{ "aboutHtml": "

Cohere Rerank 3.5 ist ein mehrsprachiges Modell zur Relevanzsortierung von Dokumentkandidaten und halbstrukturiertem Text. Es bewertet jeden Kandidaten in Bezug auf eine Anfrage und gibt eine neu geordnete Ergebnisliste mit Relevanzwerten zurück. Es kann Kandidaten aus einer Schlüsselwort- oder semantischen Suche verfeinern und Passagen für eine durch Suche ergänzte Antwort auswählen. Seine Aufgabe ist eine bessere Reihenfolge der Belege statt der Erzeugung einer frei formulierten Antwort oder eines neuen Korpusindex.

Die genaue Herstellerkennung lautet rerank-v3.5. Es verwendet einen Kontext von 4096 Tokens, getrennt vom 32K-Kontext von Rerank 4 Pro und Fast. Anfrage- und Dokumenttokens zählen gemeinsam gegen dieses Fenster je Kandidat. Die modellspezifische Vorbereitungsanleitung kürzt eine Anfrage nach ihren ersten 2048 Tokens und beschreibt Dokumentabschnitte von 4093 Tokens, bevor die Anfrage berücksichtigt wird. Halten Sie die Anfrage gezielt und bereiten Sie Kandidatenpassagen vor, die die zur Beurteilung der gewünschten Beziehung benötigten Informationen enthalten.

Stellen Sie die Anfrage und eine Liste von Kandidatentexten als Zeichenfolgen bereit. Jedes Ergebnis enthält einen Index auf die ursprüngliche Dokumentposition und einen Relevanzwert; top_n bestimmt, wie viele sortierte Ergebnisse behalten werden. Ohne diese Angabe gibt der dokumentierte Herstellerablauf alle Ergebnisse zurück. Bewahren Sie Dokumentkennungen unabhängig vom Wert, damit die oberste Passage weiterhin zur ursprünglichen Richtlinie, zum Produktdatensatz oder zur Nachricht zurückverfolgt werden kann.

Rerank 3.5 unterstützt mehr als 100 Sprachen, einschließlich englischer und nichtenglischer Materialien. Eine Anfrage kann mehrere Bedarfsaspekte enthalten, etwa Produkt, Nutzersituation und gewünschtes Verfahren. Für strukturierte Datensätze hat die V2-Version rohe Dokumentobjekte entfernt und empfiehlt YAML-Zeichenfolgen. Halten Sie nützliche Felder in einer bewusst gewählten Reihenfolge und stellen Sie entscheidende Inhalte vor weniger relevante Metadaten, da lange Zeichenfolgen gekürzt werden können. Dies eignet sich für Titel und Inhalt, Produktattribute oder Nachrichtenbetreff und -text.

Die V2-Herstellerreferenz verwendet max_tokens_per_doc zur Dokumentkürzung mit dem Standardwert 4096. Coheres Vorbereitungsanleitung beschreibt außerdem die Aufteilung langer Dokumente; die effektive Eingabe hängt vom gewählten Ablauf und seinen Dokumenteinstellungen ab. Bereiten Sie für mehr Kontrolle selbst identifizierbare Passagen vor, statt anzunehmen, dass jeder Abschnitt einer langen Quelle sichtbar bleibt. Bewahren Sie genügend umgebenden Kontext, um eine antworttragende Passage von einer Passage zu unterscheiden, die lediglich dasselbe Vokabular verwendet.

Für die Anfrageleistung empfiehlt die aktuelle Referenz, nicht mehr als 1.000 Dokumente auf einmal zu senden. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab und bilden keine lineare Korrektheitsskala. Verwenden Sie die Rangfolge, um nützliche Belege zu finden. Wird ein Schwellenwert benötigt, wählen Sie repräsentative Fachanfragen und grenzwertig relevante Passagen, damit der Schwellenwert die tatsächliche Suchaufgabe widerspiegelt.

Ein praktischer Supportablauf kann mögliche Abschnitte einer Rückgaberichtlinie für eine Frage zu einem beschädigten Artikel neu sortieren und den ausgewählten Quelltext anschließend an einen Antwortschritt weitergeben. Eine E-Mail-Suche kann Nachrichten nach einem bestimmten Problem ordnen und bei jedem Ergebnis die ursprüngliche Nachrichtenkennung bewahren. Das nützliche Ergebnis ist die geordnete Belegliste. Halten Sie den kürzeren Kontext von Rerank 3.5 und die V2-Dokumentvorbereitung mit diesem Ergebnis verbunden, statt die Grenzen späterer Modelle einzusetzen.

