Cohere Rerank 3.5 è un modello multilingue per classificare per pertinenza documenti candidati e testo semistrutturato. Valuta ogni candidato in relazione a una query e restituisce un elenco di risultati riordinato con punteggi di pertinenza. Può affinare candidati ottenuti tramite ricerca per parole chiave o semantica e selezionare passaggi per una risposta aumentata dal recupero di informazioni. Il suo compito è migliorare l'ordine delle prove, non generare una risposta libera o creare un nuovo indice del corpus.
L'identificatore esatto del produttore è rerank-v3.5. Usa un contesto di 4096 token, distinto dal contesto di 32K di Rerank 4 Pro e Fast. I token della query e del documento concorrono insieme a quella finestra per candidato. La guida preparatoria specifica del modello tronca una query oltre i suoi primi 2048 token e descrive segmenti di documento di 4093 token prima di considerare la query. Mantieni la query mirata e prepara passaggi candidati che contengano le informazioni necessarie per giudicare la relazione richiesta.
Fornisci la query e un elenco di stringhe di testo candidate. Ogni risultato contiene un indice che rimanda alla posizione del documento originale e un punteggio di pertinenza; top_n sceglie quanti risultati classificati conservare. In sua assenza, il flusso documentato del produttore restituisce tutti i risultati. Conserva gli identificatori dei documenti indipendentemente dal punteggio, così che il passaggio in cima all'elenco resti riconducibile alla politica, alla scheda prodotto o al messaggio originale.
Rerank 3.5 supporta più di 100 lingue, incluso materiale in inglese e in altre lingue. Una query può contenere diversi aspetti dell'esigenza, come prodotto, situazione dell'utente e procedura desiderata. Per i record strutturati, la versione V2 ha rimosso gli oggetti documento grezzi e consiglia stringhe YAML. Disponi i campi utili in un ordine intenzionale, con il contenuto decisivo prima dei metadati meno pertinenti, perché le stringhe lunghe possono essere troncate. Questo vale per titoli e contenuti, attributi di prodotti o oggetto e corpo di un messaggio.
Il riferimento V2 del produttore usa max_tokens_per_doc per il troncamento dei documenti, con un valore predefinito di 4096. La guida preparatoria di Cohere descrive anche la suddivisione dei documenti lunghi in segmenti; l'input effettivo dipende dal flusso selezionato e dalle impostazioni dei documenti. Per un maggiore controllo, prepara tu stesso passaggi identificabili invece di presumere che ogni sezione di una fonte lunga resti visibile. Conserva abbastanza contesto circostante per distinguere un passaggio che contiene la risposta da uno che ne condivide soltanto il vocabolario.
Per le prestazioni delle richieste, il riferimento attuale consiglia di non inviare più di 1.000 documenti contemporaneamente. I punteggi di pertinenza sono normalizzati tra 0 e 1, ma i loro valori dipendono dalla query e dai candidati e non costituiscono una scala lineare di correttezza. Usa la classificazione per identificare prove utili. Se serve una soglia di punteggio, scegli query rappresentative del dominio e passaggi di pertinenza borderline, affinché la soglia rifletta l'attività di recupero effettiva.
Un flusso pratico di supporto può riordinare sezioni candidate della politica di reso per una domanda su un articolo danneggiato, quindi passare il testo sorgente selezionato a una fase di scrittura della risposta. Una ricerca nelle email può classificare i messaggi rispetto a un problema specifico e conservare l'identificatore del messaggio originale con ogni risultato. L'artefatto utile è l'elenco ordinato delle prove. Mantieni associati al risultato il contesto più breve di Rerank 3.5 e la preparazione dei documenti V2, senza sostituirli con i limiti di modelli successivi.
