Jina Reranker v2 Base Multilingual est un modèle de classement textuel pour la deuxième étape de récupération. Fournissez une requête et des documents ou passages candidats ; il évalue chaque paire requête-document et renvoie un score de pertinence. Le résultat utile est un ensemble de candidats mieux ordonné pour la recherche ou un flux augmenté par récupération. Il ne rédige pas la réponse à la requête et ne crée pas d’embeddings de documents.
Rédigez la requête de façon à exprimer le besoin d’information. Fournissez ensuite les textes trouvés par une étape antérieure de récupération. Gardez un identifiant stable à côté de chaque candidat pour relier son score au document, à la section ou à l’enregistrement d’origine.
Pour une recherche d’assistance, utilisez la question réelle et les extraits candidats contenant la procédure pertinente. Une requête sur la réinitialisation d’un appareil particulier doit être associée à des passages conservant son nom, sa version et les conditions de réinitialisation. Un passage qui mentionne simplement l’appareil peut être moins utile qu’un passage expliquant l’opération demandée. Fournissez le contenu à comparer plutôt que le seul titre du document.
Utilisez des passages cohérents. Un titre de tableau, une définition ou une exception peuvent modifier la relation d’un paragraphe à la requête : ne les supprimez pas seulement pour donner la même longueur à tous les candidats. Le reclasseur évalue les candidats fournis ; il ne peut pas retrouver un document pertinent omis à l’étape précédente.
Il s’agit d’un encodeur croisé : la requête et un texte candidat sont traités ensemble. L’interface de calcul direct retourne un score de pertinence à virgule flottante pour chaque paire correspondante. Un score supérieur indique une plus grande pertinence dans cette comparaison. Le score est un signal de classement, pas une explication générée ni une preuve de la véracité du document.
Le fabricant fournit aussi un utilitaire de reclassement qui retourne les documents ordonnés avec leurs scores. Une commande de nombre de meilleurs résultats choisit combien de candidats conserver. Préservez leurs identifiants et leur texte lors de la transmission à l’étape suivante. Dans un flux de réponse aux questions, le modèle suivant a encore besoin de la requête et des preuves sélectionnées ; la liste classée ne répond pas elle-même à la question.
Pour comparer des changements de récupération, gardez fixes la requête et les critères d’évaluation. Vérifiez que les passages remontés en tête contiennent réellement l’information demandée. Définissez les seuils de filtrage à partir d’exemples de votre propre collection, plutôt que de traiter un score de pertinence comme une mesure universelle de l’exactitude d’une réponse.
Le modèle prend en charge un contexte allant jusqu’à 1 024 tokens. Son utilitaire documenté rerank() traite les documents longs par fenêtre glissante, évalue les morceaux séparément et les combine en résultats au niveau du document. Le découpage est un comportement de cet utilitaire ; il ne doit pas être confondu avec une entrée unique du modèle disposant d’un contexte illimité.
L’utilitaire expose des commandes de longueur de requête et de bloc ainsi qu’un réglage de chevauchement. Le chevauchement documenté par défaut est de 80. L’exemple publié précise une longueur maximale de requête de 512 et une longueur de bloc de 1 024 ; il s’agit de réglages d’exemple de l’utilitaire, distincts d’une promesse que tous les appelants ou toutes les routes les utilisent.
Pour un manuel long, conservez assez de texte voisin pour qu’une instruction et ses conditions apparaissent ensemble. Lors de l’évaluation, examinez la portion pertinente d’un document bien classé plutôt que de supposer que toutes ses sections répondent aussi bien à la requête.
Le modèle v2 est multilingue. Les exemples du fabricant classent des requêtes anglaises face à des passages anglais, allemands, espagnols, chinois et japonais. Cela convient à une collection dont les documents pertinents sont écrits dans plusieurs langues, sans devoir traduire chaque candidat dans la langue de la requête au préalable.
