Το rerank-2.5 είναι ο reranker της Voyage AI που ακολουθεί οδηγίες, σχεδιασμένος για βελτίωση συνόλου υποψηφίων αναζήτησης. Εξετάζει μαζί ερώτημα και κάθε έγγραφο ως cross-encoder και επιστρέφει σειρά συνάφειας. Η κυκλοφορία του κατασκευαστή τονίζει έλεγχο φυσικής γλώσσας στο τι θεωρείται σχετικό, πολύγλωσση ανάκτηση και μεγαλύτερο παράθυρο ερωτήματος–εγγράφου από το προηγούμενο rerank-2.
Η είσοδος είναι ερώτημα και λίστα υποψήφιων εγγράφων κειμένου. Μπορεί να είναι αποσπάσματα επιλεγμένα από αναζήτηση embeddings ή λεξική αναζήτηση πρώτου σταδίου. Ο reranker αξιολογεί το παρεχόμενο κείμενο αντί να δημιουργεί embeddings σώματος εγγράφων, οπότε ο πρακτικός του ρόλος είναι να βελτιώνει τους υποψηφίους που βρήκε ήδη η αρχική αναζήτηση.
Διατηρήστε την αρχική σειρά υποψηφίων και τα αναγνωριστικά πηγών κατά την προετοιμασία της λίστας. Οι επιστρεφόμενοι δείκτες αναφέρονται σε αυτές τις θέσεις εισόδου. Για εργασία RAG, δώστε τα αποσπάσματα που μπορεί πράγματι να χρησιμοποιήσει το στάδιο απάντησης, μαζί με τίτλο ή προϋποθέσεις που χρειάζονται για ερμηνεία. Σχετικό έγγραφο που απουσιάζει από το υποβαλλόμενο σύνολο δεν μπορεί να εμφανιστεί ως νεοευρεθέν αποτέλεσμα ανακατάταξης.
Οι οδηγίες μπορούν να προστεθούν πριν ή μετά το ερώτημα. Η κυκλοφορία περιγράφει τρεις χρήσιμους ρόλους: έμφαση σε συγκεκριμένο μέρος εγγράφου, προτίμηση τύπου πηγής και αποσαφήνιση ερωτήματος με συμφραζόμενα εφαρμογής. Αυτά μεταβάλλουν την εργασία συνάφειας που παρουσιάζεται στο μοντέλο.
Για τεχνική αναζήτηση, ενδεικτική οδηγία είναι «Δώστε προτεραιότητα σε αποσπάσματα που εξηγούν τη συμπεριφορά αποτυχίας και αποκατάστασης· οι εισαγωγικές επισκοπήσεις είναι δευτερεύουσες». Για ερευνητική συλλογή, ορίστε αν μετρά περισσότερο τίτλος, μέθοδος ή αποτέλεσμα. Για αμφίσημο όρο, δηλώστε το θεματικό πεδίο αναζήτησης. Κρατήστε συμβατές ερώτηση και οδηγία, ώστε η μία να μη ζητά ευρύ θέμα ενώ η άλλη αλλάζει σιωπηρά την εργασία.
Αυτές οι προτιμήσεις καθοδηγούν τη βαθμολόγηση συνάφειας. Αν η εφαρμογή έχει αυστηρές απαιτήσεις επιλεξιμότητας — όπως έκδοση πηγής, ημερομηνία ή πεδίο πρόσβασης — προετοιμάστε χωριστά το επιλέξιμο σύνολο υποψηφίων. Η οδηγία συνάφειας του μοντέλου και ένας ντετερμινιστικός περιορισμός συλλογής εξυπηρετούν διαφορετικούς σκοπούς.
Τα αποτελέσματα έχουν φθίνουσα σειρά συνάφειας και περιλαμβάνουν βαθμολογία κινητής υποδιαστολής και τον αρχικό δείκτη εισόδου του υποψηφίου. Η επιλογή top-k επιλέγει πόσα κορυφαία αποτελέσματα επιστρέφονται· χωρίς αυτή, η προδιαγραφή του κατασκευαστή επιστρέφει όλους τους υποβαλλόμενους υποψηφίους. Μια προαιρετική ρύθμιση επιστροφής εγγράφων περιλαμβάνει το αντίστοιχο αρχικό κείμενο· διαφορετικά η απόκριση περιέχει δείκτες και βαθμολογίες.
