr><th data-cell-label=\"Antwort\" scope=\"row\"><span class=\"card-cell-label\">Antwort</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Bedingung\"><span class=\"card-cell-label\">Bedingung</span>Ungültiges JSON oder ungültige erforderliche Modellauswahl.</td><td data-cell-label=\"Nächster Schritt\"><span class=\"card-cell-label\">Nächster Schritt</span>Korrigieren Sie die angegebene Eingabe vor einer neuen Anfrage.</td></tr><tr><th data-cell-label=\"Antwort\" scope=\"row\"><span class=\"card-cell-label\">Antwort</span>401 · <code>authentication_error</code></th><td data-cell-label=\"Bedingung\"><span class=\"card-cell-label\">Bedingung</span>Ungültiger API-Schlüssel.</td><td data-cell-label=\"Nächster Schritt\"><span class=\"card-cell-label\">Nächster Schritt</span>Verwenden Sie Ihren gültigen Ailoot API-Schlüssel.</td></tr><tr><th data-cell-label=\"Antwort\" scope=\"row\"><span class=\"card-cell-label\">Antwort</span>503 · <code>price_unavailable</code></th><td data-cell-label=\"Bedingung\"><span class=\"card-cell-label\">Bedingung</span>Strukturierte Methodenpreise oder die Zulassung sind nicht verfügbar.</td><td data-cell-label=\"Nächster Schritt\"><span class=\"card-cell-label\">Nächster Schritt</span>Bewahren Sie die ursprüngliche Antwort auf; wiederholen Sie keine unklare Übermittlung.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasnamen</h3><h4>Modellaliasnamen</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=qwen3-rerank&amp;route=Ultra&amp;caller=qwen3-rerank&amp;fmt=rerank\"><code>qwen3-rerank</code></a></span></p><h4>Aliasnamen für Methodenpfade</h4><p class=\"note-s\">Verwenden Sie die oben angezeigten Methodenpfade.</p><h4>Zugehörige Aufrufer-IDs</h4><p class=\"note-s\"><a href=\"#m=qwen3-rerank&amp;route=Ultra&amp;caller=qwen3-rerank&amp;fmt=rerank\"><code>qwen3-rerank</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "qwen3-rerank",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "qwen3-rerank",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|qwen3-rerank",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "errors": [
              {
                "condition": "Ungültiges JSON oder ungültige erforderliche Modellauswahl.",
                "http_status": 400,
                "recovery": "Korrigieren Sie die angegebene Eingabe vor einer neuen Anfrage.",
                "type": "invalid_request_error"
              },
              {
                "condition": "Ungültiger API-Schlüssel.",
                "http_status": 401,
                "recovery": "Verwenden Sie Ihren gültigen Ailoot API-Schlüssel.",
                "type": "authentication_error"
              },
              {
                "condition": "Strukturierte Methodenpreise oder die Zulassung sind nicht verfügbar.",
                "http_status": 503,
                "recovery": "Bewahren Sie die ursprüngliche Antwort auf; wiederholen Sie keine unklare Übermittlung.",
                "type": "price_unavailable"
              }
            ],
            "ignored_fields": [],
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous",
              "status": [],
              "submit_status": 200,
              "unknown": "Bewahren Sie nach einer unklaren Übermittlung die ursprüngliche Antwort und Anfrage-id auf; wiederholen Sie sie keinesfalls."
            },
            "material_combinations": [
              [
                "text"
              ]
            ],
            "operation_modes": [
              "text_reranking"
            ],
            "outputs": {
              "every_actual_output": true,
              "family": "structured",
              "fields": [
                {
                  "description": "Index des entsprechenden ursprünglichen Eingabedokuments.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Zurückgegebener Relevanzwert.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Tatsächliches Antwortmodell.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Tatsächliche Antwortkennung.",
                  "name": "id",
                  "type": "string"
                },
                {
                  "description": "Gemessene Gesamttokenzahl für die Abrechnung.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "format": "application/json",
              "result": "Lesen Sie die Indizes und Relevanzwerte und ordnen Sie jeden Index wieder Ihren ursprünglichen Dokumenten zu. Ein mit der Antwort zurückgegebenes Originaldokument kann fehlen."
