Voyage rerank-3 ist ein Text-Reranker zur Verbesserung der Qualität abgerufener Belege. Aus einer Anfrage und einer Liste von Dokumentkandidaten untersucht es jedes Paar gemeinsam und gibt die Kandidaten nach Relevanz geordnet zurück. Embeddings und Schlüsselwortsuche können eine grosse Sammlung zunächst auf eine überschaubare Vorauswahl eingrenzen; rerank-3 bewertet anschliessend deren Relevanz genauer. Seine Ausgabe sind bewertete Suchbelege, die eine Anwendung anzeigt oder an einen separaten Antwortgenerierungsschritt weitergibt.
Qualitätsorientiertes Rerank 3 Der Hersteller positioniert rerank-3 als genauigkeitsorientierte Ausgabe und rerank-3-lite als Ausgabe für latenzempfindliche Suche. Die dritte Generation aktualisiert Grundmodell und Trainingsmischung, mit besonderen Verbesserungen beim Abruf langer Dokumente und von Quellcode gegenüber den entsprechenden 2.5-Vorgängern. Der Hersteller bewertet es anhand technischer Dokumentation, Code, mehrsprachigem Material und anderen Dokumentbereichen. Diese Ergebnisse stützen seine Abrufrolle; wählen Sie die Ausgabe anhand der Fragen und Dokumentkandidaten, die für Ihre eigene Sammlung relevant sind.
Lange Dokumente mit genügend Kontext Ein langer Kandidat kann hilfreichen Kontext weit über den einleitenden Absatz hinaus enthalten. Liefern Sie einen zusammenhängenden Abschnitt oder ein Dokument mit Titel und relevantem Umfeld, damit das Modell beurteilen kann, wie die tatsächliche Frage zum Inhalt passt. Bei einer Suche nach Produktrichtlinien bewahren Sie Überschriften und Ausnahmen rund um die interessante Passage. Stammen mehrere abgerufene Abschnitte aus derselben Quelle, bewahren Sie Dokument- und Abschnittskennungen; die Anwendung kann dann die Herkunft der ausgewählten Belege zeigen.
Das Kontextfenster wird von Anfrage und jedem Kandidaten gemeinsam genutzt. Der aktuelle Herstellerleitfaden nennt 32’000 Token für dieses Paar, einschliesslich einer Anfrage mit höchstens 8’000 Token. Eine Anfrage mit 3’000 Token lässt deshalb höchstens 29’000 Token pro Dokument. Bereiten Sie die Eingabe so vor, dass wesentliche Inhalte hineinpassen, besonders wenn eine lange Einleitung oder wiederholte Standardtexte sonst das Fenster verbrauchen würden. Die dokumentierte Kürzungsoption ist standardmässig aktiviert und kann zu lange Anfrage- oder Dokumenttexte vor der Bewertung kürzen. Prüfen Sie, was erhalten bleibt, wenn die Position einer Passage relevant ist.
Code- und technischer Abruf Für die Abrufstufe eines Programmierassistenten können Kandidaten Funktionsimplementierungen, API-Dokumentation oder technische Erklärungen als Text enthalten. Fügen Sie Symbole, Signaturen und Kontext hinzu, die ähnliche Kandidaten unterscheidbar machen. Eine Anfrage wie «Finde die Funktion, die Pfade normalisiert und dabei ein abschliessendes Trennzeichen bewahrt» nennt ein konkretes abzugleichendes Verhalten. Ergänzen Sie relevante Sprach-, Plattform- oder Versionsbedingungen. Prüfen Sie nach der Rangbildung den ausgewählten Code und seine Abhängigkeiten, bevor Sie ihn als Kontext verwenden; ein Relevanzwert beweist nicht, dass eine Implementierung jede genannte Anforderung erfüllt.
Anweisungen definieren Relevanz Das Modell bewahrt die in Rerank 2.5 eingeführte Fähigkeit zum anweisungsgeleiteten Reranking. Stellen Sie der Anfrage eine knappe Anweisung voran oder hängen Sie sie an, wenn die Nutzerabsicht präzisiert werden muss. Bei der Suche in Recherchedokumenten erklären Sie, ob Titel, eine bestimmte Methode oder ein Anwendungsbereich im Mittelpunkt stehen. Bei einem internen Katalog legen Sie fest, ob die Anfrage Installation, Fehlerbehebung oder Kompatibilität betrifft. Halten Sie diese Anweisung im Einklang mit der Frage; zusätzliche Präferenzen, die der Hauptanfrage widersprechen, können das Optimierungsziel der Rangfolge verändern.