Χρησιμοποιήστε τη σειρά για επιλογή αποσπασμάτων προς εμφάνιση ή μεταγενέστερο στάδιο απάντησης, διατηρώντας άθικτη την ταυτότητα πηγής. Εξετάστε το πραγματικό κείμενο όταν αξιολογείτε την κατάταξη: η βαθμολογία μετρά συνάφεια προς το υποβαλλόμενο ερώτημα, όχι παραγόμενη απάντηση ή επαλήθευση ορθότητας ισχυρισμών εγγράφου. Έτσι το μοντέλο χρησιμεύει για βελτίωση τεχνικού, νομικού, χρηματοοικονομικού, ιατρικού, συνομιλιακού και πολύγλωσσου υλικού αναζήτησης χωρίς να μετατρέπει κατάταξη σε συμπέρασμα πεδίου.
Το τεκμηριωμένο όριο ερωτήματος είναι 8.000 token, μαζί με οδηγίες στο ερώτημα. Το ερώτημα με οποιοδήποτε υποψήφιο έγγραφο πρέπει να χωρά σε 32.000 token και η λίστα μπορεί να περιέχει έως 1.000 στοιχεία. Η συνολική διάθεση είναι 600.000 token, μετρημένη ως token ερωτήματος επί αριθμό εγγράφων, συν όλα τα token εγγράφων. Μια μακρά οδηγία επομένως μετριέται επανειλημμένα στα ζεύγη υποψηφίων.
Το πλήθος top-k εξόδου δεν αλλάζει τον αριθμό υποψηφίων στον υπολογισμό token εισόδου. Η προεπιλεγμένη περικοπή συντομεύει υπερμεγέθη ερωτήματα ή έγγραφα για συμμόρφωση με το όριο παραθύρου· η απενεργοποίησή της κάνει υπερμεγέθες ερώτημα ή ζεύγος να επιστρέφει σφάλμα. Προετοιμάστε σκόπιμα αποσπάσματα που περιέχουν την απάντηση και κρατήστε τη σχετική προϋπόθεση μέσα στο κείμενο που θα δει το μοντέλο. Αξιολογήστε τη βελτιωμένη σειρά σε αντιπροσωπευτικές ερωτήσεις και οδηγίες και προωθήστε τα επιλεγμένα αρχικά αποσπάσματα στο επόμενο στάδιο.
", "aboutText": "Το rerank-2.5 είναι ο reranker της Voyage AI που ακολουθεί οδηγίες, σχεδιασμένος για βελτίωση συνόλου υποψηφίων αναζήτησης. Εξετάζει μαζί ερώτημα και κάθε έγγραφο ως cross-encoder και επιστρέφει σειρά συνάφειας. Η κυκλοφορία του κατασκευαστή τονίζει έλεγχο φυσικής γλώσσας στο τι θεωρείται σχετικό, πολύγλωσση ανάκτηση και μεγαλύτερο παράθυρο ερωτήματος–εγγράφου από το προηγούμενο rerank-2.\n\n### Δώστε στο μοντέλο τους υποψηφίους προς σύγκριση\n\nΗ είσοδος είναι ερώτημα και λίστα υποψήφιων εγγράφων κειμένου. Μπορεί να είναι αποσπάσματα επιλεγμένα από αναζήτηση embeddings ή λεξική αναζήτηση πρώτου σταδίου. Ο reranker αξιολογεί το παρεχόμενο κείμενο αντί να δημιουργεί embeddings σώματος εγγράφων, οπότε ο πρακτικός του ρόλος είναι να βελτιώνει τους υποψηφίους που βρήκε ήδη η αρχική αναζήτηση.\n\nΔιατηρήστε την αρχική σειρά υποψηφίων και τα αναγνωριστικά πηγών κατά την προετοιμασία της λίστας. Οι επιστρεφόμενοι δείκτες αναφέρονται σε αυτές τις θέσεις εισόδου. Για εργασία RAG, δώστε τα αποσπάσματα που μπορεί πράγματι να χρησιμοποιήσει το στάδιο απάντησης, μαζί με τίτλο ή προϋποθέσεις που χρειάζονται για ερμηνεία. Σχετικό έγγραφο που απουσιάζει από το υποβαλλόμενο σύνολο δεν μπορεί να εμφανιστεί ως νεοευρεθέν αποτέλεσμα ανακατάταξης.