{
  "aboutHtml": "<p>Jina Reranker v2 Base Multilingual ialah model pemeringkatan teks untuk peringkat kedua pengambilan maklumat. Berikan pertanyaan dan dokumen atau petikan calon; ia menilai setiap pasangan pertanyaan–dokumen dan mengembalikan skor kerelevanan. Hasil yang berguna ialah set calon yang tersusun lebih baik untuk carian atau aliran kerja diperkaya pengambilan maklumat. Ia tidak menulis jawapan kepada pertanyaan atau mencipta pembenaman dokumen.</p><h4>Sediakan pertanyaan dan petikan calon</h4><p>Tulis pertanyaan supaya menyatakan keperluan maklumat. Kemudian berikan teks yang telah ditemui oleh langkah pengambilan maklumat terdahulu. Kekalkan pengecam stabil di sisi setiap calon supaya skor kerelevanannya boleh dihubungkan dengan dokumen, bahagian atau rekod asal.</p><p>Untuk carian sokongan, gunakan soalan sebenar dan petikan calon yang mengandungi prosedur berkaitan. Pertanyaan tentang menetapkan semula peranti tertentu patut dipasangkan dengan petikan yang mengekalkan nama peranti, versi dan syarat penetapan semula. Petikan yang sekadar menyebut peranti boleh kurang berguna berbanding petikan yang menerangkan operasi yang diminta. Bekalkan kandungan yang diperlukan model untuk perbandingan, bukannya hanya tajuk dokumen.</p><p>Gunakan petikan yang koheren. Tajuk jadual, takrif atau pengecualian boleh mengubah hubungan perenggan dengan pertanyaan, jadi jangan membuangnya hanya untuk menjadikan setiap calon sama pendek. Model penyusun semula kedudukan menilai calon yang dibekalkan; ia tidak boleh mendapatkan semula dokumen berkaitan yang ditinggalkan oleh peringkat pengambilan maklumat terdahulu.</p><h4>Pemarkahan pertanyaan–dokumen</h4><p>Ini ialah pengekod silang: pertanyaan dan teks calon diproses bersama-sama. Antara muka pemarkahan langsung mengembalikan skor kerelevanan titik terapung untuk setiap pasangan yang sepadan. Skor lebih tinggi menunjukkan kerelevanan lebih besar dalam perbandingan itu. Skor ialah isyarat pemeringkatan, bukannya penerangan yang dijana atau bukti bahawa dokumen itu benar.</p><p>Pembuat turut menyediakan pembantu penyusunan semula kedudukan yang mengembalikan dokumen tersusun dengan skornya. Kawalan hasil teratas memilih bilangan calon berperingkat yang perlu dikekalkan. Kekalkan pengecam dan teksnya apabila menyerahkannya kepada peringkat seterusnya. Untuk aliran kerja penjawaban soalan, model berikutnya masih memerlukan pertanyaan dan bukti yang dipilih; senarai berperingkat itu sendiri bukan soalan yang telah dijawab.</p><p>Apabila membandingkan perubahan pengambilan maklumat, kekalkan pertanyaan dan kriteria penilaian tetap. Periksa sama ada petikan yang dinaikkan ke kedudukan teratas benar-benar mengandungi maklumat yang diminta. Tetapkan sebarang ambang penapisan menggunakan contoh daripada koleksi anda sendiri, bukannya menganggap skor kerelevanan sebagai ukuran sejagat ketepatan jawapan.</p><h4>Tetingkap model dan dokumen yang lebih panjang</h4><p>Model menyokong panjang konteks sehingga 1,024 token. Pembantu <code>rerank()</code> yang didokumenkan mengendalikan dokumen lebih panjang dengan pendekatan tetingkap gelangsar, memberi skor kepada bahagian secara berasingan dan menggabungkannya menjadi hasil peringkat dokumen. Pembahagian kepada cebisan ialah tingkah laku pembantu itu; ia tidak patut dikelirukan dengan satu input model yang mempunyai tetingkap konteks tanpa had.</p><p>Pembantu itu mendedahkan kawalan panjang pertanyaan dan panjang cebisan serta tetapan pertindihan. Pertindihan lalai yang didokumenkan ialah 80. Contoh penggunaan terbitan menetapkan panjang pertanyaan maksimum 512 dan panjang cebisan 1,024; ini ialah contoh tetapan pembantu yang patut dibezakan daripada janji bahawa setiap pemanggil atau laluan menggunakannya.</p><p>Untuk manual panjang, kekalkan teks berhampiran yang mencukupi supaya arahan dan syaratnya muncul bersama-sama. Apabila menilai hasil, periksa bahagian berkaitan dalam dokumen berkedudukan tinggi, bukannya menganggap setiap bahagiannya menjawab pertanyaan sama baik.</p><h4>Pengambilan teks berbilang bahasa dan khusus</h4><p>Model v2 menyokong berbilang bahasa. Contoh pembuat memeringkatkan pertanyaan bahasa Inggeris berbanding petikan bahasa Inggeris, Jerman, Sepanyol, Cina dan Jepun. Ini menyokong koleksi yang bahan berkaitannya ditulis dalam beberapa bahasa tanpa memerlukan setiap calon diterjemah ke bahasa pertanyaan terlebih dahulu.</p><p>Skop tugas yang didokumenkan turut merangkumi pengambilan kod dan pemeringkatan perwakilan teks berkaitan fungsi atau SQL. Ini kekal sebagai tugas pemeringkatan kerelevanan: model menilai teks yang dibekalkan. Ia tidak melaksanakan fungsi, menjalankan SQL atau menghasilkan hasil alat hanya kerana jenis calon tersebut muncul dalam set pengambilan maklumat.</p><h4>Edisi dan had praktikal</h4><p>Bezakan varian v2 Base Multilingual ini daripada model penyusun semula kedudukan Jina terdahulu yang hanya berbahasa Inggeris, Jina Reranker v3 dan varian penyusunan semula kedudukan multimodal. Itu ialah model berbeza dengan ciri tugas dan input berbeza. Input varian ini ialah pasangan pertanyaan–teks; kandungan imej atau video memerlukan perwakilan atau model yang sesuai dengannya.</p><p>Pelaksanaan rujukan pembuat menyokong skor langsung dan pembantu pemeringkatan dokumen, dengan perhatian dipercepat secara pilihan. Pilihan pelaksanaan itu mempengaruhi cara input disediakan dan diproses; ia tidak membuktikan bahawa setiap integrasi mendedahkan kawalan yang sama.</p><p>Gunakan output berperingkat untuk carian berbilang bahasa, pangkalan pengetahuan sokongan, pengambilan dokumen dan pemilihan bukti sebelum penjanaan. Semak petikan teratas, kekalkan pemetaan calon asal dan bezakan kerelevanan daripada kesahihan fakta. Hasil pengambilan maklumat yang berguna mengemukakan bukti betul yang dibekalkan sambil menyerahkan tugas seterusnya—menjawab, meringkaskan atau membuat keputusan—kepada aliran kerja yang sesuai.</p>",