Dokumentkandidaten und Budgets vorbereiten Die Eingabe ist eine Liste von Textzeichenfolgen. Extrahieren Sie nutzbaren Text aus Quelldokumenten, bewahren Sie sinnvolle Abschnittsgrenzen und halten Sie neben der Liste eine geordnete Datensatzzuordnung. Der Hersteller erlaubt bis zu 1’000 Dokumente pro Anfrage. Er legt ausserdem eine Gesamteingabeobergrenze von 600’000 Token fest: Anfrage-Token multipliziert mit der Anzahl der Dokumente plus die Summe aller Dokument-Token. Das unterscheidet sich von der Kontextgrenze pro Paar. Das Reduzieren redundanten Anfragetexts kann sowohl Paarkapazität als auch das Gesamtanfragebudget bewahren.
Zählen Sie Token für das relevante Modell, statt Wort- oder Zeichenzahl mit Tokenzahl gleichzusetzen. Bei grossen Kandidaten wählen Sie zusammenhängende Passagen oder teilen das Material nach hilfreichen Überschriften auf, wobei Informationen zur übergeordneten Quelle erhalten bleiben. Reranking ist am nützlichsten, nachdem die erste Suche bereits plausible Kandidaten hervorgebracht hat: Es kann keine fehlende Quelle bewerten, die nie in die Liste gelangt ist.
Geordnete Ergebnisse und nachgelagerte Nutzung Das Ergebnis enthält Relevanzwerte und Indizes zu den ursprünglichen Eingabedokumenten, sortiert nach absteigender Relevanz. Die Option top_k begrenzt die Zahl der zurückgegebenen Rangresultate; andernfalls werden alle Eingabekandidaten zurückgegeben. Die REST-Schnittstelle des Herstellers erlaubt auch die Aufnahme des Dokumenttexts. Verwenden Sie jeden ursprünglichen Index, um Titel, Quellenkennung und alle von Ihrer Anwendung benötigten Metadaten wiederzufinden, und zeigen Sie dann die ausgewählten Elemente an oder nehmen den relevanten Text in den Belegkontext einer Antwort auf.
Prüfen Sie die besten Ergebnisse anhand der Frage und halten Sie die Quellenidentität sichtbar. Ein hoher relativer Rang bestätigt nicht die sachliche Richtigkeit eines Dokuments, und eine Vorauswahl mit ausschliesslich ungeeigneten Kandidaten hat dennoch ein erstes Element. Trennen Sie Relevanzauswahl von der Entscheidung, ob die ausgewählten Belege zur Beantwortung der Nutzerfrage ausreichen.
Migration der Ausgabe Der Hersteller beschreibt rerank-3 als direkt einsetzbaren Nachfolger von rerank-2.5 mit derselben API-Semantik und auf die Verteilung des entsprechenden Vorgängers kalibrierten Werten. Diese Kompatibilität unterstützt die Beibehaltung einer bestehenden Abrufstufe und Datensatzzuordnung. Vergleichen Sie aussagekräftige Ergebnisreihenfolgen und alle Schwellenwerte anhand des aktuellen Korpus, bevor Sie sich auf die Migration verlassen. Halten Sie rerank-3 und rerank-3-lite als eigenständige Auswahlmöglichkeiten: Gemeinsame Grenzen und Anweisungsbefolgung machen ihre Qualitäts- und Latenzprioritäten nicht identisch.