\n\n### Προσδιορίστε την επιθυμητή έννοια συνάφειας\n\nΟι οδηγίες μπορούν να προστεθούν πριν ή μετά το ερώτημα. Η κυκλοφορία περιγράφει τρεις χρήσιμους ρόλους: έμφαση σε συγκεκριμένο μέρος εγγράφου, προτίμηση τύπου πηγής και αποσαφήνιση ερωτήματος με συμφραζόμενα εφαρμογής. Αυτά μεταβάλλουν την εργασία συνάφειας που παρουσιάζεται στο μοντέλο.\n\nΓια τεχνική αναζήτηση, ενδεικτική οδηγία είναι «Δώστε προτεραιότητα σε αποσπάσματα που εξηγούν τη συμπεριφορά αποτυχίας και αποκατάστασης· οι εισαγωγικές επισκοπήσεις είναι δευτερεύουσες». Για ερευνητική συλλογή, ορίστε αν μετρά περισσότερο τίτλος, μέθοδος ή αποτέλεσμα. Για αμφίσημο όρο, δηλώστε το θεματικό πεδίο αναζήτησης. Κρατήστε συμβατές ερώτηση και οδηγία, ώστε η μία να μη ζητά ευρύ θέμα ενώ η άλλη αλλάζει σιωπηρά την εργασία.\n\nΑυτές οι προτιμήσεις καθοδηγούν τη βαθμολόγηση συνάφειας. Αν η εφαρμογή έχει αυστηρές απαιτήσεις επιλεξιμότητας — όπως έκδοση πηγής, ημερομηνία ή πεδίο πρόσβασης — προετοιμάστε χωριστά το επιλέξιμο σύνολο υποψηφίων. Η οδηγία συνάφειας του μοντέλου και ένας ντετερμινιστικός περιορισμός συλλογής εξυπηρετούν διαφορετικούς σκοπούς.\n\n### Ταξινομημένη έξοδος και μεταγενέστερη χρήση\n\nΤα αποτελέσματα έχουν φθίνουσα σειρά συνάφειας και περιλαμβάνουν βαθμολογία κινητής υποδιαστολής και τον αρχικό δείκτη εισόδου του υποψηφίου. Η επιλογή top-k επιλέγει πόσα κορυφαία αποτελέσματα επιστρέφονται· χωρίς αυτή, η προδιαγραφή του κατασκευαστή επιστρέφει όλους τους υποβαλλόμενους υποψηφίους. Μια προαιρετική ρύθμιση επιστροφής εγγράφων περιλαμβάνει το αντίστοιχο αρχικό κείμενο· διαφορετικά η απόκριση περιέχει δείκτες και βαθμολογίες.\n\nΧρησιμοποιήστε τη σειρά για επιλογή αποσπασμάτων προς εμφάνιση ή μεταγενέστερο στάδιο απάντησης, διατηρώντας άθικτη την ταυτότητα πηγής. Εξετάστε το πραγματικό κείμενο όταν αξιολογείτε την κατάταξη: η βαθμολογία μετρά συνάφεια προς το υποβαλλόμενο ερώτημα, όχι παραγόμενη απάντηση ή επαλήθευση ορθότητας ισχυρισμών εγγράφου. Έτσι το μοντέλο χρησιμεύει για βελτίωση τεχνικού, νομικού, χρηματοοικονομικού, ιατρικού, συνομιλιακού και πολύγλωσσου υλικού αναζήτησης χωρίς να μετατρέπει κατάταξη σε συμπέρασμα πεδίου.\n\n### Παράθυρο, συνολικός προϋπολογισμός token και περικοπή\n\nΤο τεκμηριωμένο όριο ερωτήματος είναι 8.000 token, μαζί με οδηγίες στο ερώτημα. Το ερώτημα με οποιοδήποτε υποψήφιο έγγραφο πρέπει να χωρά σε 32.000 token και η λίστα μπορεί να περιέχει έως 1.000 στοιχεία. Η συνολική διάθεση είναι 600.000 token, μετρημένη ως token ερωτήματος επί αριθμό εγγράφων, συν όλα τα token εγγράφων. Μια μακρά οδηγία επομένως μετριέται επανειλημμένα στα ζεύγη υποψηφίων.