            },
            "parameters": [
              {
                "availability": "source_interface",
                "conditions": "Wörtliche Modellauswahl.",
                "default": null,
                "default_known": false,
                "enum": [
                  "qwen3-rerank"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "Textpassagen zur Auswahl, in ihrer ursprünglichen Eingabereihenfolge beibehalten.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "availability": "source_interface",
                "conditions": "Suchanfrage zur Relevanzbewertung.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "Angeforderte Anzahl der nach Relevanz geordneten Ergebnisse; es werden weder undokumentierte Mindest- oder Höchstwerte noch Standardwerte zugesichert.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "top_n",
                "required": true,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "conditions": "Anweisung, die die Suchaufgabe beschreibt.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "instruct",
                "required": true,
                "type": "string"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "type": "array"
                },
                "instruct": {
                  "type": "string"
                },
                "model": {
                  "const": "qwen3-rerank",
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "documents",
                "query",
                "top_n",
                "instruct"
              ],
              "type": "object"
            },
            "source_ambiguities": [
              {
                "field": "maximum_input_length",
                "meaning": "The operation says 30K without specifying a per-document or whole-batch allocation or an explicit unit."
              }
            ],
            "unsupported": []
          },
          "hints": [],
          "input": {
            "additional_properties": true,
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "documents",
              "query",
              "top_n",
              "instruct"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous",
            "status": [],
            "submit_status": 200,
            "unknown": "Preserve the original response and request id after an ambiguous send; never replay it."
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "operation_modes": [
            "text_reranking"
          ],
          "output": {
            "every_actual_output": true,
            "family": "structured",
            "fields": [
              {
                "description": "Index of the corresponding original input document.",
                "name": "results[].index",
                "type": "integer"
              },
              {
                "description": "Returned relevance score.",
                "name": "results[].relevance_score",
                "type": "number"
              },
              {
                "description": "Actual response model.",
                "name": "model",
                "type": "string"
              },
              {
                "description": "Actual response identifier.",
                "name": "id",
                "type": "string"
              },
              {
                "description": "Measured total tokens used for billing.",
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ],
            "format": "application/json",
            "result": "Read indices and relevance scores and map each index back to your original documents. An echoed document can be absent."
          }
        },
        "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": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.00014000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000014",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\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}",
            "label": "JSON · rerank text",
            "language": "json"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "hints": [
          "Keep your original document order so returned indices identify the right passages.",
          "Read relevance_score rather than treating the response as generated text or embeddings.",
          "Billing uses measured total tokens."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "text"
        ],
        "label": "Neusortierung",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "structured"
        ],
        "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": {
            "total_token": 1.4e-07
          }
        },
        "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": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.00014000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000014",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "request_model_id": "qwen3-rerank",
        "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": "0.00014000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000014",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ]
      }
    }
  ],
  "model_id": "qwen3-rerank",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "a113e4882845cd1c38918915fa335133ccce55b49b35f5eeb8ca1ee897dc74ab",
    "input_html_sha256": "6a088a6c1eb040af41903ea8038f13f8fa27a3366e7adb926511098d5ff7a07f",