Le périmètre documenté comprend aussi la récupération de code et le classement de représentations textuelles liées à des fonctions ou au SQL. Ces tâches restent des classements par pertinence : le modèle évalue le texte fourni. Il n’exécute ni fonction, ni SQL, et ne produit pas de résultat d’outil simplement parce que ces types de candidats figurent dans l’ensemble récupéré.
Distinguez ce profil v2 Base Multilingual de l’ancien reclasseur uniquement anglais de Jina, de Jina Reranker v3 et des profils de reclassement multimodal. Ce sont des modèles différents, avec des caractéristiques de tâches et d’entrées différentes. Ce profil reçoit des paires requête-texte ; les images ou vidéos nécessitent une représentation ou un modèle adapté.
L’implémentation de référence prend en charge les scores directs et un utilitaire de classement de documents, avec attention accélérée facultative. Ces choix d’implémentation influencent la préparation et le traitement des entrées ; ils n’établissent pas que toutes les intégrations exposent des commandes identiques.
Utilisez le classement pour la recherche multilingue, les bases de connaissances d’assistance, la récupération documentaire et la sélection de preuves avant génération. Examinez les meilleurs passages, conservez la correspondance avec les candidats d’origine et distinguez pertinence et validité factuelle. Une récupération utile met en avant les bonnes preuves fournies, tout en laissant la tâche suivante — répondre, résumer ou décider — au flux adapté.
", "aboutText": "Jina Reranker v2 Base Multilingual est un modèle de classement textuel pour la deuxième étape de récupération. Fournissez une requête et des documents ou passages candidats ; il évalue chaque paire requête-document et renvoie un score de pertinence. Le résultat utile est un ensemble de candidats mieux ordonné pour la recherche ou un flux augmenté par récupération. Il ne rédige pas la réponse à la requête et ne crée pas d’embeddings de documents.\n\n### Préparer la requête et les passages candidats\n\nRédigez la requête de façon à exprimer le besoin d’information. Fournissez ensuite les textes trouvés par une étape antérieure de récupération. Gardez un identifiant stable à côté de chaque candidat pour relier son score au document, à la section ou à l’enregistrement d’origine.\n\nPour une recherche d’assistance, utilisez la question réelle et les extraits candidats contenant la procédure pertinente. Une requête sur la réinitialisation d’un appareil particulier doit être associée à des passages conservant son nom, sa version et les conditions de réinitialisation. Un passage qui mentionne simplement l’appareil peut être moins utile qu’un passage expliquant l’opération demandée. Fournissez le contenu à comparer plutôt que le seul titre du document.\n\nUtilisez des passages cohérents. Un titre de tableau, une définition ou une exception peuvent modifier la relation d’un paragraphe à la requête : ne les supprimez pas seulement pour donner la même longueur à tous les candidats. Le reclasseur évalue les candidats fournis ; il ne peut pas retrouver un document pertinent omis à l’étape précédente.\n\n### Évaluation des paires requête-document\n\nIl s’agit d’un encodeur croisé : la requête et un texte candidat sont traités ensemble. L’interface de calcul direct retourne un score de pertinence à virgule flottante pour chaque paire correspondante. Un score supérieur indique une plus grande pertinence dans cette comparaison. Le score est un signal de classement, pas une explication générée ni une preuve de la véracité du document.\n\nLe fabricant fournit aussi un utilitaire de reclassement qui retourne les documents ordonnés avec leurs scores. Une commande de nombre de meilleurs résultats choisit combien de candidats conserver. Préservez leurs identifiants et leur texte lors de la transmission à l’étape suivante. Dans un flux de réponse aux questions, le modèle suivant a encore besoin de la requête et des preuves sélectionnées ; la liste classée ne répond pas elle-même à la question.\n\nPour comparer des changements de récupération, gardez fixes la requête et les critères d’évaluation. Vérifiez que les passages remontés en tête contiennent réellement l’information demandée. Définissez les seuils de filtrage à partir d’exemples de votre propre collection, plutôt que de traiter un score de pertinence comme une mesure universelle de l’exactitude d’une réponse.