  "aboutText": "Jina Reranker v2 Base Multilingual ialah model pemeringkatan teks untuk peringkat kedua pengambilan maklumat. Berikan pertanyaan dan dokumen atau petikan calon; ia menilai setiap pasangan pertanyaan–dokumen dan mengembalikan skor kerelevanan. Hasil yang berguna ialah set calon yang tersusun lebih baik untuk carian atau aliran kerja diperkaya pengambilan maklumat. Ia tidak menulis jawapan kepada pertanyaan atau mencipta pembenaman dokumen.\n\n### Sediakan pertanyaan dan petikan calon\n\nTulis pertanyaan supaya menyatakan keperluan maklumat. Kemudian berikan teks yang telah ditemui oleh langkah pengambilan maklumat terdahulu. Kekalkan pengecam stabil di sisi setiap calon supaya skor kerelevanannya boleh dihubungkan dengan dokumen, bahagian atau rekod asal.\n\nUntuk carian sokongan, gunakan soalan sebenar dan petikan calon yang mengandungi prosedur berkaitan. Pertanyaan tentang menetapkan semula peranti tertentu patut dipasangkan dengan petikan yang mengekalkan nama peranti, versi dan syarat penetapan semula. Petikan yang sekadar menyebut peranti boleh kurang berguna berbanding petikan yang menerangkan operasi yang diminta. Bekalkan kandungan yang diperlukan model untuk perbandingan, bukannya hanya tajuk dokumen.\n\nGunakan petikan yang koheren. Tajuk jadual, takrif atau pengecualian boleh mengubah hubungan perenggan dengan pertanyaan, jadi jangan membuangnya hanya untuk menjadikan setiap calon sama pendek. Model penyusun semula kedudukan menilai calon yang dibekalkan; ia tidak boleh mendapatkan semula dokumen berkaitan yang ditinggalkan oleh peringkat pengambilan maklumat terdahulu.\n\n### Pemarkahan pertanyaan–dokumen\n\nIni ialah pengekod silang: pertanyaan dan teks calon diproses bersama-sama. Antara muka pemarkahan langsung mengembalikan skor kerelevanan titik terapung untuk setiap pasangan yang sepadan. Skor lebih tinggi menunjukkan kerelevanan lebih besar dalam perbandingan itu. Skor ialah isyarat pemeringkatan, bukannya penerangan yang dijana atau bukti bahawa dokumen itu benar.\n\nPembuat turut menyediakan pembantu penyusunan semula kedudukan yang mengembalikan dokumen tersusun dengan skornya. Kawalan hasil teratas memilih bilangan calon berperingkat yang perlu dikekalkan. Kekalkan pengecam dan teksnya apabila menyerahkannya kepada peringkat seterusnya. Untuk aliran kerja penjawaban soalan, model berikutnya masih memerlukan pertanyaan dan bukti yang dipilih; senarai berperingkat itu sendiri bukan soalan yang telah dijawab.\n\nApabila membandingkan perubahan pengambilan maklumat, kekalkan pertanyaan dan kriteria penilaian tetap. Periksa sama ada petikan yang dinaikkan ke kedudukan teratas benar-benar mengandungi maklumat yang diminta. Tetapkan sebarang ambang penapisan menggunakan contoh daripada koleksi anda sendiri, bukannya menganggap skor kerelevanan sebagai ukuran sejagat ketepatan jawapan.\n\n### Tetingkap model dan dokumen yang lebih panjang\n\nModel menyokong panjang konteks sehingga 1,024 token. Pembantu `rerank()` yang didokumenkan mengendalikan dokumen lebih panjang dengan pendekatan tetingkap gelangsar, memberi skor kepada bahagian secara berasingan dan menggabungkannya menjadi hasil peringkat dokumen. Pembahagian kepada cebisan ialah tingkah laku pembantu itu; ia tidak patut dikelirukan dengan satu input model yang mempunyai tetingkap konteks tanpa had.\n\nPembantu itu mendedahkan kawalan panjang pertanyaan dan panjang cebisan serta tetapan pertindihan. Pertindihan lalai yang didokumenkan ialah 80. Contoh penggunaan terbitan menetapkan panjang pertanyaan maksimum 512 dan panjang cebisan 1,024; ini ialah contoh tetapan pembantu yang patut dibezakan daripada janji bahawa setiap pemanggil atau laluan menggunakannya.\n\nUntuk manual panjang, kekalkan teks berhampiran yang mencukupi supaya arahan dan syaratnya muncul bersama-sama. Apabila menilai hasil, periksa bahagian berkaitan dalam dokumen berkedudukan tinggi, bukannya menganggap setiap bahagiannya menjawab pertanyaan sama baik.\n\n### Pengambilan teks berbilang bahasa dan khusus\n\nModel v2 menyokong berbilang bahasa. Contoh pembuat memeringkatkan pertanyaan bahasa Inggeris berbanding petikan bahasa Inggeris, Jerman, Sepanyol, Cina dan Jepun. Ini menyokong koleksi yang bahan berkaitannya ditulis dalam beberapa bahasa tanpa memerlukan setiap calon diterjemah ke bahasa pertanyaan terlebih dahulu.\n\nSkop tugas yang didokumenkan turut merangkumi pengambilan kod dan pemeringkatan perwakilan teks berkaitan fungsi atau SQL. Ini kekal sebagai tugas pemeringkatan kerelevanan: model menilai teks yang dibekalkan. Ia tidak melaksanakan fungsi, menjalankan SQL atau menghasilkan hasil alat hanya kerana jenis calon tersebut muncul dalam set pengambilan maklumat.\n\n### Edisi dan had praktikal\n\nBezakan varian v2 Base Multilingual ini daripada model penyusun semula kedudukan Jina terdahulu yang hanya berbahasa Inggeris, Jina Reranker v3 dan varian penyusunan semula kedudukan multimodal. Itu ialah model berbeza dengan ciri tugas dan input berbeza. Input varian ini ialah pasangan pertanyaan–teks; kandungan imej atau video memerlukan perwakilan atau model yang sesuai dengannya.\n\nPelaksanaan rujukan pembuat menyokong skor langsung dan pembantu pemeringkatan dokumen, dengan perhatian dipercepat secara pilihan. Pilihan pelaksanaan itu mempengaruhi cara input disediakan dan diproses; ia tidak membuktikan bahawa setiap integrasi mendedahkan kawalan yang sama.\n\nGunakan output berperingkat untuk carian berbilang bahasa, pangkalan pengetahuan sokongan, pengambilan dokumen dan pemilihan bukti sebelum penjanaan. Semak petikan teratas, kekalkan pemetaan calon asal dan bezakan kerelevanan daripada kesahihan fakta. Hasil pengambilan maklumat yang berguna mengemukakan bukti betul yang dibekalkan sambil menyerahkan tugas seterusnya—menjawab, meringkaskan atau membuat keputusan—kepada aliran kerja yang sesuai.