{ "aboutHtml": "

Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Kandidatendokumente anhand einer Anfrage und liefert ihre Relevanzreihenfolge und Werte. Das Modell ist für komplexe Suchaufgaben gedacht, einschliesslich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Such- oder suchgestützten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft auszuwählen, welche Passagen angezeigt oder dem nächsten Schritt als Belege bereitgestellt werden sollen.

Die Herstellerkennung lautet rerank-v4.0-pro, getrennt von rerank-v4.0-fast und rerank-v3.5. Pro ist für komplexe Fälle positioniert, in denen Suchqualität Priorität hat, während Fast geringere Latenz und höheren Durchsatz adressiert. Beide Rerank-4-Versionen verwenden einen Kontext von 32'768 Tokens. Anfrage und ein Kandidatendokument teilen dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch ein Limit für den gesamten gespeicherten Suchkorpus.

Stellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenketten bereit. Jedes zurückgegebene Ergebnis umfasst den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann die Anzahl zurückgegebener sortierter Ergebnisse wählen, ohne diesen Parameter liefert der Hersteller alle Ergebnisse. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit die Rangfolge mit der genauen Passage verbunden werden kann. Fragen Sie bei einer Supportfrage nach den erforderlichen Bedingungen und stellen Sie die Kandidatenabschnitte der Richtlinie bereit, statt zu erwarten, dass der Reranker nicht gelistete Richtlinien findet.

Das Modell unterstützt mehr als 100 Sprachen und kann englisches sowie nicht englisches Material neu ordnen. Benennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage hilfreich machen, etwa Produkt, Situation und benötigtes Verfahren. Cohere empfiehlt für halbstrukturierte Datensätze YAML-Zeichenketten statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewussten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung eignet sich ebenso für Produktdatensätze, Nachrichten und Dokumentmetadaten wie für gewöhnlichen Fliesstext.

Der modellspezifische Vorbereitungsleitfaden begrenzt die Rerank-4-Anfrage auf die ersten 16'384 Tokens. Er beschreibt die Verarbeitung längerer Dokumente durch Abschnitte, die den Kontext von 32'768 Tokens mit Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmässig auf 4096 und erklärt, dass längere Dokumentzeichenketten auf diese Einstellung gekürzt werden. Behandeln Sie Modellfenster und Dokumentkürzung der Herstelleranfrage als unterschiedliche Regler. Bereiten Sie knappe relevante Passagen vor oder wählen Sie ein geeignetes Dokumentbudget, statt anzunehmen, jede lange Quelle werde immer vollständig gelesen.

Für die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1'000 Dokumente gleichzeitig zu senden. Bewahren Sie Kandidatenkennungen, wenn Sie grössere Listen in handhabbare Gruppen teilen. Relevanzwerte werden zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab; sie sind kein lineares Mass für faktische Richtigkeit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Legen Sie bei Filterung über eine Wertschwelle diese anhand repräsentativer Anfragen und grenzwertig relevanter Passagen aus dem tatsächlichen Fachgebiet fest, statt einen universellen Grenzwert anzunehmen.

Ein brauchbares Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder eine Belegauswahl. Ein Dokument mit hohem Relevanzwert kann dennoch veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für den verwendenden Schritt auf. Pros Zweck ist Relevanzbewertung, nicht das Schreiben einer freien Antwort oder die Erzeugung von Embeddings. Halten Sie beim Vergleich oder Verfeinern eines Suchablaufs die genaue Pro-Version mit dem Ergebnis verbunden.