", "aboutText": "Voyage rerank-3 ist ein Text-Reranker zur Verbesserung der Qualität abgerufener Belege. Aus einer Anfrage und einer Liste von Dokumentkandidaten untersucht es jedes Paar gemeinsam und gibt die Kandidaten nach Relevanz geordnet zurück. Embeddings und Schlüsselwortsuche können eine grosse Sammlung zunächst auf eine überschaubare Vorauswahl eingrenzen; rerank-3 bewertet anschliessend deren Relevanz genauer. Seine Ausgabe sind bewertete Suchbelege, die eine Anwendung anzeigt oder an einen separaten Antwortgenerierungsschritt weitergibt.\n\nQualitätsorientiertes Rerank 3\nDer Hersteller positioniert rerank-3 als genauigkeitsorientierte Ausgabe und rerank-3-lite als Ausgabe für latenzempfindliche Suche. Die dritte Generation aktualisiert Grundmodell und Trainingsmischung, mit besonderen Verbesserungen beim Abruf langer Dokumente und von Quellcode gegenüber den entsprechenden 2.5-Vorgängern. Der Hersteller bewertet es anhand technischer Dokumentation, Code, mehrsprachigem Material und anderen Dokumentbereichen. Diese Ergebnisse stützen seine Abrufrolle; wählen Sie die Ausgabe anhand der Fragen und Dokumentkandidaten, die für Ihre eigene Sammlung relevant sind.\n\nLange Dokumente mit genügend Kontext\nEin langer Kandidat kann hilfreichen Kontext weit über den einleitenden Absatz hinaus enthalten. Liefern Sie einen zusammenhängenden Abschnitt oder ein Dokument mit Titel und relevantem Umfeld, damit das Modell beurteilen kann, wie die tatsächliche Frage zum Inhalt passt. Bei einer Suche nach Produktrichtlinien bewahren Sie Überschriften und Ausnahmen rund um die interessante Passage. Stammen mehrere abgerufene Abschnitte aus derselben Quelle, bewahren Sie Dokument- und Abschnittskennungen; die Anwendung kann dann die Herkunft der ausgewählten Belege zeigen.\n\nDas Kontextfenster wird von Anfrage und jedem Kandidaten gemeinsam genutzt. Der aktuelle Herstellerleitfaden nennt 32’000 Token für dieses Paar, einschliesslich einer Anfrage mit höchstens 8’000 Token. Eine Anfrage mit 3’000 Token lässt deshalb höchstens 29’000 Token pro Dokument. Bereiten Sie die Eingabe so vor, dass wesentliche Inhalte hineinpassen, besonders wenn eine lange Einleitung oder wiederholte Standardtexte sonst das Fenster verbrauchen würden. Die dokumentierte Kürzungsoption ist standardmässig aktiviert und kann zu lange Anfrage- oder Dokumenttexte vor der Bewertung kürzen. Prüfen Sie, was erhalten bleibt, wenn die Position einer Passage relevant ist.\n\nCode- und technischer Abruf\nFür die Abrufstufe eines Programmierassistenten können Kandidaten Funktionsimplementierungen, API-Dokumentation oder technische Erklärungen als Text enthalten. Fügen Sie Symbole, Signaturen und Kontext hinzu, die ähnliche Kandidaten unterscheidbar machen. Eine Anfrage wie «Finde die Funktion, die Pfade normalisiert und dabei ein abschliessendes Trennzeichen bewahrt» nennt ein konkretes abzugleichendes Verhalten. Ergänzen Sie relevante Sprach-, Plattform- oder Versionsbedingungen. Prüfen Sie nach der Rangbildung den ausgewählten Code und seine Abhängigkeiten, bevor Sie ihn als Kontext verwenden; ein Relevanzwert beweist nicht, dass eine Implementierung jede genannte Anforderung erfüllt.\n\nAnweisungen definieren Relevanz\nDas Modell bewahrt die in Rerank 2.5 eingeführte Fähigkeit zum anweisungsgeleiteten Reranking. Stellen Sie der Anfrage eine knappe Anweisung voran oder hängen Sie sie an, wenn die Nutzerabsicht präzisiert werden muss. Bei der Suche in Recherchedokumenten erklären Sie, ob Titel, eine bestimmte Methode oder ein Anwendungsbereich im Mittelpunkt stehen. Bei einem internen Katalog legen Sie fest, ob die Anfrage Installation, Fehlerbehebung oder Kompatibilität betrifft. Halten Sie diese Anweisung im Einklang mit der Frage; zusätzliche Präferenzen, die der Hauptanfrage widersprechen, können das Optimierungsziel der Rangfolge verändern.\n\nDokumentkandidaten und Budgets vorbereiten\nDie Eingabe ist eine Liste von Textzeichenfolgen. Extrahieren Sie nutzbaren Text aus Quelldokumenten, bewahren Sie sinnvolle Abschnittsgrenzen und halten Sie neben der Liste eine geordnete Datensatzzuordnung. Der Hersteller erlaubt bis zu 1’000 Dokumente pro Anfrage. Er legt ausserdem eine Gesamteingabeobergrenze von 600’000 Token fest: Anfrage-Token multipliziert mit der Anzahl der Dokumente plus die Summe aller Dokument-Token. Das unterscheidet sich von der Kontextgrenze pro Paar. Das Reduzieren redundanten Anfragetexts kann sowohl Paarkapazität als auch das Gesamtanfragebudget bewahren.