    "private_audit_sha256": "8079e95ee4845b853dca94e0f54673e29f952f0c6162ef86e8ab95a360c95e10",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/de-at/qwen3-rerank/",
    "description": "Qwen3 Rerank ordnet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung. Das konkrete Profil qwen3-rerank nimmt Listen von Textdokumenten entgegen und liefert indizierte Relevanzwerte mit Nutzungsmetadaten für Arbeitsabläufe zum Informationsabruf und zur Dokumentauswahl.",
    "locale": "de-at",
    "md_url": "https://ailoot.ai/models/de-at/qwen3-rerank/index.md",
    "title": "Qwen: Qwen3 Rerank — Ailoot",
    "url": "https://ailoot.ai/models/de-at/qwen3-rerank/"
  },
  "rawModel": {
    "about": "Qwen3 Rerank bewertet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung zur Rangordnung. Die genau konfigurierte Modellkennung ist qwen3-rerank. Seine Rolle besteht darin, die bereitgestellten Kandidaten für Informationsabruf und Dokumentauswahl zu ordnen; die Anfrage hält die Abfrage, die Anweisung und die Kandidatentextstellen zusammen, damit die Relevanzbeurteilung auf ihre Eingaben zurückführbar bleibt.\n\nBereiten Sie documents als Array von Zeichenfolgen vor, wobei jeder Eintrag eine Kandidatentextstelle enthält. Bewahren Sie eine separate Zuordnung von jeder Arrayposition zu Ihrer eigenen Dokumentkennung, dem Dokumenttitel oder der Quellenfundstelle auf. So kann die Anwendung ein geordnetes Ergebnis mit der ursprünglichen Textstelle verbinden, ohne dem Zeichenfolgenarray undokumentierte Kennungsobjekte hinzuzufügen. Bei einer Supportsuche könnten die Kandidaten bereits abgerufene relevante Abschnitte aus einem Produktleitfaden sein; query sollte den tatsächlichen Informationsbedarf des Nutzers benennen.\n\nDie dokumentierte Anfrage erfordert model, documents, query, top_n und instruct. Die Felder query und instruct sind Zeichenfolgen, und top_n ist eine ausdrücklich anzugebende ganze Zahl. Das veröffentlichte Beispiel nutzt drei Kandidatentexte, top_n=2 und eine Anweisung zum Abruf relevanter Textstellen, die eine Websuchabfrage beantworten. Beschreiben Sie mit instruct den für die Rangfolge maßgeblichen Zusammenhang und halten Sie die tatsächliche Frage in query und das zu bewertende Material in documents.\n\nDie Anleitung nennt eine maximale Eingabelänge von 30K. Beschränken Sie die Kandidatentextstellen auf den Text, der zur Beurteilung ihrer Relevanz nötig ist, und bewahren Sie Überschriften oder benachbarten Kontext, wenn diese die Bedeutung verändern. Bewahren Sie Quellengrenzen, damit eine ausgewählte Textstelle weiterhin im ursprünglichen Dokument geprüft werden kann. Das genaue Anfrageprofil und seine erforderlichen Felder bleiben die Grundlage für die Eingabevorbereitung.\n\nDas zurückgegebene strukturierte Ergebnis enthält results-Einträge mit index und relevance_score. index bezieht sich auf die Position des Kandidaten im ursprünglichen documents-Array und nicht auf seine Position in der geordneten Ergebnisliste. Bewahren Sie die zurückgegebene Reihenfolge und verwenden Sie jeden index, um den entsprechenden Eingabetext wiederzufinden. Bewahren Sie jedes zurückgegebene Ergebnis, damit die Anwendung die ausgewählten Kandidaten gemeinsam mit ihren Werten prüfen kann.\n\nBewahren Sie die vollständige JSON-Antwort einschließlich model, der Antwort-id und usage.total_tokens auf. Der zurückgegebene Dokumenttext kann fehlen; halten Sie deshalb das ursprüngliche Kandidatenarray bei der Verarbeitung der Indizes verfügbar. Relevanzwerte und gemeldete Verbrauchsdaten haben unterschiedliche Rollen: Die Werte beschreiben das Rangordnungsergebnis, während usage die für den Vorgang gemeldete Menge erfasst. Keines von beiden ersetzt die Quellentextstelle, die eine spätere Antwort stützt.\n\nWählen Sie beim Informationsabruf mithilfe der Rangfolge die Textstellen aus, die der nächste Schritt prüfen oder zitieren soll. Vergleichen Sie eine ausgewählte Textstelle mit der Abfrage und Anweisung, bevor Sie ihren Inhalt als Beleg präsentieren. Ein hoher Platz in einer Ergebnisliste kennzeichnet einen Kandidaten zur Prüfung; die spätere Antwort der Anwendung sollte mit dem tatsächlichen Text und seiner Quellenkennung verbunden bleiben.\n\nPrüfen Sie das Ergebnis mit repräsentativen Abfragen und den von der Anwendung verwendeten Kandidatenbeständen. Prüfen Sie, ob die Indizes zu den vorgesehenen ursprünglichen Texten führen, ob die Reihenfolge der bereitgestellten Anweisung dient und ob die gewählten Textstellen die Frage beantworten. Bewahren Sie die genaue Modellkennung, die Abfrage, die Anweisung, die Kandidatenzuordnung und die vollständige Antwort zusammen auf. So entsteht ein wiederverwendbarer Datensatz für die Auswahl nach Relevanz für den nächsten Schritt beim Informationsabruf oder bei der Dokumentverarbeitung.",
    "alias_of": null,
    "aliases": [],
    "author": "Qwen",
    "capabilities": {
      "context_length": 30000,
      "manufacturer_input": [
        "text"
      ],
      "manufacturer_output": [
        "rerank"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00014000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000014",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ],
        "summary": "Die vollständigen Preisangaben zur Konfiguration finden Sie in den Details."