", "aboutText": "Cohere Rerank 3.5 ist ein mehrsprachiges Modell zur Relevanzsortierung von Dokumentkandidaten und halbstrukturiertem Text. Es bewertet jeden Kandidaten in Bezug auf eine Anfrage und gibt eine neu geordnete Ergebnisliste mit Relevanzwerten zurück. Es kann Kandidaten aus einer Schlüsselwort- oder semantischen Suche verfeinern und Passagen für eine durch Suche ergänzte Antwort auswählen. Seine Aufgabe ist eine bessere Reihenfolge der Belege statt der Erzeugung einer frei formulierten Antwort oder eines neuen Korpusindex.\n\nDie genaue Herstellerkennung lautet rerank-v3.5. Es verwendet einen Kontext von 4096 Tokens, getrennt vom 32K-Kontext von Rerank 4 Pro und Fast. Anfrage- und Dokumenttokens zählen gemeinsam gegen dieses Fenster je Kandidat. Die modellspezifische Vorbereitungsanleitung kürzt eine Anfrage nach ihren ersten 2048 Tokens und beschreibt Dokumentabschnitte von 4093 Tokens, bevor die Anfrage berücksichtigt wird. Halten Sie die Anfrage gezielt und bereiten Sie Kandidatenpassagen vor, die die zur Beurteilung der gewünschten Beziehung benötigten Informationen enthalten.\n\nStellen Sie die Anfrage und eine Liste von Kandidatentexten als Zeichenfolgen bereit. Jedes Ergebnis enthält einen Index auf die ursprüngliche Dokumentposition und einen Relevanzwert; top_n bestimmt, wie viele sortierte Ergebnisse behalten werden. Ohne diese Angabe gibt der dokumentierte Herstellerablauf alle Ergebnisse zurück. Bewahren Sie Dokumentkennungen unabhängig vom Wert, damit die oberste Passage weiterhin zur ursprünglichen Richtlinie, zum Produktdatensatz oder zur Nachricht zurückverfolgt werden kann.\n\nRerank 3.5 unterstützt mehr als 100 Sprachen, einschließlich englischer und nichtenglischer Materialien. Eine Anfrage kann mehrere Bedarfsaspekte enthalten, etwa Produkt, Nutzersituation und gewünschtes Verfahren. Für strukturierte Datensätze hat die V2-Version rohe Dokumentobjekte entfernt und empfiehlt YAML-Zeichenfolgen. Halten Sie nützliche Felder in einer bewusst gewählten Reihenfolge und stellen Sie entscheidende Inhalte vor weniger relevante Metadaten, da lange Zeichenfolgen gekürzt werden können. Dies eignet sich für Titel und Inhalt, Produktattribute oder Nachrichtenbetreff und -text.\n\nDie V2-Herstellerreferenz verwendet max_tokens_per_doc zur Dokumentkürzung mit dem Standardwert 4096. Coheres Vorbereitungsanleitung beschreibt außerdem die Aufteilung langer Dokumente; die effektive Eingabe hängt vom gewählten Ablauf und seinen Dokumenteinstellungen ab. Bereiten Sie für mehr Kontrolle selbst identifizierbare Passagen vor, statt anzunehmen, dass jeder Abschnitt einer langen Quelle sichtbar bleibt. Bewahren Sie genügend umgebenden Kontext, um eine antworttragende Passage von einer Passage zu unterscheiden, die lediglich dasselbe Vokabular verwendet.\n\nFür die Anfrageleistung empfiehlt die aktuelle Referenz, nicht mehr als 1.000 Dokumente auf einmal zu senden. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab und bilden keine lineare Korrektheitsskala. Verwenden Sie die Rangfolge, um nützliche Belege zu finden. Wird ein Schwellenwert benötigt, wählen Sie repräsentative Fachanfragen und grenzwertig relevante Passagen, damit der Schwellenwert die tatsächliche Suchaufgabe widerspiegelt.\n\nEin praktischer Supportablauf kann mögliche Abschnitte einer Rückgaberichtlinie für eine Frage zu einem beschädigten Artikel neu sortieren und den ausgewählten Quelltext anschließend an einen Antwortschritt weitergeben. Eine E-Mail-Suche kann Nachrichten nach einem bestimmten Problem ordnen und bei jedem Ergebnis die ursprüngliche Nachrichtenkennung bewahren. Das nützliche Ergebnis ist die geordnete Belegliste. Halten Sie den kürzeren Kontext von Rerank 3.5 und die V2-Dokumentvorbereitung mit diesem Ergebnis verbunden, statt die Grenzen späterer Modelle einzusetzen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "161ea3c7fda3a8a37853a284ae1a1477f77310c777582d16f4f085530185e0d3", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "
•