\n\nΤο πλήθος top-k εξόδου δεν αλλάζει τον αριθμό υποψηφίων στον υπολογισμό token εισόδου. Η προεπιλεγμένη περικοπή συντομεύει υπερμεγέθη ερωτήματα ή έγγραφα για συμμόρφωση με το όριο παραθύρου· η απενεργοποίησή της κάνει υπερμεγέθες ερώτημα ή ζεύγος να επιστρέφει σφάλμα. Προετοιμάστε σκόπιμα αποσπάσματα που περιέχουν την απάντηση και κρατήστε τη σχετική προϋπόθεση μέσα στο κείμενο που θα δει το μοντέλο. Αξιολογήστε τη βελτιωμένη σειρά σε αντιπροσωπευτικές ερωτήσεις και οδηγίες και προωθήστε τα επιλεγμένα αρχικά αποσπάσματα στο επόμενο στάδιο.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1ce1c2a73cd8474504dca838dc784bb57e24e4d1e76701bce9137d7c8e0579d8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "el", "methods": [ { "html": "voyageai/rerank-2.5Το rerank-2.5 αναδιατάσσει παρεχόμενο σύνολο υποψήφιων κειμένων βάσει συνάφειας προς ερώτημα και προαιρετικές οδηγίες φυσικής γλώσσας. Είναι πολύγλωσσος reranker με έμφαση στην ποιότητα, παράθυρο ερωτήματος–εγγράφου 32.000 token και ταξινομημένες βαθμολογίες συνδεδεμένες με τους αρχικούς δείκτες υποψηφίων.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το rerank-2.5 είναι ο reranker της Voyage AI που ακολουθεί οδηγίες, σχεδιασμένος για βελτίωση συνόλου υποψηφίων αναζήτησης. Εξετάζει μαζί ερώτημα και κάθε έγγραφο ως cross-encoder και επιστρέφει σειρά συνάφειας. Η κυκλοφορία του κατασκευαστή τονίζει έλεγχο φυσικής γλώσσας στο τι θεωρείται σχετικό, πολύγλωσση ανάκτηση και μεγαλύτερο παράθυρο ερωτήματος–εγγράφου από το προηγούμενο rerank-2.
Η είσοδος είναι ερώτημα και λίστα υποψήφιων εγγράφων κειμένου. Μπορεί να είναι αποσπάσματα επιλεγμένα από αναζήτηση embeddings ή λεξική αναζήτηση πρώτου σταδίου. Ο reranker αξιολογεί το παρεχόμενο κείμενο αντί να δημιουργεί embeddings σώματος εγγράφων, οπότε ο πρακτικός του ρόλος είναι να βελτιώνει τους υποψηφίους που βρήκε ήδη η αρχική αναζήτηση.
Διατηρήστε την αρχική σειρά υποψηφίων και τα αναγνωριστικά πηγών κατά την προετοιμασία της λίστας. Οι επιστρεφόμενοι δείκτες αναφέρονται σε αυτές τις θέσεις εισόδου. Για εργασία RAG, δώστε τα αποσπάσματα που μπορεί πράγματι να χρησιμοποιήσει το στάδιο απάντησης, μαζί με τίτλο ή προϋποθέσεις που χρειάζονται για ερμηνεία. Σχετικό έγγραφο που απουσιάζει από το υποβαλλόμενο σύνολο δεν μπορεί να εμφανιστεί ως νεοευρεθέν αποτέλεσμα ανακατάταξης.