\n\n### Fenêtre du modèle et documents longs\n\nLe modèle prend en charge un contexte allant jusqu’à 1 024 tokens. Son utilitaire documenté `rerank()` traite les documents longs par fenêtre glissante, évalue les morceaux séparément et les combine en résultats au niveau du document. Le découpage est un comportement de cet utilitaire ; il ne doit pas être confondu avec une entrée unique du modèle disposant d’un contexte illimité.\n\nL’utilitaire expose des commandes de longueur de requête et de bloc ainsi qu’un réglage de chevauchement. Le chevauchement documenté par défaut est de 80. L’exemple publié précise une longueur maximale de requête de 512 et une longueur de bloc de 1 024 ; il s’agit de réglages d’exemple de l’utilitaire, distincts d’une promesse que tous les appelants ou toutes les routes les utilisent.\n\nPour un manuel long, conservez assez de texte voisin pour qu’une instruction et ses conditions apparaissent ensemble. Lors de l’évaluation, examinez la portion pertinente d’un document bien classé plutôt que de supposer que toutes ses sections répondent aussi bien à la requête.\n\n### Récupération multilingue et de textes spécialisés\n\nLe modèle v2 est multilingue. Les exemples du fabricant classent des requêtes anglaises face à des passages anglais, allemands, espagnols, chinois et japonais. Cela convient à une collection dont les documents pertinents sont écrits dans plusieurs langues, sans devoir traduire chaque candidat dans la langue de la requête au préalable.\n\nLe périmètre documenté comprend aussi la récupération de code et le classement de représentations textuelles liées à des fonctions ou au SQL. Ces tâches restent des classements par pertinence : le modèle évalue le texte fourni. Il n’exécute ni fonction, ni SQL, et ne produit pas de résultat d’outil simplement parce que ces types de candidats figurent dans l’ensemble récupéré.\n\n### Édition et limites pratiques\n\nDistinguez ce profil v2 Base Multilingual de l’ancien reclasseur uniquement anglais de Jina, de Jina Reranker v3 et des profils de reclassement multimodal. Ce sont des modèles différents, avec des caractéristiques de tâches et d’entrées différentes. Ce profil reçoit des paires requête-texte ; les images ou vidéos nécessitent une représentation ou un modèle adapté.\n\nL’implémentation de référence prend en charge les scores directs et un utilitaire de classement de documents, avec attention accélérée facultative. Ces choix d’implémentation influencent la préparation et le traitement des entrées ; ils n’établissent pas que toutes les intégrations exposent des commandes identiques.\n\nUtilisez le classement pour la recherche multilingue, les bases de connaissances d’assistance, la récupération documentaire et la sélection de preuves avant génération. Examinez les meilleurs passages, conservez la correspondance avec les candidats d’origine et distinguez pertinence et validité factuelle. Une récupération utile met en avant les bonnes preuves fournies, tout en laissant la tâche suivante — répondre, résumer ou décider — au flux adapté.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3ba5b9afcfcfeeb5f469394eac72fd0de1ed3408487e755409b15429d556b0f8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "methods": [ { "html": "jina-reranker-v2-base-multilingualJina Reranker v2 Base Multilingual évalue une requête par rapport à des textes candidats et les ordonne par pertinence. Son encodeur croisé gère la récupération multilingue, tandis que l’utilitaire de reclassement du fabricant découpe les documents longs autour d’une fenêtre de modèle de 1 024 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Jina Reranker v2 Base Multilingual est un modèle de classement textuel pour la deuxième étape de récupération. Fournissez une requête et des documents ou passages candidats ; il évalue chaque paire requête-document et renvoie un score de pertinence. Le résultat utile est un ensemble de candidats mieux ordonné pour la recherche ou un flux augmenté par récupération. Il ne rédige pas la réponse à la requête et ne crée pas d’embeddings de documents.
Rédigez la requête de façon à exprimer le besoin d’information. Fournissez ensuite les textes trouvés par une étape antérieure de récupération. Gardez un identifiant stable à côté de chaque candidat pour relier son score au document, à la section ou à l’enregistrement d’origine.