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "747204d59cec086072b263e8d291c901e22f8f59bcb8e63f404d77a3479853a4",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "ms",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">jina-reranker-v2-base-multilingual</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Tutup\">×</button></div><div class=\"idline\"><span>Jina AI /</span><code>jina-reranker-v2-base-multilingual</code><button type=\"button\" id=\"copy-id\">Salin ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Bahagian kad model\"><button type=\"button\" data-card-jump=\"overview\">Pengenalan</button><button type=\"button\" data-card-jump=\"methods\">Input &amp; kaedah</button><button type=\"button\" data-card-jump=\"pricing\">Pelan harga</button><button type=\"button\" data-card-jump=\"examples\">Contoh</button><button type=\"button\" data-card-jump=\"results\">Hasil</button><button type=\"button\" data-card-jump=\"aliases\">Alias</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Kaedah API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|rerank|/v1/rerank|jina-reranker-v2-base-multilingual\">Pemeringkatan semula</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Pengenalan</h3><p class=\"mdesc-full\">Jina Reranker v2 Base Multilingual memberi skor kepada pertanyaan berbanding teks calon dan menyusunnya mengikut kerelevanan. Pengekod silangnya mengendalikan pengambilan maklumat berbilang bahasa, manakala pembantu penyusunan semula kedudukan pembuat membahagikan dokumen lebih panjang mengikut tetingkap model 1,024 token.</p><dl class=\"card-io\" data-card-io><div><dt>Input yang diterima</dt><dd>Teks</dd></div><div><dt>Hasil</dt><dd>Hasil mengikut kedudukan</dd></div></dl><details class=\"card-about\"><summary>Tentang model</summary><p class=\"note-s\" data-model-method-boundary>Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.</p><div class=\"mabout\" id=\"m-about\"><p>Jina Reranker v2 Base Multilingual ialah model pemeringkatan teks untuk peringkat kedua pengambilan maklumat. Berikan pertanyaan dan dokumen atau petikan calon; ia menilai setiap pasangan pertanyaan–dokumen dan mengembalikan skor kerelevanan. Hasil yang berguna ialah set calon yang tersusun lebih baik untuk carian atau aliran kerja diperkaya pengambilan maklumat. Ia tidak menulis jawapan kepada pertanyaan atau mencipta pembenaman dokumen.</p><h4>Sediakan pertanyaan dan petikan calon</h4><p>Tulis pertanyaan supaya menyatakan keperluan maklumat. Kemudian berikan teks yang telah ditemui oleh langkah pengambilan maklumat terdahulu. Kekalkan pengecam stabil di sisi setiap calon supaya skor kerelevanannya boleh dihubungkan dengan dokumen, bahagian atau rekod asal.</p><p>Untuk carian sokongan, gunakan soalan sebenar dan petikan calon yang mengandungi prosedur berkaitan. Pertanyaan tentang menetapkan semula peranti tertentu patut dipasangkan dengan petikan yang mengekalkan nama peranti, versi dan syarat penetapan semula. Petikan yang sekadar menyebut peranti boleh kurang berguna berbanding petikan yang menerangkan operasi yang diminta. Bekalkan kandungan yang diperlukan model untuk perbandingan, bukannya hanya tajuk dokumen.</p><p>Gunakan petikan yang koheren. Tajuk jadual, takrif atau pengecualian boleh mengubah hubungan perenggan dengan pertanyaan, jadi jangan membuangnya hanya untuk menjadikan setiap calon sama pendek. Model penyusun semula kedudukan menilai calon yang dibekalkan; ia tidak boleh mendapatkan semula dokumen berkaitan yang ditinggalkan oleh peringkat pengambilan maklumat terdahulu.</p><h4>Pemarkahan pertanyaan–dokumen</h4><p>Ini ialah pengekod silang: pertanyaan dan teks calon diproses bersama-sama. Antara muka pemarkahan langsung mengembalikan skor kerelevanan titik terapung untuk setiap pasangan yang sepadan. Skor lebih tinggi menunjukkan kerelevanan lebih besar dalam perbandingan itu. Skor ialah isyarat pemeringkatan, bukannya penerangan yang dijana atau bukti bahawa dokumen itu benar.</p><p>Pembuat turut menyediakan pembantu penyusunan semula kedudukan yang mengembalikan dokumen tersusun dengan skornya. Kawalan hasil teratas memilih bilangan calon berperingkat yang perlu dikekalkan. Kekalkan pengecam dan teksnya apabila menyerahkannya kepada peringkat seterusnya. Untuk aliran kerja penjawaban soalan, model berikutnya masih memerlukan pertanyaan dan bukti yang dipilih; senarai berperingkat itu sendiri bukan soalan yang telah dijawab.</p><p>Apabila membandingkan perubahan pengambilan maklumat, kekalkan pertanyaan dan kriteria penilaian tetap. Periksa sama ada petikan yang dinaikkan ke kedudukan teratas benar-benar mengandungi maklumat yang diminta. Tetapkan sebarang ambang penapisan menggunakan contoh daripada koleksi anda sendiri, bukannya menganggap skor kerelevanan sebagai ukuran sejagat ketepatan jawapan.</p><h4>Tetingkap model dan dokumen yang lebih panjang</h4><p>Model menyokong panjang konteks sehingga 1,024 token. Pembantu <code>rerank()</code> yang didokumenkan mengendalikan dokumen lebih panjang dengan pendekatan tetingkap gelangsar, memberi skor kepada bahagian secara berasingan dan menggabungkannya menjadi hasil peringkat dokumen. Pembahagian kepada cebisan ialah tingkah laku pembantu itu; ia tidak patut dikelirukan dengan satu input model yang mempunyai tetingkap konteks tanpa had.</p><p>Pembantu itu mendedahkan kawalan panjang pertanyaan dan panjang cebisan serta tetapan pertindihan. Pertindihan lalai yang didokumenkan ialah 80. Contoh penggunaan terbitan menetapkan panjang pertanyaan maksimum 512 dan panjang cebisan 1,024; ini ialah contoh tetapan pembantu yang patut dibezakan daripada janji bahawa setiap pemanggil atau laluan menggunakannya.</p><p>Untuk manual panjang, kekalkan teks berhampiran yang mencukupi supaya arahan dan syaratnya muncul bersama-sama. Apabila menilai hasil, periksa bahagian berkaitan dalam dokumen berkedudukan tinggi, bukannya menganggap setiap bahagiannya menjawab pertanyaan sama baik.</p><h4>Pengambilan teks berbilang bahasa dan khusus</h4><p>Model v2 menyokong berbilang bahasa. Contoh pembuat memeringkatkan pertanyaan bahasa Inggeris berbanding petikan bahasa Inggeris, Jerman, Sepanyol, Cina dan Jepun. Ini menyokong koleksi yang bahan berkaitannya ditulis dalam beberapa bahasa tanpa memerlukan setiap calon diterjemah ke bahasa pertanyaan terlebih dahulu.</p><p>Skop tugas yang didokumenkan turut merangkumi pengambilan kod dan pemeringkatan perwakilan teks berkaitan fungsi atau SQL. Ini kekal sebagai tugas pemeringkatan kerelevanan: model menilai teks yang dibekalkan. Ia tidak melaksanakan fungsi, menjalankan SQL atau menghasilkan hasil alat hanya kerana jenis calon tersebut muncul dalam set pengambilan maklumat.</p><h4>Edisi dan had praktikal</h4><p>Bezakan varian v2 Base Multilingual ini daripada model penyusun semula kedudukan Jina terdahulu yang hanya berbahasa Inggeris, Jina Reranker v3 dan varian penyusunan semula kedudukan multimodal. Itu ialah model berbeza dengan ciri tugas dan input berbeza. Input varian ini ialah pasangan pertanyaan–teks; kandungan imej atau video memerlukan perwakilan atau model yang sesuai dengannya.