Cohere Rerank 3.5 es un modelo multilingüe para ordenar documentos candidatos y texto semiestructurado por relevancia. Evalúa cada candidato en relación con una consulta y devuelve una lista de resultados reordenada con puntuaciones de relevancia. Puede afinar candidatos obtenidos mediante búsquedas por palabras clave o semánticas y seleccionar pasajes para una respuesta aumentada con recuperación. Su tarea es mejorar el orden de la evidencia, en lugar de generar una respuesta libre o crear un índice nuevo del corpus.
El identificador exacto del productor es rerank-v3.5. Usa un contexto de 4096 tokens, distinto del contexto de 32K de Rerank 4 Pro y Fast. Los tokens de la consulta y del documento cuentan juntos dentro de esa ventana por candidato. La guía de preparación específica del modelo trunca una consulta después de sus primeros 2048 tokens y describe fragmentos de documentos de 4093 tokens antes de tomar en cuenta la consulta. Mantén la consulta enfocada y prepara pasajes candidatos que contengan la información necesaria para evaluar la relación solicitada.
Proporciona la consulta y una lista de cadenas de texto candidatas. Cada resultado incluye un índice que apunta a la posición del documento original y una puntuación de relevancia; top_n permite elegir cuántos resultados ordenados conservar. Si se omite, el flujo documentado del productor devuelve todos los resultados. Conserva los identificadores de los documentos por separado de la puntuación para que el pasaje mejor clasificado siga siendo rastreable hasta la política, el registro de producto o el mensaje original.
Rerank 3.5 admite más de 100 idiomas, incluido material en inglés y otros idiomas. Una consulta puede contener varios aspectos de la necesidad, como el producto, la situación del usuario y el procedimiento deseado. Para registros estructurados, la versión V2 eliminó los objetos de documento sin procesar y recomienda cadenas YAML. Ordena deliberadamente los campos útiles y coloca el contenido decisivo antes de los metadatos menos relevantes, porque las cadenas largas pueden truncarse. Esto funciona para títulos y contenido, atributos de productos o el asunto y cuerpo de un mensaje.
La referencia V2 del productor usa max_tokens_per_doc para truncar documentos, con un valor predeterminado de 4096. La guía de preparación de Cohere también describe la división de documentos largos en fragmentos; la entrada efectiva depende del flujo seleccionado y de su configuración de documentos. Para tener mayor control, prepara tú mismo pasajes identificables en lugar de suponer que todas las secciones de una fuente extensa seguirán visibles. Conserva suficiente contexto alrededor para distinguir un pasaje que contiene la respuesta de otro que solo comparte su vocabulario.
Para el rendimiento de las solicitudes, la referencia actual recomienda no enviar más de 1,000 documentos a la vez. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero sus valores dependen de la consulta y de los candidatos y no constituyen una escala lineal de exactitud. Usa la clasificación para identificar evidencia útil. Si necesitas un umbral de puntuación, elige consultas representativas del dominio y pasajes de relevancia limítrofe para que el umbral refleje la tarea real de recuperación.
Un flujo práctico de soporte puede reordenar secciones candidatas de una política de devoluciones para una pregunta sobre un artículo dañado y después pasar el texto fuente seleccionado a una etapa de redacción de respuestas. Una búsqueda de correo puede clasificar mensajes por un problema específico y conservar el identificador original de cada mensaje con su resultado. El entregable útil es la lista ordenada de evidencia. Mantén asociados a ese resultado el contexto más corto de Rerank 3.5 y la preparación de documentos de V2, sin sustituirlos por los límites de modelos posteriores.
", "aboutText": "Cohere Rerank 3.5 es un modelo multilingüe para ordenar documentos candidatos y texto semiestructurado por relevancia. Evalúa cada candidato en relación con una consulta y devuelve una lista de resultados reordenada con puntuaciones de relevancia. Puede afinar candidatos obtenidos mediante búsquedas por palabras clave o semánticas y seleccionar pasajes para una respuesta aumentada con recuperación. Su tarea es mejorar el orden de la evidencia, en lugar de generar una respuesta libre o crear un índice nuevo del corpus.\n\nEl identificador exacto del productor es rerank-v3.5. Usa un contexto de 4096 tokens, distinto del contexto de 32K de Rerank 4 Pro y Fast. Los tokens de la consulta y del documento cuentan juntos dentro de esa ventana por candidato. La guía de preparación específica del modelo trunca una consulta después de sus primeros 2048 tokens y describe fragmentos de documentos de 4093 tokens antes de tomar en cuenta la consulta. Mantén la consulta enfocada y prepara pasajes candidatos que contengan la información necesaria para evaluar la relación solicitada.\n\nProporciona la consulta y una lista de cadenas de texto candidatas. Cada resultado incluye un índice que apunta a la posición del documento original y una puntuación de relevancia; top_n permite elegir cuántos resultados ordenados conservar. Si se omite, el flujo documentado del productor devuelve todos los resultados. Conserva los identificadores de los documentos por separado de la puntuación para que el pasaje mejor clasificado siga siendo rastreable hasta la política, el registro de producto o el mensaje original.\n\nRerank 3.5 admite más de 100 idiomas, incluido material en inglés y otros idiomas. Una consulta puede contener varios aspectos de la necesidad, como el producto, la situación del usuario y el procedimiento deseado. Para registros estructurados, la versión V2 eliminó los objetos de documento sin procesar y recomienda cadenas YAML. Ordena deliberadamente los campos útiles y coloca el contenido decisivo antes de los metadatos menos relevantes, porque las cadenas largas pueden truncarse. Esto funciona para títulos y contenido, atributos de productos o el asunto y cuerpo de un mensaje.