Pour une recherche d’assistance, utilisez la question réelle et les extraits candidats contenant la procédure pertinente. Une requête sur la réinitialisation d’un appareil particulier doit être associée à des passages conservant son nom, sa version et les conditions de réinitialisation. Un passage qui mentionne simplement l’appareil peut être moins utile qu’un passage expliquant l’opération demandée. Fournissez le contenu à comparer plutôt que le seul titre du document.
Utilisez des passages cohérents. Un titre de tableau, une définition ou une exception peuvent modifier la relation d’un paragraphe à la requête : ne les supprimez pas seulement pour donner la même longueur à tous les candidats. Le reclasseur évalue les candidats fournis ; il ne peut pas retrouver un document pertinent omis à l’étape précédente.
Il s’agit d’un encodeur croisé : la requête et un texte candidat sont traités ensemble. L’interface de calcul direct retourne un score de pertinence à virgule flottante pour chaque paire correspondante. Un score supérieur indique une plus grande pertinence dans cette comparaison. Le score est un signal de classement, pas une explication générée ni une preuve de la véracité du document.
Le fabricant fournit aussi un utilitaire de reclassement qui retourne les documents ordonnés avec leurs scores. Une commande de nombre de meilleurs résultats choisit combien de candidats conserver. Préservez leurs identifiants et leur texte lors de la transmission à l’étape suivante. Dans un flux de réponse aux questions, le modèle suivant a encore besoin de la requête et des preuves sélectionnées ; la liste classée ne répond pas elle-même à la question.
Pour comparer des changements de récupération, gardez fixes la requête et les critères d’évaluation. Vérifiez que les passages remontés en tête contiennent réellement l’information demandée. Définissez les seuils de filtrage à partir d’exemples de votre propre collection, plutôt que de traiter un score de pertinence comme une mesure universelle de l’exactitude d’une réponse.
Le modèle prend en charge un contexte allant jusqu’à 1 024 tokens. Son utilitaire documenté rerank() traite les documents longs par fenêtre glissante, évalue les morceaux séparément et les combine en résultats au niveau du document. Le découpage est un comportement de cet utilitaire ; il ne doit pas être confondu avec une entrée unique du modèle disposant d’un contexte illimité.
L’utilitaire expose des commandes de longueur de requête et de bloc ainsi qu’un réglage de chevauchement. Le chevauchement documenté par défaut est de 80. L’exemple publié précise une longueur maximale de requête de 512 et une longueur de bloc de 1 024 ; il s’agit de réglages d’exemple de l’utilitaire, distincts d’une promesse que tous les appelants ou toutes les routes les utilisent.
Pour un manuel long, conservez assez de texte voisin pour qu’une instruction et ses conditions apparaissent ensemble. Lors de l’évaluation, examinez la portion pertinente d’un document bien classé plutôt que de supposer que toutes ses sections répondent aussi bien à la requête.
Le modèle v2 est multilingue. Les exemples du fabricant classent des requêtes anglaises face à des passages anglais, allemands, espagnols, chinois et japonais. Cela convient à une collection dont les documents pertinents sont écrits dans plusieurs langues, sans devoir traduire chaque candidat dans la langue de la requête au préalable.
Le périmètre documenté comprend aussi la récupération de code et le classement de représentations textuelles liées à des fonctions ou au SQL. Ces tâches restent des classements par pertinence : le modèle évalue le texte fourni. Il n’exécute ni fonction, ni SQL, et ne produit pas de résultat d’outil simplement parce que ces types de candidats figurent dans l’ensemble récupéré.
Distinguez ce profil v2 Base Multilingual de l’ancien reclasseur uniquement anglais de Jina, de Jina Reranker v3 et des profils de reclassement multimodal. Ce sont des modèles différents, avec des caractéristiques de tâches et d’entrées différentes. Ce profil reçoit des paires requête-texte ; les images ou vidéos nécessitent une représentation ou un modèle adapté.