Cohere: Rerank v3.5

Cohere /cohere/rerank-v3.5

Start

Cohere Rerank 3.5 ordnet Kandidatentexte und halbstrukturierte Datensätze nach ihrer Relevanz für eine Anfrage neu. Es unterstützt mehr als 100 Sprachen und einen Kontext von 4096 Tokens, um Ergebnisse einer Schlüsselwort- oder semantischen Suche vor einer Antwort oder Suchanzeige zu verfeinern.

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 3.5 ist ein mehrsprachiges Modell zur Relevanzsortierung von Dokumentkandidaten und halbstrukturiertem Text. Es bewertet jeden Kandidaten in Bezug auf eine Anfrage und gibt eine neu geordnete Ergebnisliste mit Relevanzwerten zurück. Es kann Kandidaten aus einer Schlüsselwort- oder semantischen Suche verfeinern und Passagen für eine durch Suche ergänzte Antwort auswählen. Seine Aufgabe ist eine bessere Reihenfolge der Belege statt der Erzeugung einer frei formulierten Antwort oder eines neuen Korpusindex.

Die genaue Herstellerkennung lautet rerank-v3.5. Es verwendet einen Kontext von 4096 Tokens, getrennt vom 32K-Kontext von Rerank 4 Pro und Fast. Anfrage- und Dokumenttokens zählen gemeinsam gegen dieses Fenster je Kandidat. Die modellspezifische Vorbereitungsanleitung kürzt eine Anfrage nach ihren ersten 2048 Tokens und beschreibt Dokumentabschnitte von 4093 Tokens, bevor die Anfrage berücksichtigt wird. Halten Sie die Anfrage gezielt und bereiten Sie Kandidatenpassagen vor, die die zur Beurteilung der gewünschten Beziehung benötigten Informationen enthalten.

Stellen Sie die Anfrage und eine Liste von Kandidatentexten als Zeichenfolgen bereit. Jedes Ergebnis enthält einen Index auf die ursprüngliche Dokumentposition und einen Relevanzwert; top_n bestimmt, wie viele sortierte Ergebnisse behalten werden. Ohne diese Angabe gibt der dokumentierte Herstellerablauf alle Ergebnisse zurück. Bewahren Sie Dokumentkennungen unabhängig vom Wert, damit die oberste Passage weiterhin zur ursprünglichen Richtlinie, zum Produktdatensatz oder zur Nachricht zurückverfolgt werden kann.

Rerank 3.5 unterstützt mehr als 100 Sprachen, einschließlich englischer und nichtenglischer Materialien. Eine Anfrage kann mehrere Bedarfsaspekte enthalten, etwa Produkt, Nutzersituation und gewünschtes Verfahren. Für strukturierte Datensätze hat die V2-Version rohe Dokumentobjekte entfernt und empfiehlt YAML-Zeichenfolgen. Halten Sie nützliche Felder in einer bewusst gewählten Reihenfolge und stellen Sie entscheidende Inhalte vor weniger relevante Metadaten, da lange Zeichenfolgen gekürzt werden können. Dies eignet sich für Titel und Inhalt, Produktattribute oder Nachrichtenbetreff und -text.

Die V2-Herstellerreferenz verwendet max_tokens_per_doc zur Dokumentkürzung mit dem Standardwert 4096. Coheres Vorbereitungsanleitung beschreibt außerdem die Aufteilung langer Dokumente; die effektive Eingabe hängt vom gewählten Ablauf und seinen Dokumenteinstellungen ab. Bereiten Sie für mehr Kontrolle selbst identifizierbare Passagen vor, statt anzunehmen, dass jeder Abschnitt einer langen Quelle sichtbar bleibt. Bewahren Sie genügend umgebenden Kontext, um eine antworttragende Passage von einer Passage zu unterscheiden, die lediglich dasselbe Vokabular verwendet.

