Cohere Rerank 4 Pro es el modelo enfocado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos frente a una consulta y devuelve su orden y sus puntuaciones de relevancia. El modelo está diseñado para tareas complejas de recuperación, incluidos documentos multilingües e información semiestructurada. Se integra en un flujo de búsqueda o de generación aumentada con recuperación después de que un sistema existente haya reunido los candidatos: el resultado ayuda a elegir qué pasajes mostrar o proporcionar como evidencia en la siguiente etapa.
El identificador del productor es rerank-v4.0-pro, separado de rerank-v4.0-fast y rerank-v3.5. Pro está orientado a casos complejos donde la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones de Rerank 4 usan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus almacenado de búsqueda.
Proporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice del documento original y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados devolver; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para vincular la clasificación con el pasaje exacto. Para una pregunta de soporte, pregunta por las condiciones necesarias y proporciona las secciones candidatas de las políticas, en vez de esperar que el reordenador encuentre políticas que no están en la lista.
El modelo admite más de 100 idiomas y puede reordenar material en inglés y otros idiomas. Para una consulta con varios requisitos, indica las condiciones que hacen útil a un pasaje, como el producto, la situación y el procedimiento necesario. Para registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos de V2. Ordena deliberadamente los campos relevantes, como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación es útil para registros de productos, mensajes y metadatos de documentos, además de la prosa común.
La guía de preparación específica del modelo limita la consulta de Rerank 4 a sus primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documentos más largas se truncan según ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y relevantes o elige un presupuesto adecuado para documentos, en vez de suponer que toda fuente extensa siempre se lee completa.
Para el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos cuando dividas una lista más grande en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y de los candidatos; no son una medida lineal de exactitud factual. Usa el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia limítrofe del dominio real, en lugar de suponer un corte universal.
Un entregable final útil es una lista de candidatos ordenados que incluya identificadores de fuente y puntuaciones, lista para un resultado de búsqueda o una etapa de selección de evidencia. Un documento con una puntuación alta de relevancia puede contener información desactualizada o incorrecta, así que conserva su fuente y contenido para la etapa que los utilice. El propósito de Pro es evaluar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición exacta Pro asociada al resultado al comparar o afinar un flujo de recuperación.
", "aboutText": "Cohere Rerank 4 Pro es el modelo enfocado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos frente a una consulta y devuelve su orden y sus puntuaciones de relevancia. El modelo está diseñado para tareas complejas de recuperación, incluidos documentos multilingües e información semiestructurada. Se integra en un flujo de búsqueda o de generación aumentada con recuperación después de que un sistema existente haya reunido los candidatos: el resultado ayuda a elegir qué pasajes mostrar o proporcionar como evidencia en la siguiente etapa.\n\nEl identificador del productor es rerank-v4.0-pro, separado de rerank-v4.0-fast y rerank-v3.5. Pro está orientado a casos complejos donde la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones de Rerank 4 usan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus almacenado de búsqueda.\n\nProporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice del documento original y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados devolver; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para vincular la clasificación con el pasaje exacto. Para una pregunta de soporte, pregunta por las condiciones necesarias y proporciona las secciones candidatas de las políticas, en vez de esperar que el reordenador encuentre políticas que no están en la lista.\n\nEl modelo admite más de 100 idiomas y puede reordenar material en inglés y otros idiomas. Para una consulta con varios requisitos, indica las condiciones que hacen útil a un pasaje, como el producto, la situación y el procedimiento necesario. Para registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos de V2. Ordena deliberadamente los campos relevantes, como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación es útil para registros de productos, mensajes y metadatos de documentos, además de la prosa común.\n\nLa guía de preparación específica del modelo limita la consulta de Rerank 4 a sus primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documentos más largas se truncan según ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y relevantes o elige un presupuesto adecuado para documentos, en vez de suponer que toda fuente extensa siempre se lee completa.\n\nPara el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos cuando dividas una lista más grande en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y de los candidatos; no son una medida lineal de exactitud factual. Usa el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia limítrofe del dominio real, en lugar de suponer un corte universal.\n\nUn entregable final útil es una lista de candidatos ordenados que incluya identificadores de fuente y puntuaciones, lista para un resultado de búsqueda o una etapa de selección de evidencia. Un documento con una puntuación alta de relevancia puede contener información desactualizada o incorrecta, así que conserva su fuente y contenido para la etapa que los utilice. El propósito de Pro es evaluar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición exacta Pro asociada al resultado al comparar o afinar un flujo de recuperación.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "50c89821fb2e3119f0f8256d87efe01ae46e1e4a5813d59de4382bab6cc963c9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "cohere/rerank-4-proCohere Rerank 4 Pro ordena documentos candidatos según su relevancia para una consulta en flujos de búsqueda y de generación aumentada con recuperación. Es la edición de Rerank 4 enfocada en la calidad, con contexto de 32K, cobertura multilingüe y compatibilidad con texto semiestructurado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Cohere Rerank 4 Pro es el modelo enfocado en la calidad de la familia Rerank 4 de Cohere. Evalúa documentos candidatos frente a una consulta y devuelve su orden y sus puntuaciones de relevancia. El modelo está diseñado para tareas complejas de recuperación, incluidos documentos multilingües e información semiestructurada. Se integra en un flujo de búsqueda o de generación aumentada con recuperación después de que un sistema existente haya reunido los candidatos: el resultado ayuda a elegir qué pasajes mostrar o proporcionar como evidencia en la siguiente etapa.