", "aboutText": "Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Kandidatendokumente anhand einer Anfrage und liefert ihre Relevanzreihenfolge und Werte. Das Modell ist für komplexe Suchaufgaben gedacht, einschliesslich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Such- oder suchgestützten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft auszuwählen, welche Passagen angezeigt oder dem nächsten Schritt als Belege bereitgestellt werden sollen.\n\nDie Herstellerkennung lautet rerank-v4.0-pro, getrennt von rerank-v4.0-fast und rerank-v3.5. Pro ist für komplexe Fälle positioniert, in denen Suchqualität Priorität hat, während Fast geringere Latenz und höheren Durchsatz adressiert. Beide Rerank-4-Versionen verwenden einen Kontext von 32'768 Tokens. Anfrage und ein Kandidatendokument teilen dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch ein Limit für den gesamten gespeicherten Suchkorpus.\n\nStellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenketten bereit. Jedes zurückgegebene Ergebnis umfasst den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann die Anzahl zurückgegebener sortierter Ergebnisse wählen, ohne diesen Parameter liefert der Hersteller alle Ergebnisse. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit die Rangfolge mit der genauen Passage verbunden werden kann. Fragen Sie bei einer Supportfrage nach den erforderlichen Bedingungen und stellen Sie die Kandidatenabschnitte der Richtlinie bereit, statt zu erwarten, dass der Reranker nicht gelistete Richtlinien findet.\n\nDas Modell unterstützt mehr als 100 Sprachen und kann englisches sowie nicht englisches Material neu ordnen. Benennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage hilfreich machen, etwa Produkt, Situation und benötigtes Verfahren. Cohere empfiehlt für halbstrukturierte Datensätze YAML-Zeichenketten statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewussten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung eignet sich ebenso für Produktdatensätze, Nachrichten und Dokumentmetadaten wie für gewöhnlichen Fliesstext.\n\nDer modellspezifische Vorbereitungsleitfaden begrenzt die Rerank-4-Anfrage auf die ersten 16'384 Tokens. Er beschreibt die Verarbeitung längerer Dokumente durch Abschnitte, die den Kontext von 32'768 Tokens mit Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmässig auf 4096 und erklärt, dass längere Dokumentzeichenketten auf diese Einstellung gekürzt werden. Behandeln Sie Modellfenster und Dokumentkürzung der Herstelleranfrage als unterschiedliche Regler. Bereiten Sie knappe relevante Passagen vor oder wählen Sie ein geeignetes Dokumentbudget, statt anzunehmen, jede lange Quelle werde immer vollständig gelesen.\n\nFür die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1'000 Dokumente gleichzeitig zu senden. Bewahren Sie Kandidatenkennungen, wenn Sie grössere Listen in handhabbare Gruppen teilen. Relevanzwerte werden zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab; sie sind kein lineares Mass für faktische Richtigkeit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Legen Sie bei Filterung über eine Wertschwelle diese anhand repräsentativer Anfragen und grenzwertig relevanter Passagen aus dem tatsächlichen Fachgebiet fest, statt einen universellen Grenzwert anzunehmen.\n\nEin brauchbares Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder eine Belegauswahl. Ein Dokument mit hohem Relevanzwert kann dennoch veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für den verwendenden Schritt auf. Pros Zweck ist Relevanzbewertung, nicht das Schreiben einer freien Antwort oder die Erzeugung von Embeddings. Halten Sie beim Vergleich oder Verfeinern eines Suchablaufs die genaue Pro-Version mit dem Ergebnis verbunden.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f152934bbb217745690eb2876ef7827e35ed7c31d123b6cb3625bb1e903f5194", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "
•

Cohere: Rerank 4 Pro

Cohere /cohere/rerank-4-pro

Einstieg

Cohere Rerank 4 Pro ordnet Kandidatendokumente nach Relevanz für eine Anfrage in Such- und suchgestützten Abläufen. Es ist die qualitätsorientierte Rerank-4-Version mit einem Kontext von 32K, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text.

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 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Kandidatendokumente anhand einer Anfrage und liefert ihre Relevanzreihenfolge und Werte. Das Modell ist für komplexe Suchaufgaben gedacht, einschliesslich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Such- oder suchgestützten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft auszuwählen, welche Passagen angezeigt oder dem nächsten Schritt als Belege bereitgestellt werden sollen.

Die Herstellerkennung lautet rerank-v4.0-pro, getrennt von rerank-v4.0-fast und rerank-v3.5. Pro ist für komplexe Fälle positioniert, in denen Suchqualität Priorität hat, während Fast geringere Latenz und höheren Durchsatz adressiert. Beide Rerank-4-Versionen verwenden einen Kontext von 32'768 Tokens. Anfrage und ein Kandidatendokument teilen dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch ein Limit für den gesamten gespeicherten Suchkorpus.

Stellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenketten bereit. Jedes zurückgegebene Ergebnis umfasst den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann die Anzahl zurückgegebener sortierter Ergebnisse wählen, ohne diesen Parameter liefert der Hersteller alle Ergebnisse. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit die Rangfolge mit der genauen Passage verbunden werden kann. Fragen Sie bei einer Supportfrage nach den erforderlichen Bedingungen und stellen Sie die Kandidatenabschnitte der Richtlinie bereit, statt zu erwarten, dass der Reranker nicht gelistete Richtlinien findet.