Für die Anfrageleistung empfiehlt die aktuelle Referenz, nicht mehr als 1.000 Dokumente auf einmal zu senden. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab und bilden keine lineare Korrektheitsskala. Verwenden Sie die Rangfolge, um nützliche Belege zu finden. Wird ein Schwellenwert benötigt, wählen Sie repräsentative Fachanfragen und grenzwertig relevante Passagen, damit der Schwellenwert die tatsächliche Suchaufgabe widerspiegelt.

Ein praktischer Supportablauf kann mögliche Abschnitte einer Rückgaberichtlinie für eine Frage zu einem beschädigten Artikel neu sortieren und den ausgewählten Quelltext anschließend an einen Antwortschritt weitergeben. Eine E-Mail-Suche kann Nachrichten nach einem bestimmten Problem ordnen und bei jedem Ergebnis die ursprüngliche Nachrichtenkennung bewahren. Das nützliche Ergebnis ist die geordnete Belegliste. Halten Sie den kürzeren Kontext von Rerank 3.5 und die V2-Dokumentvorbereitung mit diesem Ergebnis verbunden, statt die Grenzen späterer Modelle einzusetzen.

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-v3.5
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 $0.002 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-v3.5",\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-v3.5

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

cohere/rerank-v3.5

", "method_identity": { "effective_request_model_id": "cohere/rerank-v3.5", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "cohere/rerank-v3.5", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|cohere%2Frerank-v3.5", "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-v3.5" ], "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": 4096, "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-v3.5" ], "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5\",\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-v3.5'\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": 0.002 } }, "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5", "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5", "nativeProvenance": { "input_facts_canonical_sha256": "36b12faf61099ef69678b4ecfad09d51a90a9440e08695b2326c8a5521658e7e", "input_html_sha256": "9f96901d064e9666c3a8c463cfd77df5d5dd255e72c2afeb440a5a11d70c5e6b", "private_audit_sha256": "7451203104d74a31ca1a540317a20e3f9681596cbe82c5b52be8c24179212f11", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/de/cohere-rerank-v3-5/", "description": "Cohere Rerank 3.5 ordnet Kandidatentexte und halbstrukturierte Datensätze nach ihrer Relevanz für eine Anfrage neu. Es unterstützt mehr als 100 Sprachen und einen Kontext von 4096 Tokens, um Ergebnisse einer Schlüsselwort- oder semantischen Suche vor einer Antwort oder Suchanzeige zu verfeinern.", "locale": "de", "md_url": "https://ailoot.ai/models/de/cohere-rerank-v3-5/index.md", "title": "Cohere: Rerank v3.5 — Ailoot", "url": "https://ailoot.ai/models/de/cohere-rerank-v3-5/" }, "rawModel": { "about": "Cohere Rerank 3.5 ist ein mehrsprachiges Modell zur Relevanzsortierung von Dokumentkandidaten und halbstrukturiertem Text. Es bewertet jeden Kandidaten in Bezug auf eine Anfrage und gibt eine neu geordnete Ergebnisliste mit Relevanzwerten zurück. Es kann Kandidaten aus einer Schlüsselwort- oder semantischen Suche verfeinern und Passagen für eine durch Suche ergänzte Antwort auswählen. Seine Aufgabe ist eine bessere Reihenfolge der Belege statt der Erzeugung einer frei formulierten Antwort oder eines neuen Korpusindex.\n\nDie genaue Herstellerkennung lautet rerank-v3.5. Es verwendet einen Kontext von 4096 Tokens, getrennt vom 32K-Kontext von Rerank 4 Pro und Fast. Anfrage- und Dokumenttokens zählen gemeinsam gegen dieses Fenster je Kandidat. Die modellspezifische Vorbereitungsanleitung kürzt eine Anfrage nach ihren ersten 2048 Tokens und beschreibt Dokumentabschnitte von 4093 Tokens, bevor die Anfrage berücksichtigt wird. Halten Sie die Anfrage gezielt und bereiten Sie Kandidatenpassagen vor, die die zur Beurteilung der gewünschten Beziehung benötigten Informationen enthalten.\n\nStellen Sie die Anfrage und eine Liste von Kandidatentexten als Zeichenfolgen bereit. Jedes Ergebnis enthält einen Index auf die ursprüngliche Dokumentposition und einen Relevanzwert; top_n bestimmt, wie viele sortierte Ergebnisse behalten werden. Ohne diese Angabe gibt der dokumentierte Herstellerablauf alle Ergebnisse zurück. Bewahren Sie Dokumentkennungen unabhängig vom Wert, damit die oberste Passage weiterhin zur ursprünglichen Richtlinie, zum Produktdatensatz oder zur Nachricht zurückverfolgt werden kann.