Qwen3 Reranker 8B ist ein Modell zur Neuordnung von Texten, das unter der genauen ID qwen/qwen3-reranker-8b verfügbar ist. Es nimmt eine Anfrage und eine Sammlung von Kandidatendokumenten entgegen und liefert eine Relevanzrangfolge. Ein praktischer Einsatzort liegt zwischen einer ersten Suche und der Anwendung, die die ausgewählten Passagen verwendet: Rufen Sie zunächst mögliche Treffer ab, ordnen Sie diese anhand der tatsächlichen Frage neu und übergeben Sie den ausgewählten Quelltext an den nächsten Schritt.
Senden Sie POST /v1/rerank mit einem JSON-Body, der model, query und documents enthält. Setzen Sie model auf qwen/qwen3-reranker-8b, geben Sie die Suchfrage als Zeichenfolge an und fügen Sie die Kandidatenpassagen in ein nicht leeres Array von Textzeichenfolgen ein. Bewahren Sie die Reihenfolge des Eingabearrays und daneben Ihre eigenen Dokumentkennungen, da der zurückgegebene index ein Dokument anhand seiner ursprünglichen Position identifiziert. Nehmen Sie das für die Relevanz massgebliche Material, etwa einen Produktnamen, eine Richtlinienbedingung oder eine technische Passage, in den für diesen Kandidaten bereitgestellten Text auf.
Der optionale Parameter top_n ist eine Ganzzahl mit dem Mindestwert 1 und wählt aus, wie viele der relevantesten Dokumente zurückgegeben werden. Bei einer Supportsuche könnte query die genaue Frage eines Kunden sein und documents könnten infrage kommende Abschnitte des Hilfezentrums sein. Verwenden Sie für eine interne Wissensdatenbank die Frage zusammen mit Passagen, die ihre Abschnittstitel und genügend umgebenden Text zur Erklärung jedes Ergebnisses behalten. Wählen Sie eine Ergebnisanzahl, die zur nachfolgenden Antwort oder Suchanzeige passt.
Das veröffentlichte Modellprofil nennt eine Kontextlänge von 40 960 Tokens. Berücksichtigen Sie bei der Vorbereitung der Anfrage die Frage und den bereitgestellten Dokumenttext und wählen Sie die für die Frage nützlichen Passagen aus. Das Reranking erzeugt Bewertungen und eine Quellauswahl; verwenden Sie den ausgewählten Dokumenttext, wenn ein weiterer Schritt eine Antwort oder ein Zitat verfassen soll.
Der Vorgang liefert eine vollständige JSON-Antwort. Lesen Sie results in ihrer zurückgegebenen Relevanzreihenfolge, bewahren Sie bei jedem Ergebnis index, relevance_score und den zurückgegebenen document-Inhalt auf und behalten Sie die Antwortfelder für Modell, Kennung und usage, sofern vorhanden. Ordnen Sie Indizes Ihren ursprünglichen Dokumenten zu, bevor Sie eine Quelle anzeigen oder eine Antwort zusammenstellen. Speichern Sie bei unterbrochener Übertragung die ursprüngliche Antwort und Anfrageidentität, damit das bestehende Ergebnis untersucht werden kann, ohne denselben ungewissen Vorgang erneut zu übermitteln.