</p><p>Pelaksanaan rujukan pembuat menyokong skor langsung dan pembantu pemeringkatan dokumen, dengan perhatian dipercepat secara pilihan. Pilihan pelaksanaan itu mempengaruhi cara input disediakan dan diproses; ia tidak membuktikan bahawa setiap integrasi mendedahkan kawalan yang sama.</p><p>Gunakan output berperingkat untuk carian berbilang bahasa, pangkalan pengetahuan sokongan, pengambilan dokumen dan pemilihan bukti sebelum penjanaan. Semak petikan teratas, kekalkan pemetaan calon asal dan bezakan kerelevanan daripada kesahihan fakta. Hasil pengambilan maklumat yang berguna mengemukakan bukti betul yang dibekalkan sambil menyerahkan tugas seterusnya—menjawab, meringkaskan atau membuat keputusan—kepada aliran kerja yang sesuai.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Tersedia di Ailoot · input &amp; kaedah</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Pemeringkatan semula</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Input</dt><dd><code>text</code></dd></div><div><dt>Output</dt><dd><code>rerank</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Medan</th><th>Jenis</th><th>Keperluan</th><th>Nilai &amp; had</th><th>Lalai</th></tr></thead><tbody><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>string</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Diperlukan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span><div>jina-reranker-v2-base-multilingual</div></td><td data-cell-label=\"Lalai\" data-default=\"unspecified\"><span class=\"card-cell-label\">Lalai</span>—</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>string</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Pilihan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span></td><td data-cell-label=\"Lalai\" data-default=\"unspecified\"><span class=\"card-cell-label\">Lalai</span>—</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span><code>array</code></td><td data-cell-label=\"Keperluan\"><span class=\"card-cell-label\">Keperluan</span>Diperlukan</td><td data-cell-label=\"Nilai &amp; had\"><span class=\"card-cell-label\">Nilai &amp; had</span></td><td data-cell-label=\"Lalai\" data-default=\"unspecified\"><span class=\"card-cell-label\">Lalai</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Parameter kaedah dan kitar hayat</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parameter</th><th>Kontrak</th></tr></thead><tbody><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>content_type</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>application/json</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>required</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>model, documents</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_types</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>text</td></tr><tr><th data-cell-label=\"Parameter\" scope=\"row\"><span class=\"card-cell-label\">Parameter</span><code>material_conditions</code></th><td data-cell-label=\"Kontrak\"><span class=\"card-cell-label\">Kontrak</span>Tetapkan pertanyaan sebenar anda dan tatasusunan dokumen teks asal yang tidak kosong. Indeks hasil merujuk kepada tatasusunan asal tersebut.</td></tr></tbody></table></div><p>Kitar hayat: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Pelan harga</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.</p><dl data-price-conditions><dt>Mod pantas</dt><dd>Tidak dinyatakan <span class=\"note-s\">Apabila mod pantas dipilih</span></dd><dt>Mod flex</dt><dd>Tidak dinyatakan <span class=\"note-s\">Apabila mod flex dipilih</span></dd><dt>Usaha penaakulan maksimum</dt><dd>Tidak dinyatakan <span class=\"note-s\">Apabila usaha penaakulan maksimum menggunakan pelarasan default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Kadar Ailoot</h4><h4>Harga mengikut konfigurasi</h4><p class=\"note-s\">Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfigurasi</th><th>Jadual kadar</th><th>Unit pengebilan</th><th>Caj</th></tr></thead><tbody><tr><th data-cell-label=\"Konfigurasi\" scope=\"row\"><span class=\"card-cell-label\">Konfigurasi</span>Kadar asas token</th><td data-cell-label=\"Jadual kadar\"><span class=\"card-cell-label\">Jadual kadar</span>Kadar asas</td><td data-cell-label=\"Unit pengebilan\"><span class=\"card-cell-label\">Unit pengebilan</span>—</td><td data-cell-label=\"Caj\"><span class=\"card-cell-label\">Caj</span><div><span>Input · Token input</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Output · Token output</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Bacaan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Penulisan cache</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Input · Penulisan cache, 1 jam</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Konfigurasi\" scope=\"row\"><span class=\"card-cell-label\">Konfigurasi</span>jumlah token</th><td data-cell-label=\"Jadual kadar\"><span class=\"card-cell-label\">Jadual kadar</span>—</td><td data-cell-label=\"Unit pengebilan\"><span class=\"card-cell-label\">Unit pengebilan</span>/ 1K token</td><td data-cell-label=\"Caj\"><span class=\"card-cell-label\">Caj</span><div><span>Input · jumlah token</span> <b>$0.0001</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. <a href=\"/docs/ms/billing/reserve/\">Cara rizab dan penyelesaian caj berfungsi →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Contoh permintaan</h3><h4>Ailoot Ultra · Pemeringkatan semula</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Pilihan kod\"><button class=\"cg-tab\" id=\"model-code-1768-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1768-panel-0\" aria-selected=\"true\" tabindex=\"0\">Gunakan input sebenar dan simpan hasil lengkap</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Salin kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1768-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1768-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_QUERY:?Set the actual documented input value}&quot;\nexport AILOOT_QUERY\n: &quot;${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}&quot;\nexport AILOOT_DOCUMENTS_JSON\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nrequest={&#39;model&#39;: &#39;jina-reranker-v2-base-multilingual&#39;, &#39;query&#39;: &#39;${ACTUAL_QUERY}&#39;, &#39;documents&#39;: &#39;${ACTUAL_DOCUMENTS}&#39;}\nrequest[&#39;query&#39;]=os.environ[&#39;AILOOT_QUERY&#39;]\nrequest[&#39;documents&#39;]=json.loads(os.environ[&#39;AILOOT_DOCUMENTS_JSON&#39;])\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\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.