L’implémentation de référence prend en charge les scores directs et un utilitaire de classement de documents, avec attention accélérée facultative. Ces choix d’implémentation influencent la préparation et le traitement des entrées ; ils n’établissent pas que toutes les intégrations exposent des commandes identiques.
Utilisez le classement pour la recherche multilingue, les bases de connaissances d’assistance, la récupération documentaire et la sélection de preuves avant génération. Examinez les meilleurs passages, conservez la correspondance avec les candidats d’origine et distinguez pertinence et validité factuelle. Une récupération utile met en avant les bonnes preuves fournies, tout en laissant la tâche suivante — répondre, résumer ou décider — au flux adapté.
POST /v1/reranktextrerank| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites jina-reranker-v2-base-multilingual | Par défaut— |
Champquery | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champdocuments | Typearray | ExigenceObligatoire | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, documents |
Paramètrematerial_types | Contrattext |
Paramètrematerial_conditions | ContratIndiquez votre requête réelle et un tableau non vide de documents textuels d’origine. Les indices des résultats se rapportent à ce tableau d’origine. |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
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 · Tokens en entrée — / 1K tokens Sortie · Tokens en sortie — / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| Configurationtotal de jetons | Barème tarifaire— | Unité de facturation/ 1K tokens | Coût Entrée · total de jetons $0.0001 / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_QUERY:?Set the actual documented input value}"\nexport AILOOT_QUERY\n: "${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'jina-reranker-v2-base-multilingual', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,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 response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nRésultat JSON natif d’origine complet avec le modèle de réponse configuré, les indices des documents d’origine, les scores de pertinence, les chaînes des documents et la consommation native de jetons. Conservez chaque champ réel de résultat et de consommation.
GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez le X-Client-Request-ID réel et la réponse complète. Consultez les ressources d’origine dont vous êtes propriétaire et leurs liens de contenu signés exacts ; ne renvoyez jamais une demande de création incertaine.
| Champ | Type | Signification |
|---|---|---|
Champmodel | Typestring | SignificationModèle exact de réponse requis par le composant Source configuré de traitement des réponses. |
Champresults[].index | Typeinteger | SignificationIndice unique du document d’entrée d’origine. |
Champresults[].relevance_score | Typenumber | SignificationScore de pertinence fini. |
Champresults[].document | Typestring | SignificationDocument textuel d’origine requis par ce composant configuré de traitement des réponses. |
Champusage.total_tokens | Typeinteger | SignificationNombre natif de jetons fini et non négatif requis par le tarif actuellement accepté. |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionLe corps JSON ou l’identifiant canonique explicite du modèle est invalide. | Étape suivanteConservez la réponse et corrigez le champ indiqué dans la requête. |
Réponse401 · authentication_error | ConditionLa clé API Ailoot est invalide. | Étape suivanteUtilisez votre clé API Ailoot autorisée. |
Réponse403 · permission_error | ConditionLe groupe de la clé n’autorise pas cette méthode. | Étape suivanteConservez les détails de l’erreur renvoyée. |
Réponse404 · not_found_error | ConditionLa méthode sélectionnée ne dispose d’aucune route autorisée. | Étape suivanteConservez les détails de l’erreur renvoyée. |
Réponse422 · price_unavailable | ConditionLe tarif accepté ne peut pas déterminer la quantité d’entrée requise ou sa borne. | Étape suivanteConservez la réponse ; utilisez la représentation d’entrée requise par le tarif accepté. |
Réponse503 · | ConditionLe stockage, la route, le tarif de la méthode ou la réservation requis est indisponible. | Étape suivanteConservez la réponse d’origine complète. Une réservation incertaine n’autorise pas le renvoi de la demande. |
Réponse502 · billing_requires_check | ConditionLe résultat d’origine, la consommation ou la facturation définitive nécessite une vérification. | Étape suivanteConservez l’identifiant réel de la requête et la réponse d’origine. Consultez l’enregistrement existant dont vous êtes propriétaire ; ne renvoyez pas la demande de création. |
Ailoot Ultra jina-reranker-v2-base-multilingual
Utilisez les chemins de méthode indiqués ci-dessus.