\n\nLa referencia V2 del productor usa max_tokens_per_doc para truncar documentos, con un valor predeterminado de 4096. La guía de preparación de Cohere también describe la división de documentos largos en fragmentos; la entrada efectiva depende del flujo seleccionado y de su configuración de documentos. Para tener mayor control, prepara tú mismo pasajes identificables en lugar de suponer que todas las secciones de una fuente extensa seguirán visibles. Conserva suficiente contexto alrededor para distinguir un pasaje que contiene la respuesta de otro que solo comparte su vocabulario.\n\nPara el rendimiento de las solicitudes, la referencia actual recomienda no enviar más de 1,000 documentos a la vez. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero sus valores dependen de la consulta y de los candidatos y no constituyen una escala lineal de exactitud. Usa la clasificación para identificar evidencia útil. Si necesitas un umbral de puntuación, elige consultas representativas del dominio y pasajes de relevancia limítrofe para que el umbral refleje la tarea real de recuperación.\n\nUn flujo práctico de soporte puede reordenar secciones candidatas de una política de devoluciones para una pregunta sobre un artículo dañado y después pasar el texto fuente seleccionado a una etapa de redacción de respuestas. Una búsqueda de correo puede clasificar mensajes por un problema específico y conservar el identificador original de cada mensaje con su resultado. El entregable útil es la lista ordenada de evidencia. Mantén asociados a ese resultado el contexto más corto de Rerank 3.5 y la preparación de documentos de V2, sin sustituirlos por los límites de modelos posteriores.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f91008becd1e9101490bde813b36b5059c664815e55eb98e5b3b96dc191709a0", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "cohere/rerank-v3.5Cohere Rerank 3.5 reordena textos candidatos y registros semiestructurados según su relevancia para una consulta. Admite más de 100 idiomas y un contexto de 4096 tokens para afinar los resultados de búsquedas por palabras clave o semánticas antes de generar una respuesta o mostrar los resultados.
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 3.5 es un modelo multilingüe para ordenar documentos candidatos y texto semiestructurado por relevancia. Evalúa cada candidato en relación con una consulta y devuelve una lista de resultados reordenada con puntuaciones de relevancia. Puede afinar candidatos obtenidos mediante búsquedas por palabras clave o semánticas y seleccionar pasajes para una respuesta aumentada con recuperación. Su tarea es mejorar el orden de la evidencia, en lugar de generar una respuesta libre o crear un índice nuevo del corpus.
El identificador exacto del productor es rerank-v3.5. Usa un contexto de 4096 tokens, distinto del contexto de 32K de Rerank 4 Pro y Fast. Los tokens de la consulta y del documento cuentan juntos dentro de esa ventana por candidato. La guía de preparación específica del modelo trunca una consulta después de sus primeros 2048 tokens y describe fragmentos de documentos de 4093 tokens antes de tomar en cuenta la consulta. Mantén la consulta enfocada y prepara pasajes candidatos que contengan la información necesaria para evaluar la relación solicitada.
Proporciona la consulta y una lista de cadenas de texto candidatas. Cada resultado incluye un índice que apunta a la posición del documento original y una puntuación de relevancia; top_n permite elegir cuántos resultados ordenados conservar. Si se omite, el flujo documentado del productor devuelve todos los resultados. Conserva los identificadores de los documentos por separado de la puntuación para que el pasaje mejor clasificado siga siendo rastreable hasta la política, el registro de producto o el mensaje original.
Rerank 3.5 admite más de 100 idiomas, incluido material en inglés y otros idiomas. Una consulta puede contener varios aspectos de la necesidad, como el producto, la situación del usuario y el procedimiento deseado. Para registros estructurados, la versión V2 eliminó los objetos de documento sin procesar y recomienda cadenas YAML. Ordena deliberadamente los campos útiles y coloca el contenido decisivo antes de los metadatos menos relevantes, porque las cadenas largas pueden truncarse. Esto funciona para títulos y contenido, atributos de productos o el asunto y cuerpo de un mensaje.
La referencia V2 del productor usa max_tokens_per_doc para truncar documentos, con un valor predeterminado de 4096. La guía de preparación de Cohere también describe la división de documentos largos en fragmentos; la entrada efectiva depende del flujo seleccionado y de su configuración de documentos. Para tener mayor control, prepara tú mismo pasajes identificables en lugar de suponer que todas las secciones de una fuente extensa seguirán visibles. Conserva suficiente contexto alrededor para distinguir un pasaje que contiene la respuesta de otro que solo comparte su vocabulario.
Para el rendimiento de las solicitudes, la referencia actual recomienda no enviar más de 1,000 documentos a la vez. Las puntuaciones de relevancia se normalizan entre 0 y 1, pero sus valores dependen de la consulta y de los candidatos y no constituyen una escala lineal de exactitud. Usa la clasificación para identificar evidencia útil. Si necesitas un umbral de puntuación, elige consultas representativas del dominio y pasajes de relevancia limítrofe para que el umbral refleje la tarea real de recuperación.
Un flujo práctico de soporte puede reordenar secciones candidatas de una política de devoluciones para una pregunta sobre un artículo dañado y después pasar el texto fuente seleccionado a una etapa de redacción de respuestas. Una búsqueda de correo puede clasificar mensajes por un problema específico y conservar el identificador original de cada mensaje con su resultado. El entregable útil es la lista ordenada de evidencia. Mantén asociados a ese resultado el contexto más corto de Rerank 3.5 y la preparación de documentos de V2, sin sustituirlos por los límites de modelos posteriores.
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-v3.5 | 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 $0.002 por unidad de búsqueda |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "cohere/rerank-v3.5",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${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']='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\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-v3.5
Usa las rutas de método indicadas arriba.