", "aboutText": "Cohere Rerank 3.5 è un modello multilingue per classificare per pertinenza documenti candidati e testo semistrutturato. Valuta ogni candidato in relazione a una query e restituisce un elenco di risultati riordinato con punteggi di pertinenza. Può affinare candidati ottenuti tramite ricerca per parole chiave o semantica e selezionare passaggi per una risposta aumentata dal recupero di informazioni. Il suo compito è migliorare l'ordine delle prove, non generare una risposta libera o creare un nuovo indice del corpus.\n\nL'identificatore esatto del produttore è rerank-v3.5. Usa un contesto di 4096 token, distinto dal contesto di 32K di Rerank 4 Pro e Fast. I token della query e del documento concorrono insieme a quella finestra per candidato. La guida preparatoria specifica del modello tronca una query oltre i suoi primi 2048 token e descrive segmenti di documento di 4093 token prima di considerare la query. Mantieni la query mirata e prepara passaggi candidati che contengano le informazioni necessarie per giudicare la relazione richiesta.\n\nFornisci la query e un elenco di stringhe di testo candidate. Ogni risultato contiene un indice che rimanda alla posizione del documento originale e un punteggio di pertinenza; top_n sceglie quanti risultati classificati conservare. In sua assenza, il flusso documentato del produttore restituisce tutti i risultati. Conserva gli identificatori dei documenti indipendentemente dal punteggio, così che il passaggio in cima all'elenco resti riconducibile alla politica, alla scheda prodotto o al messaggio originale.\n\nRerank 3.5 supporta più di 100 lingue, incluso materiale in inglese e in altre lingue. Una query può contenere diversi aspetti dell'esigenza, come prodotto, situazione dell'utente e procedura desiderata. Per i record strutturati, la versione V2 ha rimosso gli oggetti documento grezzi e consiglia stringhe YAML. Disponi i campi utili in un ordine intenzionale, con il contenuto decisivo prima dei metadati meno pertinenti, perché le stringhe lunghe possono essere troncate. Questo vale per titoli e contenuti, attributi di prodotti o oggetto e corpo di un messaggio.\n\nIl riferimento V2 del produttore usa max_tokens_per_doc per il troncamento dei documenti, con un valore predefinito di 4096. La guida preparatoria di Cohere descrive anche la suddivisione dei documenti lunghi in segmenti; l'input effettivo dipende dal flusso selezionato e dalle impostazioni dei documenti. Per un maggiore controllo, prepara tu stesso passaggi identificabili invece di presumere che ogni sezione di una fonte lunga resti visibile. Conserva abbastanza contesto circostante per distinguere un passaggio che contiene la risposta da uno che ne condivide soltanto il vocabolario.\n\nPer le prestazioni delle richieste, il riferimento attuale consiglia di non inviare più di 1.000 documenti contemporaneamente. I punteggi di pertinenza sono normalizzati tra 0 e 1, ma i loro valori dipendono dalla query e dai candidati e non costituiscono una scala lineare di correttezza. Usa la classificazione per identificare prove utili. Se serve una soglia di punteggio, scegli query rappresentative del dominio e passaggi di pertinenza borderline, affinché la soglia rifletta l'attività di recupero effettiva.\n\nUn flusso pratico di supporto può riordinare sezioni candidate della politica di reso per una domanda su un articolo danneggiato, quindi passare il testo sorgente selezionato a una fase di scrittura della risposta. Una ricerca nelle email può classificare i messaggi rispetto a un problema specifico e conservare l'identificatore del messaggio originale con ogni risultato. L'artefatto utile è l'elenco ordinato delle prove. Mantieni associati al risultato il contesto più breve di Rerank 3.5 e la preparazione dei documenti V2, senza sostituirli con i limiti di modelli successivi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "74e27596b952881c1a5b29a4e99ab2403fa496ee8389a012fa1a7f03f533d985", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "cohere/rerank-v3.5Cohere Rerank 3.5 riordina testi candidati e record semistrutturati in base alla pertinenza rispetto a una query. Supporta più di 100 lingue e un contesto di 4096 token per affinare i risultati di ricerca per parole chiave o semantica prima di una risposta o della visualizzazione dei risultati.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Cohere Rerank 3.5 è un modello multilingue per classificare per pertinenza documenti candidati e testo semistrutturato. Valuta ogni candidato in relazione a una query e restituisce un elenco di risultati riordinato con punteggi di pertinenza. Può affinare candidati ottenuti tramite ricerca per parole chiave o semantica e selezionare passaggi per una risposta aumentata dal recupero di informazioni. Il suo compito è migliorare l'ordine delle prove, non generare una risposta libera o creare un nuovo indice del corpus.
L'identificatore esatto del produttore è rerank-v3.5. Usa un contesto di 4096 token, distinto dal contesto di 32K di Rerank 4 Pro e Fast. I token della query e del documento concorrono insieme a quella finestra per candidato. La guida preparatoria specifica del modello tronca una query oltre i suoi primi 2048 token e descrive segmenti di documento di 4093 token prima di considerare la query. Mantieni la query mirata e prepara passaggi candidati che contengano le informazioni necessarie per giudicare la relazione richiesta.