Οι οδηγίες μπορούν να προστεθούν πριν ή μετά το ερώτημα. Η κυκλοφορία περιγράφει τρεις χρήσιμους ρόλους: έμφαση σε συγκεκριμένο μέρος εγγράφου, προτίμηση τύπου πηγής και αποσαφήνιση ερωτήματος με συμφραζόμενα εφαρμογής. Αυτά μεταβάλλουν την εργασία συνάφειας που παρουσιάζεται στο μοντέλο.
Για τεχνική αναζήτηση, ενδεικτική οδηγία είναι «Δώστε προτεραιότητα σε αποσπάσματα που εξηγούν τη συμπεριφορά αποτυχίας και αποκατάστασης· οι εισαγωγικές επισκοπήσεις είναι δευτερεύουσες». Για ερευνητική συλλογή, ορίστε αν μετρά περισσότερο τίτλος, μέθοδος ή αποτέλεσμα. Για αμφίσημο όρο, δηλώστε το θεματικό πεδίο αναζήτησης. Κρατήστε συμβατές ερώτηση και οδηγία, ώστε η μία να μη ζητά ευρύ θέμα ενώ η άλλη αλλάζει σιωπηρά την εργασία.
Αυτές οι προτιμήσεις καθοδηγούν τη βαθμολόγηση συνάφειας. Αν η εφαρμογή έχει αυστηρές απαιτήσεις επιλεξιμότητας — όπως έκδοση πηγής, ημερομηνία ή πεδίο πρόσβασης — προετοιμάστε χωριστά το επιλέξιμο σύνολο υποψηφίων. Η οδηγία συνάφειας του μοντέλου και ένας ντετερμινιστικός περιορισμός συλλογής εξυπηρετούν διαφορετικούς σκοπούς.
Τα αποτελέσματα έχουν φθίνουσα σειρά συνάφειας και περιλαμβάνουν βαθμολογία κινητής υποδιαστολής και τον αρχικό δείκτη εισόδου του υποψηφίου. Η επιλογή top-k επιλέγει πόσα κορυφαία αποτελέσματα επιστρέφονται· χωρίς αυτή, η προδιαγραφή του κατασκευαστή επιστρέφει όλους τους υποβαλλόμενους υποψηφίους. Μια προαιρετική ρύθμιση επιστροφής εγγράφων περιλαμβάνει το αντίστοιχο αρχικό κείμενο· διαφορετικά η απόκριση περιέχει δείκτες και βαθμολογίες.
Χρησιμοποιήστε τη σειρά για επιλογή αποσπασμάτων προς εμφάνιση ή μεταγενέστερο στάδιο απάντησης, διατηρώντας άθικτη την ταυτότητα πηγής. Εξετάστε το πραγματικό κείμενο όταν αξιολογείτε την κατάταξη: η βαθμολογία μετρά συνάφεια προς το υποβαλλόμενο ερώτημα, όχι παραγόμενη απάντηση ή επαλήθευση ορθότητας ισχυρισμών εγγράφου. Έτσι το μοντέλο χρησιμεύει για βελτίωση τεχνικού, νομικού, χρηματοοικονομικού, ιατρικού, συνομιλιακού και πολύγλωσσου υλικού αναζήτησης χωρίς να μετατρέπει κατάταξη σε συμπέρασμα πεδίου.
Το τεκμηριωμένο όριο ερωτήματος είναι 8.000 token, μαζί με οδηγίες στο ερώτημα. Το ερώτημα με οποιοδήποτε υποψήφιο έγγραφο πρέπει να χωρά σε 32.000 token και η λίστα μπορεί να περιέχει έως 1.000 στοιχεία. Η συνολική διάθεση είναι 600.000 token, μετρημένη ως token ερωτήματος επί αριθμό εγγράφων, συν όλα τα token εγγράφων. Μια μακρά οδηγία επομένως μετριέται επανειλημμένα στα ζεύγη υποψηφίων.