\n\nZählen Sie Token für das relevante Modell, statt Wort- oder Zeichenzahl mit Tokenzahl gleichzusetzen. Bei grossen Kandidaten wählen Sie zusammenhängende Passagen oder teilen das Material nach hilfreichen Überschriften auf, wobei Informationen zur übergeordneten Quelle erhalten bleiben. Reranking ist am nützlichsten, nachdem die erste Suche bereits plausible Kandidaten hervorgebracht hat: Es kann keine fehlende Quelle bewerten, die nie in die Liste gelangt ist.\n\nGeordnete Ergebnisse und nachgelagerte Nutzung\nDas Ergebnis enthält Relevanzwerte und Indizes zu den ursprünglichen Eingabedokumenten, sortiert nach absteigender Relevanz. Die Option top_k begrenzt die Zahl der zurückgegebenen Rangresultate; andernfalls werden alle Eingabekandidaten zurückgegeben. Die REST-Schnittstelle des Herstellers erlaubt auch die Aufnahme des Dokumenttexts. Verwenden Sie jeden ursprünglichen Index, um Titel, Quellenkennung und alle von Ihrer Anwendung benötigten Metadaten wiederzufinden, und zeigen Sie dann die ausgewählten Elemente an oder nehmen den relevanten Text in den Belegkontext einer Antwort auf.\n\nPrüfen Sie die besten Ergebnisse anhand der Frage und halten Sie die Quellenidentität sichtbar. Ein hoher relativer Rang bestätigt nicht die sachliche Richtigkeit eines Dokuments, und eine Vorauswahl mit ausschliesslich ungeeigneten Kandidaten hat dennoch ein erstes Element. Trennen Sie Relevanzauswahl von der Entscheidung, ob die ausgewählten Belege zur Beantwortung der Nutzerfrage ausreichen.\n\nMigration der Ausgabe\nDer Hersteller beschreibt rerank-3 als direkt einsetzbaren Nachfolger von rerank-2.5 mit derselben API-Semantik und auf die Verteilung des entsprechenden Vorgängers kalibrierten Werten. Diese Kompatibilität unterstützt die Beibehaltung einer bestehenden Abrufstufe und Datensatzzuordnung. Vergleichen Sie aussagekräftige Ergebnisreihenfolgen und alle Schwellenwerte anhand des aktuellen Korpus, bevor Sie sich auf die Migration verlassen. Halten Sie rerank-3 und rerank-3-lite als eigenständige Auswahlmöglichkeiten: Gemeinsame Grenzen und Anweisungsbefolgung machen ihre Qualitäts- und Latenzprioritäten nicht identisch.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ee814ac340373d3ba2d3a2aaa67677ca87fffbda04f56fb9dc36e2e0922d4249", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de-ch", "methods": [ { "html": "voyageai/rerank-3Voyage rerank-3 ist die qualitätsorientierte Rerank-3-Ausgabe zur Bewertung der Relevanz zwischen Anfrage und Dokument. Sie ordnet abgerufene Textkandidaten neu, unterstützt natürlichsprachliche Relevanzanweisungen und verarbeitet Paare mit 32’000 Token für die Suche in langen Dokumenten, Code und Wissensdatenbanken.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Voyage rerank-3 ist ein Text-Reranker zur Verbesserung der Qualität abgerufener Belege. Aus einer Anfrage und einer Liste von Dokumentkandidaten untersucht es jedes Paar gemeinsam und gibt die Kandidaten nach Relevanz geordnet zurück. Embeddings und Schlüsselwortsuche können eine grosse Sammlung zunächst auf eine überschaubare Vorauswahl eingrenzen; rerank-3 bewertet anschliessend deren Relevanz genauer. Seine Ausgabe sind bewertete Suchbelege, die eine Anwendung anzeigt oder an einen separaten Antwortgenerierungsschritt weitergibt.
Qualitätsorientiertes Rerank 3 Der Hersteller positioniert rerank-3 als genauigkeitsorientierte Ausgabe und rerank-3-lite als Ausgabe für latenzempfindliche Suche. Die dritte Generation aktualisiert Grundmodell und Trainingsmischung, mit besonderen Verbesserungen beim Abruf langer Dokumente und von Quellcode gegenüber den entsprechenden 2.5-Vorgängern. Der Hersteller bewertet es anhand technischer Dokumentation, Code, mehrsprachigem Material und anderen Dokumentbereichen. Diese Ergebnisse stützen seine Abrufrolle; wählen Sie die Ausgabe anhand der Fragen und Dokumentkandidaten, die für Ihre eigene Sammlung relevant sind.
