{ "aboutHtml": "

Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Dokumentkandidaten anhand einer Anfrage und gibt ihre Relevanzreihenfolge und Werte zurück. Das Modell ist für komplexe Suchaufgaben gedacht, einschließlich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Suchablauf oder einen durch Suche ergänzten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft zu wählen, welche Passagen angezeigt oder der nächsten Stufe 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 Vorrang hat, während Fast auf geringere Latenz und höheren Durchsatz zielt. Beide Rerank-4-Editionen verwenden einen Kontext von 32.768 Tokens. Anfrage und ein Dokumentkandidat teilen sich dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch eine Grenze für den gesamten gespeicherten Suchkorpus.

Stellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenfolgen bereit. Jedes zurückgegebene Ergebnis enthält den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann auswählen, wie viele sortierte Ergebnisse zurückgegeben werden. Ohne diese Angabe gibt der Hersteller alle Ergebnisse zurück. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit sich die Rangfolge mit der genauen Passage verbinden lässt. Fragen Sie bei einer Supportfrage nach den benötigten Bedingungen und stellen Sie die möglichen Richtlinienabschnitte bereit, statt vom Reranker das Finden von Richtlinien außerhalb der Liste zu erwarten.

Das Modell unterstützt mehr als 100 Sprachen und kann englisches und nichtenglisches Material neu sortieren. Nennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage nützlich machen, etwa Produkt, Situation und benötigtes Verfahren. Für halbstrukturierte Datensätze empfiehlt Cohere YAML-Zeichenfolgen statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewusst gewählten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung ist für Produktdatensätze, Nachrichten und Dokumentmetadaten ebenso nützlich wie für gewöhnlichen Fließtext.

Die modellspezifische Vorbereitungsanleitung begrenzt die Rerank-4-Anfrage auf die ersten 16.384 Tokens. Sie beschreibt die Verarbeitung längerer Dokumente in Abschnitten, die sich den Kontext von 32.768 Tokens mit der Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmäßig auf 4096 und erklärt, dass längere Dokumentzeichenfolgen 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 angemessenes Dokumentbudget, statt anzunehmen, jede lange Quelle werde stets vollständig gelesen.

Für die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1.000 Dokumente auf einmal zu senden. Bewahren Sie Kandidatenkennungen beim Aufteilen einer größeren Liste in überschaubare Gruppen. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen aber von Anfrage und Kandidaten ab; sie sind kein lineares Maß faktischer Korrektheit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Wenn Sie nach einem Schwellenwert filtern, bestimmen Sie ihn mit repräsentativen Anfragen und grenzwertig relevanten Passagen aus dem tatsächlichen Fachgebiet, statt einen universellen Grenzwert anzunehmen.

Ein nützliches Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder einen Schritt zur Belegauswahl. Ein Dokument mit hohem Relevanzwert kann weiterhin veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für die Stufe, die es verwendet. Der Zweck von Pro ist Relevanzbeurteilung, nicht das Schreiben frei formulierter Antworten oder die Erzeugung von Embeddings. Halten Sie die genaue Pro-Edition mit dem Ergebnis verbunden, wenn Sie einen Suchablauf vergleichen oder verfeinern.