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Terima dan simpan hasil</h3><h4>Ailoot Ultra · Pemeringkatan semula</h4><p class=\"note-s\">Hasil JSON natif asal yang lengkap dengan model respons yang dikonfigurasi, indeks dokumen asal, skor kerelevanan, rentetan dokumen dan penggunaan token natif. Kekalkan setiap medan hasil dan penggunaan sebenar.</p><ul class=\"card-result-paths\"><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><div class=\"card-result-process\" data-all-results><h5>Simpan semua hasil yang selesai</h5><p class=\"note-s\">Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.</p><p class=\"note-s\">Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jika respons asal perlu disemak</h5><p class=\"note-s\">Simpan X-Client-Request-ID sebenar dan respons lengkap. Baca aset asal milik anda serta pautan kandungan bertandatangan yang tepat; jangan sekali-kali hantar semula penciptaan yang tidak pasti.</p></div><details class=\"card-about\" data-output-fields><summary>Medan respons</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Medan</th><th>Jenis</th><th>Maksud</th></tr></thead><tbody><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>string</td><td data-cell-label=\"Maksud\"><span class=\"card-cell-label\">Maksud</span>Model respons tepat yang diperlukan oleh komponen penerima Source yang dikonfigurasi.</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">results[].index</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>integer</td><td data-cell-label=\"Maksud\"><span class=\"card-cell-label\">Maksud</span>Indeks unik dokumen input asal.</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">results[].relevance_score</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>number</td><td data-cell-label=\"Maksud\"><span class=\"card-cell-label\">Maksud</span>Skor kerelevanan terhingga.</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">results[].document</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>string</td><td data-cell-label=\"Maksud\"><span class=\"card-cell-label\">Maksud</span>Dokumen teks asal yang diperlukan oleh komponen penerima respons yang dikonfigurasi ini.</td></tr><tr><th data-cell-label=\"Medan\" scope=\"row\"><span class=\"card-cell-label\">Medan</span><code class=\"card-field-name\">usage.total_tokens</code></th><td data-cell-label=\"Jenis\" data-field-type><span class=\"card-cell-label\">Jenis</span>integer</td><td data-cell-label=\"Maksud\"><span class=\"card-cell-label\">Maksud</span>Kiraan token natif terhingga yang tidak negatif, seperti yang diperlukan oleh tarif semasa yang diterima.</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Ralat dan langkah seterusnya</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Respons</th><th>Syarat</th><th>Langkah seterusnya</th></tr></thead><tbody><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Badan JSON atau ID model kanonik yang dinyatakan secara jelas tidak sah.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan respons dan betulkan medan permintaan yang dinyatakan.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>401 · <code>authentication_error</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Kunci API Ailoot tidak sah.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Gunakan kunci API Ailoot anda yang dibenarkan.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>403 · <code>permission_error</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Kumpulan kunci tidak membenarkan kaedah ini.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan butiran ralat yang dikembalikan.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>404 · <code>not_found_error</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Kaedah yang dipilih tidak mempunyai laluan yang dibenarkan.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan butiran ralat yang dikembalikan.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>422 · <code>price_unavailable</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Tarif yang diterima tidak dapat memperoleh kuantiti input atau batas yang diperlukan.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan respons; gunakan bentuk perwakilan input yang diperlukan oleh tarif yang diterima.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>503 · <code></code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Storan, laluan, harga kaedah atau penahanan dana yang diperlukan tidak tersedia.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan respons asal yang lengkap. Penahanan dana yang tidak pasti bukan kebenaran untuk menghantar semula.</td></tr><tr><th data-cell-label=\"Respons\" scope=\"row\"><span class=\"card-cell-label\">Respons</span>502 · <code>billing_requires_check</code></th><td data-cell-label=\"Syarat\"><span class=\"card-cell-label\">Syarat</span>Hasil asal, penggunaan atau penyelesaian caj memerlukan semakan.</td><td data-cell-label=\"Langkah seterusnya\"><span class=\"card-cell-label\">Langkah seterusnya</span>Simpan ID permintaan sebenar dan respons asal. Baca rekod sedia ada milik anda; jangan hantar semula permintaan penciptaan.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Alias</h3><h4>Alias model</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=jina-reranker-v2-base-multilingual&amp;route=Ultra&amp;caller=jina-reranker-v2-base-multilingual&amp;fmt=rerank\"><code>jina-reranker-v2-base-multilingual</code></a></span></p><h4>Alias laluan kaedah</h4><p class=\"note-s\">Gunakan laluan kaedah yang dipaparkan di atas.</p><h4>ID pemanggil berkaitan</h4><p class=\"note-s\"><a href=\"#m=jina-reranker-v2-base-multilingual&amp;route=Ultra&amp;caller=jina-reranker-v2-base-multilingual&amp;fmt=rerank\"><code>jina-reranker-v2-base-multilingual</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "jina-reranker-v2-base-multilingual",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "jina-reranker-v2-base-multilingual",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|jina-reranker-v2-base-multilingual",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "errors": [