Lange Dokumente mit genügend Kontext Ein langer Kandidat kann hilfreichen Kontext weit über den einleitenden Absatz hinaus enthalten. Liefern Sie einen zusammenhängenden Abschnitt oder ein Dokument mit Titel und relevantem Umfeld, damit das Modell beurteilen kann, wie die tatsächliche Frage zum Inhalt passt. Bei einer Suche nach Produktrichtlinien bewahren Sie Überschriften und Ausnahmen rund um die interessante Passage. Stammen mehrere abgerufene Abschnitte aus derselben Quelle, bewahren Sie Dokument- und Abschnittskennungen; die Anwendung kann dann die Herkunft der ausgewählten Belege zeigen.
Das Kontextfenster wird von Anfrage und jedem Kandidaten gemeinsam genutzt. Der aktuelle Herstellerleitfaden nennt 32’000 Token für dieses Paar, einschliesslich einer Anfrage mit höchstens 8’000 Token. Eine Anfrage mit 3’000 Token lässt deshalb höchstens 29’000 Token pro Dokument. Bereiten Sie die Eingabe so vor, dass wesentliche Inhalte hineinpassen, besonders wenn eine lange Einleitung oder wiederholte Standardtexte sonst das Fenster verbrauchen würden. Die dokumentierte Kürzungsoption ist standardmässig aktiviert und kann zu lange Anfrage- oder Dokumenttexte vor der Bewertung kürzen. Prüfen Sie, was erhalten bleibt, wenn die Position einer Passage relevant ist.
Code- und technischer Abruf Für die Abrufstufe eines Programmierassistenten können Kandidaten Funktionsimplementierungen, API-Dokumentation oder technische Erklärungen als Text enthalten. Fügen Sie Symbole, Signaturen und Kontext hinzu, die ähnliche Kandidaten unterscheidbar machen. Eine Anfrage wie «Finde die Funktion, die Pfade normalisiert und dabei ein abschliessendes Trennzeichen bewahrt» nennt ein konkretes abzugleichendes Verhalten. Ergänzen Sie relevante Sprach-, Plattform- oder Versionsbedingungen. Prüfen Sie nach der Rangbildung den ausgewählten Code und seine Abhängigkeiten, bevor Sie ihn als Kontext verwenden; ein Relevanzwert beweist nicht, dass eine Implementierung jede genannte Anforderung erfüllt.
Anweisungen definieren Relevanz Das Modell bewahrt die in Rerank 2.5 eingeführte Fähigkeit zum anweisungsgeleiteten Reranking. Stellen Sie der Anfrage eine knappe Anweisung voran oder hängen Sie sie an, wenn die Nutzerabsicht präzisiert werden muss. Bei der Suche in Recherchedokumenten erklären Sie, ob Titel, eine bestimmte Methode oder ein Anwendungsbereich im Mittelpunkt stehen. Bei einem internen Katalog legen Sie fest, ob die Anfrage Installation, Fehlerbehebung oder Kompatibilität betrifft. Halten Sie diese Anweisung im Einklang mit der Frage; zusätzliche Präferenzen, die der Hauptanfrage widersprechen, können das Optimierungsziel der Rangfolge verändern.
Dokumentkandidaten und Budgets vorbereiten Die Eingabe ist eine Liste von Textzeichenfolgen. Extrahieren Sie nutzbaren Text aus Quelldokumenten, bewahren Sie sinnvolle Abschnittsgrenzen und halten Sie neben der Liste eine geordnete Datensatzzuordnung. Der Hersteller erlaubt bis zu 1’000 Dokumente pro Anfrage. Er legt ausserdem eine Gesamteingabeobergrenze von 600’000 Token fest: Anfrage-Token multipliziert mit der Anzahl der Dokumente plus die Summe aller Dokument-Token. Das unterscheidet sich von der Kontextgrenze pro Paar. Das Reduzieren redundanten Anfragetexts kann sowohl Paarkapazität als auch das Gesamtanfragebudget bewahren.