", "aboutText": "Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Dokumentkandidaten anhand einer Anfrage und gibt ihre Relevanzreihenfolge und Werte zurück. Das Modell ist für komplexe Suchaufgaben gedacht, einschließlich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Suchablauf oder einen durch Suche ergänzten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft zu wählen, welche Passagen angezeigt oder der nächsten Stufe 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 Vorrang hat, während Fast auf geringere Latenz und höheren Durchsatz zielt. Beide Rerank-4-Editionen verwenden einen Kontext von 32.768 Tokens. Anfrage und ein Dokumentkandidat teilen sich dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch eine Grenze für den gesamten gespeicherten Suchkorpus.\n\nStellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenfolgen bereit. Jedes zurückgegebene Ergebnis enthält den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann auswählen, wie viele sortierte Ergebnisse zurückgegeben werden. Ohne diese Angabe gibt der Hersteller alle Ergebnisse zurück. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit sich die Rangfolge mit der genauen Passage verbinden lässt. Fragen Sie bei einer Supportfrage nach den benötigten Bedingungen und stellen Sie die möglichen Richtlinienabschnitte bereit, statt vom Reranker das Finden von Richtlinien außerhalb der Liste zu erwarten.\n\nDas Modell unterstützt mehr als 100 Sprachen und kann englisches und nichtenglisches Material neu sortieren. Nennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage nützlich machen, etwa Produkt, Situation und benötigtes Verfahren. Für halbstrukturierte Datensätze empfiehlt Cohere YAML-Zeichenfolgen statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewusst gewählten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung ist für Produktdatensätze, Nachrichten und Dokumentmetadaten ebenso nützlich wie für gewöhnlichen Fließtext.\n\nDie modellspezifische Vorbereitungsanleitung begrenzt die Rerank-4-Anfrage auf die ersten 16.384 Tokens. Sie beschreibt die Verarbeitung längerer Dokumente in Abschnitten, die sich den Kontext von 32.768 Tokens mit der Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmäßig auf 4096 und erklärt, dass längere Dokumentzeichenfolgen 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 angemessenes Dokumentbudget, statt anzunehmen, jede lange Quelle werde stets vollständig gelesen.\n\nFür die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1.000 Dokumente auf einmal zu senden. Bewahren Sie Kandidatenkennungen beim Aufteilen einer größeren Liste in überschaubare Gruppen. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen aber von Anfrage und Kandidaten ab; sie sind kein lineares Maß faktischer Korrektheit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Wenn Sie nach einem Schwellenwert filtern, bestimmen Sie ihn mit repräsentativen Anfragen und grenzwertig relevanten Passagen aus dem tatsächlichen Fachgebiet, statt einen universellen Grenzwert anzunehmen.\n\nEin nützliches Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder einen Schritt zur Belegauswahl. Ein Dokument mit hohem Relevanzwert kann weiterhin veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für die Stufe, die es verwendet. Der Zweck von Pro ist Relevanzbeurteilung, nicht das Schreiben frei formulierter Antworten oder die Erzeugung von Embeddings. Halten Sie die genaue Pro-Edition mit dem Ergebnis verbunden, wenn Sie einen Suchablauf vergleichen oder verfeinern.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1a914e040dab745beb3920d2334d6c02b00d852adf32b11d1813ff754d9d2864", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "
•

Cohere: Rerank 4 Pro

Cohere /cohere/rerank-4-pro

Start

Cohere Rerank 4 Pro ordnet Dokumentkandidaten nach ihrer Relevanz für eine Anfrage in Suchabläufen und durch Suche ergänzten Abläufen. Es ist die qualitätsorientierte Rerank-4-Edition mit 32K-Kontext, 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 Dokumentkandidaten anhand einer Anfrage und gibt ihre Relevanzreihenfolge und Werte zurück. Das Modell ist für komplexe Suchaufgaben gedacht, einschließlich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Suchablauf oder einen durch Suche ergänzten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft zu wählen, welche Passagen angezeigt oder der nächsten Stufe 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 Vorrang hat, während Fast auf geringere Latenz und höheren Durchsatz zielt. Beide Rerank-4-Editionen verwenden einen Kontext von 32.768 Tokens. Anfrage und ein Dokumentkandidat teilen sich dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch eine Grenze für den gesamten gespeicherten Suchkorpus.

Stellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenfolgen bereit. Jedes zurückgegebene Ergebnis enthält den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann auswählen, wie viele sortierte Ergebnisse zurückgegeben werden. Ohne diese Angabe gibt der Hersteller alle Ergebnisse zurück. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit sich die Rangfolge mit der genauen Passage verbinden lässt. Fragen Sie bei einer Supportfrage nach den benötigten Bedingungen und stellen Sie die möglichen Richtlinienabschnitte bereit, statt vom Reranker das Finden von Richtlinien außerhalb der Liste zu erwarten.

Das Modell unterstützt mehr als 100 Sprachen und kann englisches und nichtenglisches Material neu sortieren. Nennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage nützlich machen, etwa Produkt, Situation und benötigtes Verfahren. Für halbstrukturierte Datensätze empfiehlt Cohere YAML-Zeichenfolgen statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewusst gewählten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung ist für Produktdatensätze, Nachrichten und Dokumentmetadaten ebenso nützlich wie für gewöhnlichen Fließtext.

Die modellspezifische Vorbereitungsanleitung begrenzt die Rerank-4-Anfrage auf die ersten 16.384 Tokens. Sie beschreibt die Verarbeitung längerer Dokumente in Abschnitten, die sich den Kontext von 32.768 Tokens mit der Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmäßig auf 4096 und erklärt, dass längere Dokumentzeichenfolgen 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 angemessenes Dokumentbudget, statt anzunehmen, jede lange Quelle werde stets vollständig gelesen.