Das Modell unterstützt mehr als 100 Sprachen und kann englisches sowie nicht englisches Material neu ordnen. Benennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage hilfreich machen, etwa Produkt, Situation und benötigtes Verfahren. Cohere empfiehlt für halbstrukturierte Datensätze YAML-Zeichenketten statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewussten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung eignet sich ebenso für Produktdatensätze, Nachrichten und Dokumentmetadaten wie für gewöhnlichen Fliesstext.

Der modellspezifische Vorbereitungsleitfaden begrenzt die Rerank-4-Anfrage auf die ersten 16'384 Tokens. Er beschreibt die Verarbeitung längerer Dokumente durch Abschnitte, die den Kontext von 32'768 Tokens mit Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmässig auf 4096 und erklärt, dass längere Dokumentzeichenketten auf diese Einstellung gekürzt werden. Behandeln Sie Modellfenster und Dokumentkürzung der Herstelleranfrage als unterschiedliche Regler. Bereiten Sie knappe relevante Passagen vor oder wählen Sie ein geeignetes Dokumentbudget, statt anzunehmen, jede lange Quelle werde immer vollständig gelesen.

Für die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1'000 Dokumente gleichzeitig zu senden. Bewahren Sie Kandidatenkennungen, wenn Sie grössere Listen in handhabbare Gruppen teilen. Relevanzwerte werden zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab; sie sind kein lineares Mass für faktische Richtigkeit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Legen Sie bei Filterung über eine Wertschwelle diese anhand repräsentativer Anfragen und grenzwertig relevanter Passagen aus dem tatsächlichen Fachgebiet fest, statt einen universellen Grenzwert anzunehmen.

Ein brauchbares Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder eine Belegauswahl. Ein Dokument mit hohem Relevanzwert kann dennoch veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für den verwendenden Schritt auf. Pros Zweck ist Relevanzbewertung, nicht das Schreiben einer freien Antwort oder die Erzeugung von Embeddings. Halten Sie beim Vergleich oder Verfeinern eines Suchablaufs die genaue Pro-Version mit dem Ergebnis verbunden.

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-pro
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
KonfigurationToken-BasistarifeTarifstaffelGrundtarifAbrechnungseinheit—Gebühr
Eingabe · Eingabetoken — / 1K Tokens
Ausgabe · Ausgabetoken — / 1K Tokens
Eingabe · Cache lesen — / 1K Tokens
Eingabe · Cache schreiben — / 1K Tokens
Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens
KonfigurationUltraTarifstaffel—Abrechnungseinheitpro SucheinheitGebühr
total · Sucheinheit $0.005 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-pro",\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 das ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das vollständige ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.

Wenn die ursprüngliche Antwort geprüft werden muss

Bewahren Sie den ursprünglichen Vorgang sowie 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-pro