", "aboutText": "Qwen3 Reranker 8B ist ein Modell zur Neuordnung von Texten, das unter der genauen ID qwen/qwen3-reranker-8b verfügbar ist. Es nimmt eine Anfrage und eine Sammlung von Kandidatendokumenten entgegen und liefert eine Relevanzrangfolge. Ein praktischer Einsatzort liegt zwischen einer ersten Suche und der Anwendung, die die ausgewählten Passagen verwendet: Rufen Sie zunächst mögliche Treffer ab, ordnen Sie diese anhand der tatsächlichen Frage neu und übergeben Sie den ausgewählten Quelltext an den nächsten Schritt.\n\nSenden Sie POST /v1/rerank mit einem JSON-Body, der model, query und documents enthält. Setzen Sie model auf qwen/qwen3-reranker-8b, geben Sie die Suchfrage als Zeichenfolge an und fügen Sie die Kandidatenpassagen in ein nicht leeres Array von Textzeichenfolgen ein. Bewahren Sie die Reihenfolge des Eingabearrays und daneben Ihre eigenen Dokumentkennungen, da der zurückgegebene index ein Dokument anhand seiner ursprünglichen Position identifiziert. Nehmen Sie das für die Relevanz massgebliche Material, etwa einen Produktnamen, eine Richtlinienbedingung oder eine technische Passage, in den für diesen Kandidaten bereitgestellten Text auf.\n\nDer optionale Parameter top_n ist eine Ganzzahl mit dem Mindestwert 1 und wählt aus, wie viele der relevantesten Dokumente zurückgegeben werden. Bei einer Supportsuche könnte query die genaue Frage eines Kunden sein und documents könnten infrage kommende Abschnitte des Hilfezentrums sein. Verwenden Sie für eine interne Wissensdatenbank die Frage zusammen mit Passagen, die ihre Abschnittstitel und genügend umgebenden Text zur Erklärung jedes Ergebnisses behalten. Wählen Sie eine Ergebnisanzahl, die zur nachfolgenden Antwort oder Suchanzeige passt.\n\nDas veröffentlichte Modellprofil nennt eine Kontextlänge von 40 960 Tokens. Berücksichtigen Sie bei der Vorbereitung der Anfrage die Frage und den bereitgestellten Dokumenttext und wählen Sie die für die Frage nützlichen Passagen aus. Das Reranking erzeugt Bewertungen und eine Quellauswahl; verwenden Sie den ausgewählten Dokumenttext, wenn ein weiterer Schritt eine Antwort oder ein Zitat verfassen soll.\n\nDer Vorgang liefert eine vollständige JSON-Antwort. Lesen Sie results in ihrer zurückgegebenen Relevanzreihenfolge, bewahren Sie bei jedem Ergebnis index, relevance_score und den zurückgegebenen document-Inhalt auf und behalten Sie die Antwortfelder für Modell, Kennung und usage, sofern vorhanden. Ordnen Sie Indizes Ihren ursprünglichen Dokumenten zu, bevor Sie eine Quelle anzeigen oder eine Antwort zusammenstellen. Speichern Sie bei unterbrochener Übertragung die ursprüngliche Antwort und Anfrageidentität, damit das bestehende Ergebnis untersucht werden kann, ohne denselben ungewissen Vorgang erneut zu übermitteln.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9c19b0b2ff9976a197b69bc9c573149153d374548c1595e0623bfa177c81b58f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "qwen/qwen3-reranker-8bQwen3 Reranker 8B ordnet bereitgestellte Textdokumente anhand einer Suchanfrage. Senden Sie qwen/qwen3-reranker-8b mit der Anfrage und den Kandidatenpassagen an den Rerank-Endpunkt und verwenden Sie anschliessend die zurückgegebenen Relevanzbewertungen und ursprünglichen Dokumentindizes, um Material für Suchergebnisse, eine Wissensdatenbankantwort oder einen Abrufablauf auszuwählen.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Qwen3 Reranker 8B ist ein Modell zur Neuordnung von Texten, das unter der genauen ID qwen/qwen3-reranker-8b verfügbar ist. Es nimmt eine Anfrage und eine Sammlung von Kandidatendokumenten entgegen und liefert eine Relevanzrangfolge. Ein praktischer Einsatzort liegt zwischen einer ersten Suche und der Anwendung, die die ausgewählten Passagen verwendet: Rufen Sie zunächst mögliche Treffer ab, ordnen Sie diese anhand der tatsächlichen Frage neu und übergeben Sie den ausgewählten Quelltext an den nächsten Schritt.