              {
                "code": null,
                "condition": "Badan JSON atau ID model kanonik yang dinyatakan secara jelas tidak sah.",
                "http_status": 400,
                "recovery": "Simpan respons dan betulkan medan permintaan yang dinyatakan.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Kunci API Ailoot tidak sah.",
                "http_status": 401,
                "recovery": "Gunakan kunci API Ailoot anda yang dibenarkan.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Kumpulan kunci tidak membenarkan kaedah ini.",
                "http_status": 403,
                "recovery": "Simpan butiran ralat yang dikembalikan.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Kaedah yang dipilih tidak mempunyai laluan yang dibenarkan.",
                "http_status": 404,
                "recovery": "Simpan butiran ralat yang dikembalikan.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Tarif yang diterima tidak dapat memperoleh kuantiti input atau batas yang diperlukan.",
                "http_status": 422,
                "recovery": "Simpan respons; gunakan bentuk perwakilan input yang diperlukan oleh tarif yang diterima.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Storan, laluan, harga kaedah atau penahanan dana yang diperlukan tidak tersedia.",
                "http_status": 503,
                "recovery": "Simpan respons asal yang lengkap. Penahanan dana yang tidak pasti bukan kebenaran untuk menghantar semula.",
                "type": null
              },
              {
                "code": null,
                "condition": "Hasil asal, penggunaan atau penyelesaian caj memerlukan semakan.",
                "http_status": 502,
                "recovery": "Simpan ID permintaan sebenar dan respons asal. Baca rekod sedia ada milik anda; jangan hantar semula permintaan penciptaan.",
                "type": "billing_requires_check"
              }
            ],
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed content URL"
                }
              ],
              "dedicated_method_polling_or_cancel": false,
              "mode": "synchronous_result_then_owned_library",
              "original_POST_adds_task_envelope": false,
              "status": [],
              "unknown": "Simpan X-Client-Request-ID sebenar dan respons lengkap. Baca aset asal milik anda serta pautan kandungan bertandatangan yang tepat; jangan sekali-kali hantar semula penciptaan yang tidak pasti."
            },
            "outputs": {
              "all_results": "Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.",
              "family": "rerank",
              "fields": [
                {
                  "description": "Model respons tepat yang diperlukan oleh komponen penerima Source yang dikonfigurasi.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Indeks unik dokumen input asal.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Skor kerelevanan terhingga.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Dokumen teks asal yang diperlukan oleh komponen penerima respons yang dikonfigurasi ini.",
                  "name": "results[].document",
                  "type": "string"
                },
                {
                  "description": "Kiraan token natif terhingga yang tidak negatif, seperti yang diperlukan oleh tarif semasa yang diterima.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "result": "Hasil JSON natif asal yang lengkap dengan model respons yang dikonfigurasi, indeks dokumen asal, skor kerelevanan, rentetan dokumen dan penggunaan token natif. Kekalkan setiap medan hasil dan penggunaan sebenar."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "jina-reranker-v2-base-multilingual"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": false,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "documents",
                "required": true,
                "type": "array"
              }
            ],
            "request_schema": {
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "jina-reranker-v2-base-multilingual"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "documents": "${ACTUAL_DOCUMENTS}",
                "model": "jina-reranker-v2-base-multilingual",
                "query": "${ACTUAL_QUERY}"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Tetapkan pertanyaan sebenar anda dan tatasusunan dokumen teks asal yang tidak kosong. Indeks hasil merujuk kepada tatasusunan asal tersebut."
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "documents"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed content URL"
              }
            ],
            "dedicated_method_polling_or_cancel": false,
            "mode": "synchronous_result_then_owned_library",
            "original_POST_adds_task_envelope": false,
            "status": [],
            "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "rerank",
            "fields": [
              {
                "description": "Exact response model required by the configured Source consumer.",
                "name": "model",
                "type": "string"
              },
              {
                "description": "Unique original input document index.",
                "name": "results[].index",
                "type": "integer"
              },
              {
                "description": "Finite relevance score.",
                "name": "results[].relevance_score",
                "type": "number"
              },
              {
                "description": "Original text document required by this configured response consumer.",
                "name": "results[].document",
                "type": "string"
              },
              {
                "description": "Finite nonnegative native token count required by the current accepted tariff.",
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ],
            "result": "Complete original native JSON result with the configured response model, original document indices, relevance scores, document strings and native token usage. Retain every actual result and usage field."