      }
    ],
    "ctx": null,
    "formats": [
      "rerank"
    ],
    "id": "qwen3-rerank",
    "input": [
      "text"
    ],
    "kind": "rerank",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "errors": [
              {
                "condition": "Ungültiges JSON oder ungültige erforderliche Modellauswahl.",
                "http_status": 400,
                "recovery": "Korrigieren Sie die angegebene Eingabe vor einer neuen Anfrage.",
                "type": "invalid_request_error"
              },
              {
                "condition": "Ungültiger API-Schlüssel.",
                "http_status": 401,
                "recovery": "Verwenden Sie Ihren gültigen Ailoot API-Schlüssel.",
                "type": "authentication_error"
              },
              {
                "condition": "Strukturierte Methodenpreise oder die Zulassung sind nicht verfügbar.",
                "http_status": 503,
                "recovery": "Bewahren Sie die ursprüngliche Antwort auf; wiederholen Sie keine unklare Übermittlung.",
                "type": "price_unavailable"
              }
            ],
            "ignored_fields": [],
            "lifecycle": {
              "content": [],
              "create": {
                "http": "POST",
                "path": "/v1/rerank"
              },
              "mode": "synchronous",
              "status": [],
              "submit_status": 200,
              "unknown": "Bewahren Sie nach einer unklaren Übermittlung die ursprüngliche Antwort und Anfrage-id auf; wiederholen Sie sie keinesfalls."
            },
            "material_combinations": [
              [
                "text"
              ]
            ],
            "operation_modes": [
              "text_reranking"
            ],
            "outputs": {
              "every_actual_output": true,
              "family": "structured",
              "fields": [
                {
                  "description": "Index des entsprechenden ursprünglichen Eingabedokuments.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Zurückgegebener Relevanzwert.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Tatsächliches Antwortmodell.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Tatsächliche Antwortkennung.",
                  "name": "id",
                  "type": "string"
                },
                {
                  "description": "Gemessene Gesamttokenzahl für die Abrechnung.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "format": "application/json",
              "result": "Lesen Sie die Indizes und Relevanzwerte und ordnen Sie jeden Index wieder Ihren ursprünglichen Dokumenten zu. Ein mit der Antwort zurückgegebenes Originaldokument kann fehlen."