Zählen Sie Token für das relevante Modell, statt Wort- oder Zeichenzahl mit Tokenzahl gleichzusetzen. Bei grossen Kandidaten wählen Sie zusammenhängende Passagen oder teilen das Material nach hilfreichen Überschriften auf, wobei Informationen zur übergeordneten Quelle erhalten bleiben. Reranking ist am nützlichsten, nachdem die erste Suche bereits plausible Kandidaten hervorgebracht hat: Es kann keine fehlende Quelle bewerten, die nie in die Liste gelangt ist.
Geordnete Ergebnisse und nachgelagerte Nutzung Das Ergebnis enthält Relevanzwerte und Indizes zu den ursprünglichen Eingabedokumenten, sortiert nach absteigender Relevanz. Die Option top_k begrenzt die Zahl der zurückgegebenen Rangresultate; andernfalls werden alle Eingabekandidaten zurückgegeben. Die REST-Schnittstelle des Herstellers erlaubt auch die Aufnahme des Dokumenttexts. Verwenden Sie jeden ursprünglichen Index, um Titel, Quellenkennung und alle von Ihrer Anwendung benötigten Metadaten wiederzufinden, und zeigen Sie dann die ausgewählten Elemente an oder nehmen den relevanten Text in den Belegkontext einer Antwort auf.
Prüfen Sie die besten Ergebnisse anhand der Frage und halten Sie die Quellenidentität sichtbar. Ein hoher relativer Rang bestätigt nicht die sachliche Richtigkeit eines Dokuments, und eine Vorauswahl mit ausschliesslich ungeeigneten Kandidaten hat dennoch ein erstes Element. Trennen Sie Relevanzauswahl von der Entscheidung, ob die ausgewählten Belege zur Beantwortung der Nutzerfrage ausreichen.
Migration der Ausgabe Der Hersteller beschreibt rerank-3 als direkt einsetzbaren Nachfolger von rerank-2.5 mit derselben API-Semantik und auf die Verteilung des entsprechenden Vorgängers kalibrierten Werten. Diese Kompatibilität unterstützt die Beibehaltung einer bestehenden Abrufstufe und Datensatzzuordnung. Vergleichen Sie aussagekräftige Ergebnisreihenfolgen und alle Schwellenwerte anhand des aktuellen Korpus, bevor Sie sich auf die Migration verlassen. Halten Sie rerank-3 und rerank-3-lite als eigenständige Auswahlmöglichkeiten: Gemeinsame Grenzen und Anweisungsbefolgung machen ihre Qualitäts- und Latenzprioritäten nicht identisch.
POST /v1/reranktextrerank| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Felddocuments | Typarray | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits voyageai/rerank-3 | Standard— |
Feldprovider | Typschema | AnforderungOptional | Werte und Limits | Standard— |
Feldquery | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsession_id | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtop_n | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 | Standard— |
Feldtrace | Typschema | AnforderungOptional | Werte und Limits | Standard— |
Felduser | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Felddocuments[].text | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Felddocuments[].image | Typstring | AnforderungOptional | Werte und Limits | Standard— |
text_rerank · Erforderlich: query, documents array with minItems1
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, query, documents |
Parametermaterial_types | Vertragtext |
Parameteroptional_controls | Vertragprovider, session_id, top_n, trace, user |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous
Senden Sie die exakte Modell-ID und bewahren Sie die vollständige native Antwort auf.
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 |
| KonfigurationUltra | Tarifstaffel— | Abrechnungseinheit/ 1K Tokens | Gebühr Eingabe $0.0001 / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "voyageai/rerank-3",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${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']='voyageai/rerank-3'\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\njson
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.
Bewahren Sie den ursprünglichen Vorgang sowie die vollständige oder teilweise Antwort auf; wiederholen Sie POST nicht.
| Feld | Typ |
|---|---|
Feldmodel | Typstring |
Feldid | Typstring |
Feldprovider | Typstring |
Feldresults[].index | Typinteger |
Feldresults[].relevance_score | Typnumber |
Feldresults[].document.text | Typstring |
Feldresults[].document.image | Typstring |
Feldusage.search_units | Typinteger |
Feldusage.total_tokens | Typinteger |
Feldusage.cost | Typnumber |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültiges Pflichtfeld, ungültige Darstellung oder ungültiger Wert | Nächster SchrittKorrigieren Sie das angegebene Anfragefeld. |
Ailoot Ultra voyageai/rerank-3
Verwenden Sie die oben angezeigten Methodenpfade.