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.0000001",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "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.\n",
            "label": "Use actual input and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "hints": [
          "Set your actual query and nonempty array of original text documents. Result indices refer to that original array.",
          "The minimum example omits top_n, return_documents, instruct and other optional controls.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "text"
        ],
        "label": "Pemeringkatan semula",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "rerank",
        "out": null,
        "output": [
          "rerank"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null,
          "unit_prices": {
            "total_token": 1e-07
          }
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.0000001",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "request_model_id": "jina-reranker-v2-base-multilingual",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.0000001",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ]
      }
    }
  ],
  "model_id": "jina-reranker-v2-base-multilingual",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "9192e598d214decf38ec0a4c337d61f5c2257732dc0b332fd721d78669a0fd46",
    "input_html_sha256": "ccb0be5a3c32685cab917c5abd021d65a46ba8110f037bda564fd425157fbae2",
    "private_audit_sha256": "7132da4a1bd52dee7efdd11c67943bbd1d5fae7adcec961d1487a1e5e9cf7607",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/ms/jina-reranker-v2-base-multilingual/",
    "description": "Jina Reranker v2 Base Multilingual memberi skor kepada pertanyaan berbanding teks calon dan menyusunnya mengikut kerelevanan. Pengekod silangnya mengendalikan pengambilan maklumat berbilang bahasa, manakala pembantu penyusunan semula kedudukan pembuat membahagikan dokumen lebih panjang mengikut tetingkap model 1,024 token.",
    "locale": "ms",
    "md_url": "https://ailoot.ai/models/ms/jina-reranker-v2-base-multilingual/index.md",
    "title": "jina-reranker-v2-base-multilingual — Ailoot",
    "url": "https://ailoot.ai/models/ms/jina-reranker-v2-base-multilingual/"
  },
  "rawModel": {
    "about": "Jina Reranker v2 Base Multilingual ialah model pemeringkatan teks untuk peringkat kedua pengambilan maklumat. Berikan pertanyaan dan dokumen atau petikan calon; ia menilai setiap pasangan pertanyaan–dokumen dan mengembalikan skor kerelevanan. Hasil yang berguna ialah set calon yang tersusun lebih baik untuk carian atau aliran kerja diperkaya pengambilan maklumat. Ia tidak menulis jawapan kepada pertanyaan atau mencipta pembenaman dokumen.\n\n### Sediakan pertanyaan dan petikan calon\n\nTulis pertanyaan supaya menyatakan keperluan maklumat. Kemudian berikan teks yang telah ditemui oleh langkah pengambilan maklumat terdahulu. Kekalkan pengecam stabil di sisi setiap calon supaya skor kerelevanannya boleh dihubungkan dengan dokumen, bahagian atau rekod asal.\n\nUntuk carian sokongan, gunakan soalan sebenar dan petikan calon yang mengandungi prosedur berkaitan. Pertanyaan tentang menetapkan semula peranti tertentu patut dipasangkan dengan petikan yang mengekalkan nama peranti, versi dan syarat penetapan semula. Petikan yang sekadar menyebut peranti boleh kurang berguna berbanding petikan yang menerangkan operasi yang diminta. Bekalkan kandungan yang diperlukan model untuk perbandingan, bukannya hanya tajuk dokumen.\n\nGunakan petikan yang koheren. Tajuk jadual, takrif atau pengecualian boleh mengubah hubungan perenggan dengan pertanyaan, jadi jangan membuangnya hanya untuk menjadikan setiap calon sama pendek. Model penyusun semula kedudukan menilai calon yang dibekalkan; ia tidak boleh mendapatkan semula dokumen berkaitan yang ditinggalkan oleh peringkat pengambilan maklumat terdahulu.\n\n### Pemarkahan pertanyaan–dokumen\n\nIni ialah pengekod silang: pertanyaan dan teks calon diproses bersama-sama. Antara muka pemarkahan langsung mengembalikan skor kerelevanan titik terapung untuk setiap pasangan yang sepadan. Skor lebih tinggi menunjukkan kerelevanan lebih besar dalam perbandingan itu. Skor ialah isyarat pemeringkatan, bukannya penerangan yang dijana atau bukti bahawa dokumen itu benar.\n\nPembuat turut menyediakan pembantu penyusunan semula kedudukan yang mengembalikan dokumen tersusun dengan skornya. Kawalan hasil teratas memilih bilangan calon berperingkat yang perlu dikekalkan. Kekalkan pengecam dan teksnya apabila menyerahkannya kepada peringkat seterusnya. Untuk aliran kerja penjawaban soalan, model berikutnya masih memerlukan pertanyaan dan bukti yang dipilih; senarai berperingkat itu sendiri bukan soalan yang telah dijawab.\n\nApabila membandingkan perubahan pengambilan maklumat, kekalkan pertanyaan dan kriteria penilaian tetap. Periksa sama ada petikan yang dinaikkan ke kedudukan teratas benar-benar mengandungi maklumat yang diminta. Tetapkan sebarang ambang penapisan menggunakan contoh daripada koleksi anda sendiri, bukannya menganggap skor kerelevanan sebagai ukuran sejagat ketepatan jawapan.\n\n### Tetingkap model dan dokumen yang lebih panjang\n\nModel menyokong panjang konteks sehingga 1,024 token. Pembantu `rerank()` yang didokumenkan mengendalikan dokumen lebih panjang dengan pendekatan tetingkap gelangsar, memberi skor kepada bahagian secara berasingan dan menggabungkannya menjadi hasil peringkat dokumen. Pembahagian kepada cebisan ialah tingkah laku pembantu itu; ia tidak patut dikelirukan dengan satu input model yang mempunyai tetingkap konteks tanpa had.\n\nPembantu itu mendedahkan kawalan panjang pertanyaan dan panjang cebisan serta tetapan pertindihan. Pertindihan lalai yang didokumenkan ialah 80. Contoh penggunaan terbitan menetapkan panjang pertanyaan maksimum 512 dan panjang cebisan 1,024; ini ialah contoh tetapan pembantu yang patut dibezakan daripada janji bahawa setiap pemanggil atau laluan menggunakannya.\n\nUntuk manual panjang, kekalkan teks berhampiran yang mencukupi supaya arahan dan syaratnya muncul bersama-sama. Apabila menilai hasil, periksa bahagian berkaitan dalam dokumen berkedudukan tinggi, bukannya menganggap setiap bahagiannya menjawab pertanyaan sama baik.\n\n### Pengambilan teks berbilang bahasa dan khusus\n\nModel v2 menyokong berbilang bahasa. Contoh pembuat memeringkatkan pertanyaan bahasa Inggeris berbanding petikan bahasa Inggeris, Jerman, Sepanyol, Cina dan Jepun. Ini menyokong koleksi yang bahan berkaitannya ditulis dalam beberapa bahasa tanpa memerlukan setiap calon diterjemah ke bahasa pertanyaan terlebih dahulu.\n\nSkop tugas yang didokumenkan turut merangkumi pengambilan kod dan pemeringkatan perwakilan teks berkaitan fungsi atau SQL. Ini kekal sebagai tugas pemeringkatan kerelevanan: model menilai teks yang dibekalkan. Ia tidak melaksanakan fungsi, menjalankan SQL atau menghasilkan hasil alat hanya kerana jenis calon tersebut muncul dalam set pengambilan maklumat.\n\n### Edisi dan had praktikal\n\nBezakan varian v2 Base Multilingual ini daripada model penyusun semula kedudukan Jina terdahulu yang hanya berbahasa Inggeris, Jina Reranker v3 dan varian penyusunan semula kedudukan multimodal. Itu ialah model berbeza dengan ciri tugas dan input berbeza. Input varian ini ialah pasangan pertanyaan–teks; kandungan imej atau video memerlukan perwakilan atau model yang sesuai dengannya.\n\nPelaksanaan rujukan pembuat menyokong skor langsung dan pembantu pemeringkatan dokumen, dengan perhatian dipercepat secara pilihan. Pilihan pelaksanaan itu mempengaruhi cara input disediakan dan diproses; ia tidak membuktikan bahawa setiap integrasi mendedahkan kawalan yang sama.\n\nGunakan output berperingkat untuk carian berbilang bahasa, pangkalan pengetahuan sokongan, pengambilan dokumen dan pemilihan bukti sebelum penjanaan. Semak petikan teratas, kekalkan pemetaan calon asal dan bezakan kerelevanan daripada kesahihan fakta. Hasil pengambilan maklumat yang berguna mengemukakan bukti betul yang dibekalkan sambil menyerahkan tugas seterusnya—menjawab, meringkaskan atau membuat keputusan—kepada aliran kerja yang sesuai.",
    "alias_of": null,
    "aliases": [],
    "author": "Jina AI",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [],
      "manufacturer_output": []
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.0000001",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ],
        "summary": "Maklumat lengkap tentang harga konfigurasi terdapat dalam butiran."
