Qwen3 Rerank évalue les textes candidats au regard d’une requête et d’une instruction de classement fournies. Le sélecteur exact configuré est qwen3-rerank. Son rôle consiste à classer les candidats fournis pour la recherche d’information et la sélection de documents ; la requête regroupe la question, l’instruction et les passages candidats afin que l’évaluation de pertinence puisse être reliée à ses entrées.
Préparez documents sous la forme d’un tableau de chaînes, avec un passage candidat dans chaque entrée. Conservez séparément une correspondance entre chaque position du tableau et votre propre identifiant de document, titre ou emplacement dans la source. L’application peut ainsi relier un résultat classé au passage d’origine sans ajouter d’objets identifiants non documentés au tableau de chaînes. Pour une recherche d’assistance, les candidats peuvent être les sections pertinentes déjà extraites d’un guide produit ; la question doit exprimer le besoin d’information réel de l’utilisateur.
La requête documentée exige model, documents, query, top_n et instruct. Les champs query et instruct sont des chaînes, et top_n est un entier explicitement fourni. L’exemple publié utilise trois textes candidats, top_n=2 et une instruction visant à récupérer des passages pertinents qui répondent à une requête de recherche sur le Web. Utilisez instruct pour préciser la relation qui importe pour le classement, tout en plaçant la question réelle dans query et les éléments à évaluer dans documents.
Le guide de l’opération indique une longueur maximale d’entrée de 30K. Limitez les passages candidats au texte nécessaire pour juger leur pertinence, en conservant les titres ou le contexte proche lorsque ceux-ci modifient le sens. Préservez les limites entre les sources afin qu’un passage sélectionné puisse toujours être vérifié dans son document d’origine. Le profil exact de la requête et ses champs obligatoires restent la base de préparation de l’entrée.
Le résultat structuré renvoyé contient des entrées results avec index et relevance_score. index désigne la position du candidat dans le tableau documents d’origine, et non sa position dans la liste des résultats classés. Conservez l’ordre renvoyé et utilisez chaque index pour retrouver le texte d’entrée correspondant. Préservez chaque résultat renvoyé afin que l’application puisse examiner ensemble les candidats sélectionnés et leurs scores.
Conservez la réponse JSON complète, y compris ses valeurs model et id ainsi que usage.total_tokens. Le texte du document peut être absent de la réponse ; gardez donc le tableau de candidats d’origine à disposition lors du traitement des indices. Les scores de pertinence et l’utilisation déclarée ont des rôles distincts : les scores décrivent le résultat du classement, tandis que l’utilisation consigne la quantité déclarée pour l’opération. Aucun des deux ne remplace le passage source qui étaye une réponse ultérieure.
Dans un processus de recherche d’information, utilisez le classement pour sélectionner les passages que l’étape suivante doit examiner ou citer. Comparez un passage sélectionné à la question et à l’instruction avant d’en présenter le contenu comme un élément de preuve. Une position élevée dans la liste des résultats désigne un candidat à examiner ; la réponse finale de l’application doit rester reliée au texte réel et à son identifiant de source.
Examinez le résultat à l’aide de requêtes représentatives et des ensembles de candidats utilisés par l’application. Vérifiez que les indices renvoient aux textes d’origine prévus, que l’ordre répond à l’instruction fournie et que les passages choisis traitent la question. Conservez ensemble le sélecteur exact, la question, l’instruction, la correspondance des candidats et la réponse complète pour produire un relevé réutilisable de sélection par pertinence lors de l’étape suivante de recherche d’information ou de traitement documentaire.