Fornisci la query e un elenco di stringhe di testo candidate. Ogni risultato contiene un indice che rimanda alla posizione del documento originale e un punteggio di pertinenza; top_n sceglie quanti risultati classificati conservare. In sua assenza, il flusso documentato del produttore restituisce tutti i risultati. Conserva gli identificatori dei documenti indipendentemente dal punteggio, così che il passaggio in cima all'elenco resti riconducibile alla politica, alla scheda prodotto o al messaggio originale.
Rerank 3.5 supporta più di 100 lingue, incluso materiale in inglese e in altre lingue. Una query può contenere diversi aspetti dell'esigenza, come prodotto, situazione dell'utente e procedura desiderata. Per i record strutturati, la versione V2 ha rimosso gli oggetti documento grezzi e consiglia stringhe YAML. Disponi i campi utili in un ordine intenzionale, con il contenuto decisivo prima dei metadati meno pertinenti, perché le stringhe lunghe possono essere troncate. Questo vale per titoli e contenuti, attributi di prodotti o oggetto e corpo di un messaggio.
Il riferimento V2 del produttore usa max_tokens_per_doc per il troncamento dei documenti, con un valore predefinito di 4096. La guida preparatoria di Cohere descrive anche la suddivisione dei documenti lunghi in segmenti; l'input effettivo dipende dal flusso selezionato e dalle impostazioni dei documenti. Per un maggiore controllo, prepara tu stesso passaggi identificabili invece di presumere che ogni sezione di una fonte lunga resti visibile. Conserva abbastanza contesto circostante per distinguere un passaggio che contiene la risposta da uno che ne condivide soltanto il vocabolario.
Per le prestazioni delle richieste, il riferimento attuale consiglia di non inviare più di 1.000 documenti contemporaneamente. I punteggi di pertinenza sono normalizzati tra 0 e 1, ma i loro valori dipendono dalla query e dai candidati e non costituiscono una scala lineare di correttezza. Usa la classificazione per identificare prove utili. Se serve una soglia di punteggio, scegli query rappresentative del dominio e passaggi di pertinenza borderline, affinché la soglia rifletta l'attività di recupero effettiva.
Un flusso pratico di supporto può riordinare sezioni candidate della politica di reso per una domanda su un articolo danneggiato, quindi passare il testo sorgente selezionato a una fase di scrittura della risposta. Una ricerca nelle email può classificare i messaggi rispetto a un problema specifico e conservare l'identificatore del messaggio originale con ogni risultato. L'artefatto utile è l'elenco ordinato delle prove. Mantieni associati al risultato il contesto più breve di Rerank 3.5 e la preparazione dei documenti V2, senza sostituirli con i limiti di modelli successivi.
POST /v1/reranktextrerank| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campodocuments | Tipoarray | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti cohere/rerank-v3.5 | Predefinito— |
Campoprovider | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoquery | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposession_id | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotop_n | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 | Predefinito— |
Campotrace | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campodocuments[].text | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campodocuments[].image | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
text_rerank · Obbligatorio: query, documents array with minItems1
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, query, documents |
Parametromaterial_types | Contrattotext |
Parametrooptional_controls | Contrattoprovider, session_id, top_n, trace, user |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous
Invia l'ID esatto del modello e conserva l'intera risposta nativa.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneUltra | Listino delle tariffe— | Unità di fatturazioneper unità di ricerca | Costo total · unità di ricerca $0.002 per unità di ricerca |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "cohere/rerank-v3.5",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${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 ogni risposta, file e parte di contenuto restituiti per intero.
Vengono conservati ogni indice effettivo dei risultati, ogni relevance_score finito e l'oggetto documento originale. Gli indici corrispondono all'array di documenti originale. L'intero JSON originale viene memorizzato e restituito solo dopo il conguaglio dell'addebito.
Conserva l'operazione originale e la risposta completa o parziale; non ripetere 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 |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampo obbligatorio, rappresentazione o valore non valido | Passaggio successivoCorreggi il campo della richiesta indicato. |
Ailoot Ultra cohere/rerank-v3.5
Usa i percorsi dei metodi indicati sopra.