\n\nRerank 3.5 unterstützt mehr als 100 Sprachen, einschließlich englischer und nichtenglischer Materialien. Eine Anfrage kann mehrere Bedarfsaspekte enthalten, etwa Produkt, Nutzersituation und gewünschtes Verfahren. Für strukturierte Datensätze hat die V2-Version rohe Dokumentobjekte entfernt und empfiehlt YAML-Zeichenfolgen. Halten Sie nützliche Felder in einer bewusst gewählten Reihenfolge und stellen Sie entscheidende Inhalte vor weniger relevante Metadaten, da lange Zeichenfolgen gekürzt werden können. Dies eignet sich für Titel und Inhalt, Produktattribute oder Nachrichtenbetreff und -text.\n\nDie V2-Herstellerreferenz verwendet max_tokens_per_doc zur Dokumentkürzung mit dem Standardwert 4096. Coheres Vorbereitungsanleitung beschreibt außerdem die Aufteilung langer Dokumente; die effektive Eingabe hängt vom gewählten Ablauf und seinen Dokumenteinstellungen ab. Bereiten Sie für mehr Kontrolle selbst identifizierbare Passagen vor, statt anzunehmen, dass jeder Abschnitt einer langen Quelle sichtbar bleibt. Bewahren Sie genügend umgebenden Kontext, um eine antworttragende Passage von einer Passage zu unterscheiden, die lediglich dasselbe Vokabular verwendet.\n\nFür die Anfrageleistung empfiehlt die aktuelle Referenz, nicht mehr als 1.000 Dokumente auf einmal zu senden. Relevanzwerte sind zwischen 0 und 1 normalisiert, hängen jedoch von Anfrage und Kandidaten ab und bilden keine lineare Korrektheitsskala. Verwenden Sie die Rangfolge, um nützliche Belege zu finden. Wird ein Schwellenwert benötigt, wählen Sie repräsentative Fachanfragen und grenzwertig relevante Passagen, damit der Schwellenwert die tatsächliche Suchaufgabe widerspiegelt.\n\nEin praktischer Supportablauf kann mögliche Abschnitte einer Rückgaberichtlinie für eine Frage zu einem beschädigten Artikel neu sortieren und den ausgewählten Quelltext anschließend an einen Antwortschritt weitergeben. Eine E-Mail-Suche kann Nachrichten nach einem bestimmten Problem ordnen und bei jedem Ergebnis die ursprüngliche Nachrichtenkennung bewahren. Das nützliche Ergebnis ist die geordnete Belegliste. Halten Sie den kürzeren Kontext von Rerank 3.5 und die V2-Dokumentvorbereitung mit diesem Ergebnis verbunden, statt die Grenzen späterer Modelle einzusetzen.", "alias_of": null, "aliases": [], "author": "Cohere", "available": null, "canonical_model": "cohere/rerank-v3.5", "capabilities": { "context_length": 4096, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5", "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-v3.5" ], "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": 4096, "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-v3.5" ], "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5\",\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-v3.5'\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": 0.002 } }, "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5", "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": "0.002", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.002", "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-v3.5", "request_model_id": "cohere/rerank-v3.5", "route_label": "Ultra" } ], "name": "Cohere: Rerank v3.5", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "cohere/rerank-v3.5", "short": "Cohere Rerank 3.5 ordnet Kandidatentexte und halbstrukturierte Datensätze nach ihrer Relevanz für eine Anfrage neu. Es unterstützt mehr als 100 Sprachen und einen Kontext von 4096 Tokens, um Ergebnisse einer Schlüsselwort- oder semantischen Suche vor einer Antwort oder Suchanzeige zu verfeinern." }, "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 3.5 ordnet Kandidatentexte und halbstrukturierte Datensätze nach ihrer Relevanz für eine Anfrage neu. Es unterstützt mehr als 100 Sprachen und einen Kontext von 4096 Tokens, um Ergebnisse einer Schlüsselwort- oder semantischen Suche vor einer Antwort oder Suchanzeige zu verfeinern.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "bd1dbeb37245d9db97767640396eda07ded3ef132a976167fb66b19e186e0e75", "renderer_sha256": "8bd3076b303b7b3aa4d961032854071403a471ec26a4f50c64e3a32556ea2925" }, "sourceRevision": "f4d03ade9cd779fd6f92ee046d95678462ffadfbaab157d68d0b58e54489738e" }