            },
            "parameters": [
              {
                "availability": "source_interface",
                "conditions": "Wörtliche Modellauswahl.",
                "default": null,
                "default_known": false,
                "enum": [
                  "qwen3-rerank"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "Textpassagen zur Auswahl, in ihrer ursprünglichen Eingabereihenfolge beibehalten.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "documents",
                "required": true,
                "type": "array"
              },
              {
                "availability": "source_interface",
                "conditions": "Suchanfrage zur Relevanzbewertung.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "query",
                "required": true,
                "type": "string"
              },
              {
                "availability": "source_interface",
                "conditions": "Angeforderte Anzahl der nach Relevanz geordneten Ergebnisse; es werden weder undokumentierte Mindest- oder Höchstwerte noch Standardwerte zugesichert.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "top_n",
                "required": true,
                "type": "integer"
              },
              {
                "availability": "source_interface",
                "conditions": "Anweisung, die die Suchaufgabe beschreibt.",
                "default": null,
                "default_known": false,
                "enum": null,
                "enum_known": false,
                "name": "instruct",
                "required": true,
                "type": "string"
              }
            ],
            "request_schema": {
              "additionalProperties": true,
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "type": "array"
                },
                "instruct": {
                  "type": "string"
                },
                "model": {
                  "const": "qwen3-rerank",
                  "type": "string"
                },
                "query": {
                  "type": "string"
                },
                "top_n": {
                  "type": "integer"
                }
              },
              "required": [
                "model",
                "documents",
                "query",
                "top_n",
                "instruct"
              ],
              "type": "object"
            },
            "source_ambiguities": [
              {
                "field": "maximum_input_length",
                "meaning": "The operation says 30K without specifying a per-document or whole-batch allocation or an explicit unit."
              }
            ],
            "unsupported": []
          },
          "hints": [],
          "input": {
            "additional_properties": true,
            "content_type": "application/json",
            "material_types": [
              "text"
            ],
            "optional": [],
            "required": [
              "model",
              "documents",
              "query",
              "top_n",
              "instruct"
            ]
          },
          "lifecycle": {
            "content": [],
            "create": {
              "http": "POST",
              "path": "/v1/rerank"
            },
            "mode": "synchronous",
            "status": [],
            "submit_status": 200,
            "unknown": "Preserve the original response and request id after an ambiguous send; never replay it."
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "operation_modes": [
            "text_reranking"
          ],
          "output": {
            "every_actual_output": true,
            "family": "structured",
            "fields": [
              {
                "description": "Index of the corresponding original input document.",
                "name": "results[].index",
                "type": "integer"
              },
              {
                "description": "Returned relevance score.",
                "name": "results[].relevance_score",
                "type": "number"
              },
              {
                "description": "Actual response model.",
                "name": "model",
                "type": "string"
              },
              {
                "description": "Actual response identifier.",
                "name": "id",
                "type": "string"
              },
              {
                "description": "Measured total tokens used for billing.",
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ],
            "format": "application/json",
            "result": "Read indices and relevance scores and map each index back to your original documents. An echoed document can be absent."
          }
        },
        "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": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.00014000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000014",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "{\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}",
            "label": "JSON · rerank text",
            "language": "json"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "hints": [
          "Keep your original document order so returned indices identify the right passages.",
          "Read relevance_score rather than treating the response as generated text or embeddings.",
          "Billing uses measured total tokens."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "text"
        ],
        "label": "Neusortierung",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "out": null,
        "output": [
          "structured"
        ],
        "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": {
            "total_token": 1.4e-07
          }
        },
        "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": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.00014000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000014",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "request_model_id": "qwen3-rerank",
        "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": "0.00014000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000014",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "qwen3-rerank",
        "request_model_id": "qwen3-rerank",
        "route_label": "Ultra"
      }
    ],
    "name": "Qwen: Qwen3 Rerank",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "short": "Qwen3 Rerank ordnet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung. Das konkrete Profil qwen3-rerank nimmt Listen von Textdokumenten entgegen und liefert indizierte Relevanzwerte mit Nutzungsmetadaten für Arbeitsabläufe zum Informationsabruf und zur Dokumentauswahl."
  },
  "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": "Qwen3 Rerank ordnet Kandidatentexte anhand einer bereitgestellten Abfrage und Anweisung. Das konkrete Profil qwen3-rerank nimmt Listen von Textdokumenten entgegen und liefert indizierte Relevanzwerte mit Nutzungsmetadaten für Arbeitsabläufe zum Informationsabruf und zur Dokumentauswahl.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "7ef9bb3ced8c661e59239416d764b17aee90c1a18ba720e94b3b14cf583ba970",
    "renderer_sha256": "4915581496a34d8a27d706c57a04aa12aa22b4b136560828b2e1b9b8437d1eb0"
  },
  "sourceRevision": "1dc327320f6b6aff6d990c6b2355a41a339981c7c4512ff5687efea62287fbdb"
}