Für die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1.000 Dokumente auf einmal zu senden. Bewahren Sie Kandidatenkennungen beim Aufteilen einer größeren Liste in überschaubare Gruppen. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen aber von Anfrage und Kandidaten ab; sie sind kein lineares Maß faktischer Korrektheit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Wenn Sie nach einem Schwellenwert filtern, bestimmen Sie ihn mit repräsentativen Anfragen und grenzwertig relevanten Passagen aus dem tatsächlichen Fachgebiet, statt einen universellen Grenzwert anzunehmen.

Ein nützliches Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder einen Schritt zur Belegauswahl. Ein Dokument mit hohem Relevanzwert kann weiterhin veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für die Stufe, die es verwendet. Der Zweck von Pro ist Relevanzbeurteilung, nicht das Schreiben frei formulierter Antworten oder die Erzeugung von Embeddings. Halten Sie die genaue Pro-Edition mit dem Ergebnis verbunden, wenn Sie einen Suchablauf vergleichen oder verfeinern.

In Ailoot verfügbar · Eingaben und Methoden

Ailoot Ultra · Neusortierung POST /v1/rerank
Eingabetypen
text
Ausgabetypen
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 genaue Modell-ID und bewahren Sie die vollständige native Antwort auf.

Tarife

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

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

Ailoot-Tarife

Preise nach Konfiguration

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

KonfigurationTarifstaffelAbrechnungseinheitGebühr
KonfigurationBasistarife für TokenTarifstaffelGrundtarifAbrechnungseinheit—Gebühr
Eingabe · Eingabetoken — / 1K Token
Ausgabe · Ausgabetoken — / 1K Token
Eingabe · Cache-Lesen — / 1K Token
Eingabe · Cache-Schreiben — / 1K Token
Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token
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 jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes beziehen sich auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.