", "aboutText": "Qwen3 Rerank évalue les textes candidats au regard d’une requête et d’une instruction de classement fournies. Le sélecteur exact configuré est qwen3-rerank. Son rôle consiste à classer les candidats fournis pour la recherche d’information et la sélection de documents ; la requête regroupe la question, l’instruction et les passages candidats afin que l’évaluation de pertinence puisse être reliée à ses entrées.\n\nPréparez documents sous la forme d’un tableau de chaînes, avec un passage candidat dans chaque entrée. Conservez séparément une correspondance entre chaque position du tableau et votre propre identifiant de document, titre ou emplacement dans la source. L’application peut ainsi relier un résultat classé au passage d’origine sans ajouter d’objets identifiants non documentés au tableau de chaînes. Pour une recherche d’assistance, les candidats peuvent être les sections pertinentes déjà extraites d’un guide produit ; la question doit exprimer le besoin d’information réel de l’utilisateur.\n\nLa requête documentée exige model, documents, query, top_n et instruct. Les champs query et instruct sont des chaînes, et top_n est un entier explicitement fourni. L’exemple publié utilise trois textes candidats, top_n=2 et une instruction visant à récupérer des passages pertinents qui répondent à une requête de recherche sur le Web. Utilisez instruct pour préciser la relation qui importe pour le classement, tout en plaçant la question réelle dans query et les éléments à évaluer dans documents.\n\nLe guide de l’opération indique une longueur maximale d’entrée de 30K. Limitez les passages candidats au texte nécessaire pour juger leur pertinence, en conservant les titres ou le contexte proche lorsque ceux-ci modifient le sens. Préservez les limites entre les sources afin qu’un passage sélectionné puisse toujours être vérifié dans son document d’origine. Le profil exact de la requête et ses champs obligatoires restent la base de préparation de l’entrée.\n\nLe résultat structuré renvoyé contient des entrées results avec index et relevance_score. index désigne la position du candidat dans le tableau documents d’origine, et non sa position dans la liste des résultats classés. Conservez l’ordre renvoyé et utilisez chaque index pour retrouver le texte d’entrée correspondant. Préservez chaque résultat renvoyé afin que l’application puisse examiner ensemble les candidats sélectionnés et leurs scores.\n\nConservez la réponse JSON complète, y compris ses valeurs model et id ainsi que usage.total_tokens. Le texte du document peut être absent de la réponse ; gardez donc le tableau de candidats d’origine à disposition lors du traitement des indices. Les scores de pertinence et l’utilisation déclarée ont des rôles distincts : les scores décrivent le résultat du classement, tandis que l’utilisation consigne la quantité déclarée pour l’opération. Aucun des deux ne remplace le passage source qui étaye une réponse ultérieure.\n\nDans un processus de recherche d’information, utilisez le classement pour sélectionner les passages que l’étape suivante doit examiner ou citer. Comparez un passage sélectionné à la question et à l’instruction avant d’en présenter le contenu comme un élément de preuve. Une position élevée dans la liste des résultats désigne un candidat à examiner ; la réponse finale de l’application doit rester reliée au texte réel et à son identifiant de source.\n\nExaminez le résultat à l’aide de requêtes représentatives et des ensembles de candidats utilisés par l’application. Vérifiez que les indices renvoient aux textes d’origine prévus, que l’ordre répond à l’instruction fournie et que les passages choisis traitent la question. Conservez ensemble le sélecteur exact, la question, l’instruction, la correspondance des candidats et la réponse complète pour produire un relevé réutilisable de sélection par pertinence lors de l’étape suivante de recherche d’information ou de traitement documentaire.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5282d23085f3f1c2e0f3bca04c1f633cb98357fad68571dc2086116a340b0a91", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "qwen3-rerankQwen3 Rerank classe les textes candidats pour une requête et une instruction fournies. Le profil exact qwen3-rerank accepte des listes de documents textuels et renvoie des scores de pertinence indexés avec des métadonnées d’utilisation pour la recherche d’information et la sélection de documents.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen3 Rerank évalue les textes candidats au regard d’une requête et d’une instruction de classement fournies. Le sélecteur exact configuré est qwen3-rerank. Son rôle consiste à classer les candidats fournis pour la recherche d’information et la sélection de documents ; la requête regroupe la question, l’instruction et les passages candidats afin que l’évaluation de pertinence puisse être reliée à ses entrées.
Préparez documents sous la forme d’un tableau de chaînes, avec un passage candidat dans chaque entrée. Conservez séparément une correspondance entre chaque position du tableau et votre propre identifiant de document, titre ou emplacement dans la source. L’application peut ainsi relier un résultat classé au passage d’origine sans ajouter d’objets identifiants non documentés au tableau de chaînes. Pour une recherche d’assistance, les candidats peuvent être les sections pertinentes déjà extraites d’un guide produit ; la question doit exprimer le besoin d’information réel de l’utilisateur.
La requête documentée exige model, documents, query, top_n et instruct. Les champs query et instruct sont des chaînes, et top_n est un entier explicitement fourni. L’exemple publié utilise trois textes candidats, top_n=2 et une instruction visant à récupérer des passages pertinents qui répondent à une requête de recherche sur le Web. Utilisez instruct pour préciser la relation qui importe pour le classement, tout en plaçant la question réelle dans query et les éléments à évaluer dans documents.
Le guide de l’opération indique une longueur maximale d’entrée de 30K. Limitez les passages candidats au texte nécessaire pour juger leur pertinence, en conservant les titres ou le contexte proche lorsque ceux-ci modifient le sens. Préservez les limites entre les sources afin qu’un passage sélectionné puisse toujours être vérifié dans son document d’origine. Le profil exact de la requête et ses champs obligatoires restent la base de préparation de l’entrée.