Το πλήθος top-k εξόδου δεν αλλάζει τον αριθμό υποψηφίων στον υπολογισμό token εισόδου. Η προεπιλεγμένη περικοπή συντομεύει υπερμεγέθη ερωτήματα ή έγγραφα για συμμόρφωση με το όριο παραθύρου· η απενεργοποίησή της κάνει υπερμεγέθες ερώτημα ή ζεύγος να επιστρέφει σφάλμα. Προετοιμάστε σκόπιμα αποσπάσματα που περιέχουν την απάντηση και κρατήστε τη σχετική προϋπόθεση μέσα στο κείμενο που θα δει το μοντέλο. Αξιολογήστε τη βελτιωμένη σειρά σε αντιπροσωπευτικές ερωτήσεις και οδηγίες και προωθήστε τα επιλεγμένα αρχικά αποσπάσματα στο επόμενο στάδιο.
POST /v1/reranktextrerank| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοdocuments | Τύποςarray | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια voyageai/rerank-2.5 | Προεπιλογή— |
Πεδίοprovider | Τύποςschema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοquery | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοsession_id | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtop_n | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 | Προεπιλογή— |
Πεδίοtrace | Τύποςschema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοuser | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοdocuments[].text | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοdocuments[].image | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
text_rerank · Υποχρεωτικό: query, documents array with minItems1
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςrequired | Σύμβασηmodel, query, documents |
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςoptional_controls | Σύμβασηprovider, session_id, top_n, trace, user |
Παράμετροςmultimodal_input_binding | Σύμβασηnull |
Κύκλος ζωής: synchronous
Στείλτε το ακριβές ID μοντέλου και διατηρήστε ολόκληρη την εγγενή απόκριση.
Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.
Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.
| Διαμόρφωση | Πίνακας χρεώσεων | Μονάδα τιμολόγησης | Χρέωση |
|---|---|---|---|
| ΔιαμόρφωσηΒασικές χρεώσεις token | Πίνακας χρεώσεωνΒασική χρέωση | Μονάδα τιμολόγησης— | Χρέωση Είσοδος · Token εισόδου — / 1K token Έξοδος · Token εξόδου — / 1K token Είσοδος · Ανάγνωση από την κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη — / 1K token Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα — / 1K token |
| ΔιαμόρφωσηUltra | Πίνακας χρεώσεων— | Μονάδα τιμολόγησης/ 1K token | Χρέωση Είσοδος $0.0001 / 1K token |
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "voyageai/rerank-2.5",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='voyageai/rerank-2.5'\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\njson
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρείται κάθε πραγματικός δείκτης αποτελέσματος, κάθε πεπερασμένο relevance_score και κάθε αρχικό αντικείμενο εγγράφου. Οι δείκτες αντιστοιχούν στον αρχικό πίνακα εγγράφων. Ολόκληρο το αρχικό JSON αποθηκεύεται και επιστρέφεται μόνο μετά την εκκαθάριση.
Διατηρήστε την αρχική λειτουργία και την πλήρη ή μερική απάντηση· μην επαναλάβετε το POST.
| Πεδίο | Τύπος |
|---|---|
Πεδίοmodel | Τύποςstring |
Πεδίοid | Τύποςstring |
Πεδίοprovider | Τύποςstring |
Πεδίοresults[].index | Τύποςinteger |
Πεδίοresults[].relevance_score | Τύποςnumber |
Πεδίοresults[].document.text | Τύποςstring |
Πεδίοresults[].document.image | Τύποςstring |
Πεδίοusage.search_units | Τύποςinteger |
Πεδίοusage.total_tokens | Τύποςinteger |
Πεδίοusage.cost | Τύποςnumber |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρο απαιτούμενο πεδίο, αναπαράσταση ή τιμή | Επόμενο βήμαΔιορθώστε το υποδεικνυόμενο πεδίο του αιτήματος. |
Ailoot Ultra voyageai/rerank-2.5
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.