Wenn die ursprüngliche Antwort geprüft werden muss

Bewahren Sie den ursprünglichen Vorgang 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 jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes beziehen sich auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-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 genaue 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": "b6a0d8cd9058e7c81b0cba0fd7ca01e18ad0a34684943da2c7861d46d4ab6fc3", "input_html_sha256": "2268ae4f5d75599d2128d4c33368946960b05d34ad064f61069b88f37599727b", "private_audit_sha256": "e3246ca06de50e22db8ee327472dbe2e2b0eaa89bc3e19ce94d82c7b8e8df320", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de/cohere-rerank-4-pro/", "description": "Cohere Rerank 4 Pro ordnet Dokumentkandidaten nach ihrer Relevanz für eine Anfrage in Suchabläufen und durch Suche ergänzten Abläufen. Es ist die qualitätsorientierte Rerank-4-Edition mit 32K-Kontext, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text.", "locale": "de", "md_url": "https://ailoot.ai/models/de/cohere-rerank-4-pro/index.md", "title": "Cohere: Rerank 4 Pro — Ailoot", "url": "https://ailoot.ai/models/de/cohere-rerank-4-pro/" }, "rawModel": { "about": "Cohere Rerank 4 Pro ist das qualitätsorientierte Modell der Rerank-4-Familie von Cohere. Es bewertet Dokumentkandidaten anhand einer Anfrage und gibt ihre Relevanzreihenfolge und Werte zurück. Das Modell ist für komplexe Suchaufgaben gedacht, einschließlich mehrsprachiger Dokumente und halbstrukturierter Informationen. Es passt in einen Suchablauf oder einen durch Suche ergänzten Ablauf, nachdem ein bestehendes System Kandidaten gesammelt hat: Das Ergebnis hilft zu wählen, welche Passagen angezeigt oder der nächsten Stufe 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 Vorrang hat, während Fast auf geringere Latenz und höheren Durchsatz zielt. Beide Rerank-4-Editionen verwenden einen Kontext von 32.768 Tokens. Anfrage und ein Dokumentkandidat teilen sich dieses Budget; es ist weder ein separates vollständiges Fenster für jedes Eingabefeld noch eine Grenze für den gesamten gespeicherten Suchkorpus.\n\nStellen Sie eine klare Anfrage und die Liste der Kandidatentexte als Zeichenfolgen bereit. Jedes zurückgegebene Ergebnis enthält den ursprünglichen Dokumentindex und einen Relevanzwert; top_n kann auswählen, wie viele sortierte Ergebnisse zurückgegeben werden. Ohne diese Angabe gibt der Hersteller alle Ergebnisse zurück. Bewahren Sie neben jeder Eingabe eine Quellenkennung, damit sich die Rangfolge mit der genauen Passage verbinden lässt. Fragen Sie bei einer Supportfrage nach den benötigten Bedingungen und stellen Sie die möglichen Richtlinienabschnitte bereit, statt vom Reranker das Finden von Richtlinien außerhalb der Liste zu erwarten.\n\nDas Modell unterstützt mehr als 100 Sprachen und kann englisches und nichtenglisches Material neu sortieren. Nennen Sie bei einer Anfrage mit mehreren Anforderungen die Bedingungen, die eine Passage nützlich machen, etwa Produkt, Situation und benötigtes Verfahren. Für halbstrukturierte Datensätze empfiehlt Cohere YAML-Zeichenfolgen statt roher Objekte in der V2-Dokumentliste. Halten Sie aussagekräftige Felder wie Titel und Inhalt in einer bewusst gewählten Reihenfolge, da Kürzung spätere Felder entfernen kann. Diese Vorbereitung ist für Produktdatensätze, Nachrichten und Dokumentmetadaten ebenso nützlich wie für gewöhnlichen Fließtext.\n\nDie modellspezifische Vorbereitungsanleitung begrenzt die Rerank-4-Anfrage auf die ersten 16.384 Tokens. Sie beschreibt die Verarbeitung längerer Dokumente in Abschnitten, die sich den Kontext von 32.768 Tokens mit der Anfrage und reservierten Tokens teilen. Die aktuelle V2-Referenz setzt max_tokens_per_doc separat standardmäßig auf 4096 und erklärt, dass längere Dokumentzeichenfolgen 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 angemessenes Dokumentbudget, statt anzunehmen, jede lange Quelle werde stets vollständig gelesen.\n\nFür die empfohlene Anfrageleistung rät Cohere davon ab, mehr als 1.000 Dokumente auf einmal zu senden. Bewahren Sie Kandidatenkennungen beim Aufteilen einer größeren Liste in überschaubare Gruppen. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen aber von Anfrage und Kandidaten ab; sie sind kein lineares Maß faktischer Korrektheit. Verwenden Sie die Reihenfolge als primäres Suchergebnis. Wenn Sie nach einem Schwellenwert filtern, bestimmen Sie ihn mit repräsentativen Anfragen und grenzwertig relevanten Passagen aus dem tatsächlichen Fachgebiet, statt einen universellen Grenzwert anzunehmen.\n\nEin nützliches Endergebnis ist eine sortierte Kandidatenliste mit Quellenkennungen und Werten, bereit für ein Suchergebnis oder einen Schritt zur Belegauswahl. Ein Dokument mit hohem Relevanzwert kann weiterhin veraltete oder falsche Informationen enthalten; bewahren Sie deshalb Quelle und Inhalt für die Stufe, die es verwendet. Der Zweck von Pro ist Relevanzbeurteilung, nicht das Schreiben frei formulierter Antworten oder die Erzeugung von Embeddings. Halten Sie die genaue Pro-Edition mit dem Ergebnis verbunden, wenn Sie einen Suchablauf vergleichen oder verfeinern.", "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 jedes ursprüngliche Dokumentobjekt bleiben erhalten. Die Indizes beziehen sich auf das ursprüngliche Dokumentarray. Das gesamte ursprüngliche JSON wird gespeichert und erst nach der Abrechnung zurückgegeben.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-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 genaue 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 Dokumentkandidaten nach ihrer Relevanz für eine Anfrage in Suchabläufen und durch Suche ergänzten Abläufen. Es ist die qualitätsorientierte Rerank-4-Edition mit 32K-Kontext, 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 Dokumentkandidaten nach ihrer Relevanz für eine Anfrage in Suchabläufen und durch Suche ergänzten Abläufen. Es ist die qualitätsorientierte Rerank-4-Edition mit 32K-Kontext, mehrsprachiger Abdeckung und Unterstützung für halbstrukturierten Text.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "ef6375d5e33a0ff32c1df7313f9d63a151782e099fd97c3c5854b9bda95b5b23", "renderer_sha256": "8bd3076b303b7b3aa4d961032854071403a471ec26a4f50c64e3a32556ea2925" }, "sourceRevision": "82e0a7e31b3d2130e60c1dc0899db8668955c48714c11118104ebbb564dfcfa2" }