El identificador del productor es rerank-v4.0-pro, separado de rerank-v4.0-fast y rerank-v3.5. Pro está orientado a casos complejos donde la calidad de recuperación es prioritaria, mientras que Fast busca menor latencia y mayor capacidad de procesamiento. Ambas ediciones de Rerank 4 usan un contexto de 32,768 tokens. La consulta y un documento candidato comparten ese presupuesto; no es una ventana completa independiente para cada campo de entrada ni un límite para todo el corpus almacenado de búsqueda.
Proporciona una consulta clara y la lista de cadenas de texto candidatas. Cada resultado devuelto incluye el índice del documento original y una puntuación de relevancia, y top_n permite seleccionar cuántos resultados ordenados devolver; si se omite, el productor devuelve todos los resultados. Conserva un identificador de fuente junto a cada entrada para vincular la clasificación con el pasaje exacto. Para una pregunta de soporte, pregunta por las condiciones necesarias y proporciona las secciones candidatas de las políticas, en vez de esperar que el reordenador encuentre políticas que no están en la lista.
El modelo admite más de 100 idiomas y puede reordenar material en inglés y otros idiomas. Para una consulta con varios requisitos, indica las condiciones que hacen útil a un pasaje, como el producto, la situación y el procedimiento necesario. Para registros semiestructurados, Cohere recomienda cadenas YAML en lugar de pasar objetos sin procesar en la lista de documentos de V2. Ordena deliberadamente los campos relevantes, como título y contenido, porque el truncamiento puede eliminar los campos posteriores. Esta preparación es útil para registros de productos, mensajes y metadatos de documentos, además de la prosa común.
La guía de preparación específica del modelo limita la consulta de Rerank 4 a sus primeros 16,384 tokens. Describe el procesamiento de documentos más largos mediante fragmentos que comparten el contexto de 32,768 tokens con la consulta y los tokens reservados. Por separado, la referencia V2 actual establece max_tokens_per_doc en 4096 de forma predeterminada e indica que las cadenas de documentos más largas se truncan según ese valor. Trata la ventana del modelo y el truncamiento de documentos de la solicitud del productor como controles distintos. Prepara pasajes concisos y relevantes o elige un presupuesto adecuado para documentos, en vez de suponer que toda fuente extensa siempre se lee completa.
Para el rendimiento recomendado de las solicitudes, Cohere aconseja no enviar más de 1,000 documentos a la vez. Conserva los identificadores de los candidatos cuando dividas una lista más grande en grupos manejables. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero dependen de la consulta y de los candidatos; no son una medida lineal de exactitud factual. Usa el orden como resultado principal de recuperación. Si filtras por un umbral de puntuación, establécelo con consultas representativas y pasajes de relevancia limítrofe del dominio real, en lugar de suponer un corte universal.
Un entregable final útil es una lista de candidatos ordenados que incluya identificadores de fuente y puntuaciones, lista para un resultado de búsqueda o una etapa de selección de evidencia. Un documento con una puntuación alta de relevancia puede contener información desactualizada o incorrecta, así que conserva su fuente y contenido para la etapa que los utilice. El propósito de Pro es evaluar la relevancia, no redactar una respuesta libre ni generar embeddings. Mantén la edición exacta Pro asociada al resultado al comparar o afinar un flujo de recuperación.
POST /v1/reranktextrerank| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campodocuments | Tipoarray | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites cohere/rerank-4-pro | Predeterminado— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campoquery | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposession_id | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotop_n | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 | Predeterminado— |
Campotrace | Tiposchema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campouser | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campodocuments[].text | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campodocuments[].image | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
text_rerank · Obligatorio: query, documents array with minItems1
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, query, documents |
Parámetromaterial_types | Contratotext |
Parámetrooptional_controls | Contratoprovider, session_id, top_n, trace, user |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous
Envía el ID exacto del modelo y conserva la respuesta nativa completa.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Unidad de facturación | Cargo |
|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada — / 1K tokens Salida · Tokens de salida — / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónUltra | Tabla de tarifas— | Unidad de facturaciónpor unidad de búsqueda | Cargo total · unidad de búsqueda $0.005 por unidad de búsqueda |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "cohere/rerank-4-pro",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-pro'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Se conservan todos los índices reales del resultado, cada relevance_score finito y el objeto del documento original. Los índices vinculan el arreglo original de documentos. El JSON original completo se almacena y devuelve únicamente después de liquidar el cargo.
Conserva la operación original y la respuesta completa o parcial; no repitas el POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Camporesults[].index | Tipointeger |
Camporesults[].relevance_score | Tiponumber |
Camporesults[].document.text | Tipostring |
Camporesults[].document.image | Tipostring |
Campousage.search_units | Tipointeger |
Campousage.total_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampo obligatorio, representación o valor no válido | Siguiente pasoCorrige el campo indicado de la solicitud. |
Ailoot Ultra cohere/rerank-4-pro
Usa las rutas de método indicadas arriba.