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

cohere/rerank-4-pro

", "method_identity": { "effective_request_model_id": "cohere/rerank-4-pro", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "cohere/rerank-4-pro", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|cohere%2Frerank-4-pro", "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 sowie 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 das ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das vollständige 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-pro" ], "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-pro" ], "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro\",\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-pro'\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": 0.005 } }, "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro", "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro", "nativeProvenance": { "input_facts_canonical_sha256": "bd111e4b35130dd24572a1da09a8b4570e7a282014cca216b48c751d48d73c87", "input_html_sha256": "3d3a7540d2a417f3fdc7e0fe7eb2a31f37e736219967efa282b45edf5029e8a6", "private_audit_sha256": "63515057f95be61996531628608902aadf0234c9887993a094f4a83453edd1c4", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de-ch/cohere-rerank-4-pro/", "description": "Cohere Rerank 4 Pro ordnet Kandidatendokumente nach Relevanz für eine Anfrage in Such- und suchgestützten Abläufen. Es ist die qualitätsorientierte Rerank-4-Version mit einem Kontext von 32K, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text.", "locale": "de-ch", "md_url": "https://ailoot.ai/models/de-ch/cohere-rerank-4-pro/index.md", "title": "Cohere: Rerank 4 Pro — Ailoot", "url": "https://ailoot.ai/models/de-ch/cohere-rerank-4-pro/" }, "rawModel": { "about": "Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Kandidatendokumente anhand einer Anfrage und liefert ihre Relevanzreihenfolge und Werte. Das Modell ist für komplexe Suchaufgaben gedacht, einschliesslich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Such- oder suchgestützten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft auszuwählen, welche Passagen angezeigt oder dem nächsten Schritt als Belege bereitgestellt werden sollen.\n\nDie Herstellerkennung lautet rerank-v4.0-pro, getrennt von rerank-v4.0-fast und rerank-v3.5. Pro ist für komplexe Fälle positioniert, in denen Suchqualität Priorität hat, während Fast geringere Latenz und höheren Durchsatz adressiert. Beide Rerank-4-Versionen verwenden einen Kontext von 32'768 Tokens. Anfrage und ein Kandidatendokument teilen dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch ein Limit für den gesamten gespeicherten Suchkorpus.\n\nStellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenketten bereit. Jedes zurückgegebene Ergebnis umfasst den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann die Anzahl zurückgegebener sortierter Ergebnisse wählen, ohne diesen Parameter liefert der Hersteller alle Ergebnisse. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit die Rangfolge mit der genauen Passage verbunden werden kann. Fragen Sie bei einer Supportfrage nach den erforderlichen Bedingungen und stellen Sie die Kandidatenabschnitte der Richtlinie bereit, statt zu erwarten, dass der Reranker nicht gelistete Richtlinien findet.\n\nDas Modell unterstützt mehr als 100 Sprachen und kann englisches sowie nicht englisches Material neu ordnen. Benennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage hilfreich machen, etwa Produkt, Situation und benötigtes Verfahren. Cohere empfiehlt für halbstrukturierte Datensätze YAML-Zeichenketten statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewussten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung eignet sich ebenso für Produktdatensätze, Nachrichten und Dokumentmetadaten wie für gewöhnlichen Fliesstext.\n\nDer modellspezifische Vorbereitungsleitfaden begrenzt die Rerank-4-Anfrage auf die ersten 16'384 Tokens. Er beschreibt die Verarbeitung längerer Dokumente durch Abschnitte, die den Kontext von 32'768 Tokens mit Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmässig auf 4096 und erklärt, dass längere Dokumentzeichenketten auf diese Einstellung gekürzt werden. Behandeln Sie Modellfenster und Dokumentkürzung der Herstelleranfrage als unterschiedliche Regler. Bereiten Sie knappe relevante Passagen vor oder wählen Sie ein geeignetes Dokumentbudget, statt anzunehmen, jede lange Quelle werde immer vollständig gelesen.\n\nFür die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1'000 Dokumente gleichzeitig zu senden. Bewahren Sie Kandidatenkennungen, wenn Sie grössere Listen in handhabbare Gruppen teilen. Relevanzwerte werden zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab; sie sind kein lineares Mass für faktische Richtigkeit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Legen Sie bei Filterung über eine Wertschwelle diese anhand repräsentativer Anfragen und grenzwertig relevanter Passagen aus dem tatsächlichen Fachgebiet fest, statt einen universellen Grenzwert anzunehmen.\n\nEin brauchbares Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder eine Belegauswahl. Ein Dokument mit hohem Relevanzwert kann dennoch veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für den verwendenden Schritt auf. Pros Zweck ist Relevanzbewertung, nicht das Schreiben einer freien Antwort oder die Erzeugung von Embeddings. Halten Sie beim Vergleich oder Verfeinern eines Suchablaufs die genaue Pro-Version mit dem Ergebnis verbunden.", "alias_of": null, "aliases": [], "author": "Cohere", "available": null, "canonical_model": "cohere/rerank-4-pro", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro", "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 sowie 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 das ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes verweisen auf das ursprüngliche Dokumentarray. Das vollständige 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-pro" ], "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-pro" ], "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro\",\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-pro'\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": 0.005 } }, "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro", "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "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-pro", "request_model_id": "cohere/rerank-4-pro", "route_label": "Ultra" } ], "name": "Cohere: Rerank 4 Pro", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "cohere/rerank-4-pro", "short": "Cohere Rerank 4 Pro ordnet Kandidatendokumente nach Relevanz für eine Anfrage in Such- und suchgestützten Abläufen. Es ist die qualitätsorientierte Rerank-4-Version mit einem Kontext von 32K, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text." }, "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 Pro ordnet Kandidatendokumente nach Relevanz für eine Anfrage in Such- und suchgestützten Abläufen. Es ist die qualitätsorientierte Rerank-4-Version mit einem Kontext von 32K, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "b597b7e411923eabae817fe4475a98386da59551f3eb822993ce81e1d0fbc921", "renderer_sha256": "76caa42c097db2ddc47d1e1e6fe7ca45c8363d7211296daf28e4352971e6c0c8" }, "sourceRevision": "9cb286b6a52df840aff73294a4f3b9827eaf6748f33bd5d63d88c81298031fa0" }