Senden Sie POST /v1/rerank mit einem JSON-Body, der model, query und documents enthält. Setzen Sie model auf qwen/qwen3-reranker-8b, geben Sie die Suchfrage als Zeichenfolge an und fügen Sie die Kandidatenpassagen in ein nicht leeres Array von Textzeichenfolgen ein. Bewahren Sie die Reihenfolge des Eingabearrays und daneben Ihre eigenen Dokumentkennungen, da der zurückgegebene index ein Dokument anhand seiner ursprünglichen Position identifiziert. Nehmen Sie das für die Relevanz massgebliche Material, etwa einen Produktnamen, eine Richtlinienbedingung oder eine technische Passage, in den für diesen Kandidaten bereitgestellten Text auf.
Der optionale Parameter top_n ist eine Ganzzahl mit dem Mindestwert 1 und wählt aus, wie viele der relevantesten Dokumente zurückgegeben werden. Bei einer Supportsuche könnte query die genaue Frage eines Kunden sein und documents könnten infrage kommende Abschnitte des Hilfezentrums sein. Verwenden Sie für eine interne Wissensdatenbank die Frage zusammen mit Passagen, die ihre Abschnittstitel und genügend umgebenden Text zur Erklärung jedes Ergebnisses behalten. Wählen Sie eine Ergebnisanzahl, die zur nachfolgenden Antwort oder Suchanzeige passt.
Das veröffentlichte Modellprofil nennt eine Kontextlänge von 40 960 Tokens. Berücksichtigen Sie bei der Vorbereitung der Anfrage die Frage und den bereitgestellten Dokumenttext und wählen Sie die für die Frage nützlichen Passagen aus. Das Reranking erzeugt Bewertungen und eine Quellauswahl; verwenden Sie den ausgewählten Dokumenttext, wenn ein weiterer Schritt eine Antwort oder ein Zitat verfassen soll.
Der Vorgang liefert eine vollständige JSON-Antwort. Lesen Sie results in ihrer zurückgegebenen Relevanzreihenfolge, bewahren Sie bei jedem Ergebnis index, relevance_score und den zurückgegebenen document-Inhalt auf und behalten Sie die Antwortfelder für Modell, Kennung und usage, sofern vorhanden. Ordnen Sie Indizes Ihren ursprünglichen Dokumenten zu, bevor Sie eine Quelle anzeigen oder eine Antwort zusammenstellen. Speichern Sie bei unterbrochener Übertragung die ursprüngliche Antwort und Anfrageidentität, damit das bestehende Ergebnis untersucht werden kann, ohne denselben ungewissen Vorgang erneut zu übermitteln.
POST /v1/reranktextranking| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits qwen/qwen3-reranker-8b | Standard— |
Feldquery | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Felddocuments | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldtop_n | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, query, documents |
Parameteroptional | Vertragtop_n |
Parametermaterial_types | Vertragtext |
Parameterconditions | Vertrag |
Lebenszyklus: synchronous_json
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Abrechnungseinheit | Gebühr |
|---|---|---|---|
| KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Abrechnungseinheit— | 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 |
| KonfigurationEingabe-Token | Tarifstaffel— | Abrechnungseinheit/ 1K Tokens | Gebühr Eingabe $0.0004 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"documents": ["Paris is the capital of France.", "Berlin is the capital of Germany."], "model": "qwen/qwen3-reranker-8b", "query": "What is the capital of France?", "top_n": 3}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\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\n# Submit once. Retain the complete result, original identifiers and every response header.\nJSON
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Retain the complete response, all actual results, original identifiers, usage and response headers.
Preserve the original response, headers and X-Client-Request-ID. An uncertain outcome does not authorize another creation.
| Feld | Typ |
|---|---|
Feldresults | Typarray |
Ailoot Ultra qwen/qwen3-reranker-8b
Verwenden Sie die oben angezeigten Methodenpfade.