Le résultat structuré renvoyé contient des entrées results avec index et relevance_score. index désigne la position du candidat dans le tableau documents d’origine, et non sa position dans la liste des résultats classés. Conservez l’ordre renvoyé et utilisez chaque index pour retrouver le texte d’entrée correspondant. Préservez chaque résultat renvoyé afin que l’application puisse examiner ensemble les candidats sélectionnés et leurs scores.
Conservez la réponse JSON complète, y compris ses valeurs model et id ainsi que usage.total_tokens. Le texte du document peut être absent de la réponse ; gardez donc le tableau de candidats d’origine à disposition lors du traitement des indices. Les scores de pertinence et l’utilisation déclarée ont des rôles distincts : les scores décrivent le résultat du classement, tandis que l’utilisation consigne la quantité déclarée pour l’opération. Aucun des deux ne remplace le passage source qui étaye une réponse ultérieure.
Dans un processus de recherche d’information, utilisez le classement pour sélectionner les passages que l’étape suivante doit examiner ou citer. Comparez un passage sélectionné à la question et à l’instruction avant d’en présenter le contenu comme un élément de preuve. Une position élevée dans la liste des résultats désigne un candidat à examiner ; la réponse finale de l’application doit rester reliée au texte réel et à son identifiant de source.
Examinez le résultat à l’aide de requêtes représentatives et des ensembles de candidats utilisés par l’application. Vérifiez que les indices renvoient aux textes d’origine prévus, que l’ordre répond à l’instruction fournie et que les passages choisis traitent la question. Conservez ensemble le sélecteur exact, la question, l’instruction, la correspondance des candidats et la réponse complète pour produire un relevé réutilisable de sélection par pertinence lors de l’étape suivante de recherche d’information ou de traitement documentaire.
POST /v1/reranktextstructured| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen3-rerank Conditions: Sélecteur littéral de modèle. | Par défaut— |
Champdocuments | Typearray | ExigenceObligatoire | Valeurs et limites Conditions: Passages de texte candidats, conservés dans leur ordre d’entrée d’origine. | Par défaut— |
Champquery | Typestring | ExigenceObligatoire | Valeurs et limites Conditions: Requête de pertinence. | Par défaut— |
Champtop_n | Typeinteger | ExigenceObligatoire | Valeurs et limites Conditions: Nombre demandé de résultats classés; aucune valeur minimale, maximale ou par défaut non documentée n’est affirmée. | Par défaut— |
Champinstruct | Typestring | ExigenceObligatoire | Valeurs et limites Conditions: Instruction décrivant la tâche de recherche documentaire. | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, documents, query, top_n, instruct |
Paramètreoptional | Contrat |
Paramètrematerial_types | Contrattext |
Paramètreadditional_properties | Contrattrue |
Cycle de vie : synchronous
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Unité de facturation | Coût |
|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Unité de facturation— | Coût Entrée · Jetons en entrée — / 1K jetons Sortie · Jetons en sortie — / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| Configurationtotal de jetons | Barème tarifaire— | Unité de facturation/ 1K jetons | Coût Entrée · total de jetons $0.00014 / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "qwen3-rerank",\n "query": "Which passage discusses text ranking?",\n "documents": [\n "Text ranking orders candidate passages by relevance.",\n "Quantum computing studies computation using quantum systems.",\n "Pretrained language models can improve text ranking."\n ],\n "top_n": 2,\n "instruct": "Given a web search query, retrieve relevant passages that answer the query."\n}Consultez les indices et les scores de pertinence, puis associez chaque indice à vos documents d’origine. Le document repris dans la réponse peut être absent.
Conservez la réponse d’origine et l’identifiant de demande après un envoi ambigu; ne rejouez jamais cet envoi.
| Champ | Type | Signification |
|---|---|---|
Champresults[].index | Typeinteger | SignificationIndice du document d’entrée d’origine correspondant. |
Champresults[].relevance_score | Typenumber | SignificationScore de pertinence retourné. |
Champmodel | Typestring | SignificationModèle réel de la réponse. |
Champid | Typestring | SignificationIdentifiant réel de la réponse. |
Champusage.total_tokens | Typeinteger | SignificationNombre total de jetons mesuré utilisé pour la facturation. |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionJSON invalide ou sélection de modèle requise invalide. | Étape suivanteCorrigez l’entrée indiquée avant une nouvelle demande. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez votre clé API Ailoot valide. |
Réponse503 · price_unavailable | ConditionLa tarification structurée ou l’admission de la méthode n’est pas disponible. | Étape suivanteConservez la réponse d’origine; ne rejouez pas un envoi ambigu. |
Ailoot Ultra qwen3-rerank
Utilisez les chemins de méthode indiqués ci-dessus.