      }
    ],
    "ctx": null,
    "formats": [
      "rerank"
    ],
    "id": "jina-reranker-v2-base-multilingual",
    "input": [
      "text"
    ],
    "kind": "text",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "errors": [
              {
                "code": null,
                "condition": "Badan JSON atau ID model kanonik yang dinyatakan secara jelas tidak sah.",
                "http_status": 400,
                "recovery": "Simpan respons dan betulkan medan permintaan yang dinyatakan.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Kunci API Ailoot tidak sah.",
                "http_status": 401,
                "recovery": "Gunakan kunci API Ailoot anda yang dibenarkan.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Kumpulan kunci tidak membenarkan kaedah ini.",
                "http_status": 403,
                "recovery": "Simpan butiran ralat yang dikembalikan.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Kaedah yang dipilih tidak mempunyai laluan yang dibenarkan.",
                "http_status": 404,
                "recovery": "Simpan butiran ralat yang dikembalikan.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Tarif yang diterima tidak dapat memperoleh kuantiti input atau batas yang diperlukan.",
                "http_status": 422,
                "recovery": "Simpan respons; gunakan bentuk perwakilan input yang diperlukan oleh tarif yang diterima.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Storan, laluan, harga kaedah atau penahanan dana yang diperlukan tidak tersedia.",
                "http_status": 503,
                "recovery": "Simpan respons asal yang lengkap. Penahanan dana yang tidak pasti bukan kebenaran untuk menghantar semula.",
                "type": null
              },
              {
                "code": null,
                "condition": "Hasil asal, penggunaan atau penyelesaian caj memerlukan semakan.",
                "http_status": 502,
                "recovery": "Simpan ID permintaan sebenar dan respons asal. Baca rekod sedia ada milik anda; jangan hantar semula permintaan penciptaan.",
                "type": "billing_requires_check"
              }
            ],
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed content URL"
                }
              ],
              "dedicated_method_polling_or_cancel": false,
              "mode": "synchronous_result_then_owned_library",
              "original_POST_adds_task_envelope": false,
              "status": [],
              "unknown": "Simpan X-Client-Request-ID sebenar dan respons lengkap. Baca aset asal milik anda serta pautan kandungan bertandatangan yang tepat; jangan sekali-kali hantar semula penciptaan yang tidak pasti."
            },
            "outputs": {
              "all_results": "Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.",
              "family": "rerank",
              "fields": [
                {
                  "description": "Model respons tepat yang diperlukan oleh komponen penerima Source yang dikonfigurasi.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Indeks unik dokumen input asal.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Skor kerelevanan terhingga.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Dokumen teks asal yang diperlukan oleh komponen penerima respons yang dikonfigurasi ini.",
                  "name": "results[].document",
                  "type": "string"
                },
                {
                  "description": "Kiraan token natif terhingga yang tidak negatif, seperti yang diperlukan oleh tarif semasa yang diterima.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "result": "Hasil JSON natif asal yang lengkap dengan model respons yang dikonfigurasi, indeks dokumen asal, skor kerelevanan, rentetan dokumen dan penggunaan token natif. Kekalkan setiap medan hasil dan penggunaan sebenar."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "jina-reranker-v2-base-multilingual"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "query",
                "required": false,
                "type": "string"
              },
              {
                "default_known": false,
                "enum_known": false,
                "name": "documents",
                "required": true,
                "type": "array"
              }
            ],
            "request_schema": {
              "properties": {
                "documents": {
                  "items": {
                    "type": "string"
                  },
                  "minItems": 1,
                  "type": "array"
                },
                "model": {
                  "enum": [
                    "jina-reranker-v2-base-multilingual"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "documents": "${ACTUAL_DOCUMENTS}",
                "model": "jina-reranker-v2-base-multilingual",
                "query": "${ACTUAL_QUERY}"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Tetapkan pertanyaan sebenar anda dan tatasusunan dokumen teks asal yang tidak kosong. Indeks hasil merujuk kepada tatasusunan asal tersebut."
            ],
            "material_types": [
              "text"
            ],
            "required": [
              "model",
              "documents"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed content URL"
              }
            ],
            "dedicated_method_polling_or_cancel": false,
            "mode": "synchronous_result_then_owned_library",
            "original_POST_adds_task_envelope": false,
            "status": [],
            "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/rerank"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "rerank",
            "fields": [
              {
                "description": "Exact response model required by the configured Source consumer.",
                "name": "model",
                "type": "string"
              },
              {
                "description": "Unique original input document index.",
                "name": "results[].index",
                "type": "integer"
              },
              {
                "description": "Finite relevance score.",
                "name": "results[].relevance_score",
                "type": "number"
              },
              {
                "description": "Original text document required by this configured response consumer.",
                "name": "results[].document",
                "type": "string"
              },
              {
                "description": "Finite nonnegative native token count required by the current accepted tariff.",
                "name": "usage.total_tokens",
                "type": "integer"
              }
            ],
            "result": "Complete original native JSON result with the configured response model, original document indices, relevance scores, document strings and native token usage. Retain every actual result and usage field."
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.0000001",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "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.\n",
            "label": "Use actual input and retain the complete result",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "rerank",
        "hints": [
          "Set your actual query and nonempty array of original text documents. Result indices refer to that original array.",
          "The minimum example omits top_n, return_documents, instruct and other optional controls.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "text"
        ],
        "label": "Pemeringkatan semula",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "rerank",
        "out": null,
        "output": [
          "rerank"
        ],
        "path": "/v1/rerank",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "per_request",
          "image_input_price": null,
          "image_output_price": null,
          "per_request_price": null,
          "unit_prices": {
            "total_token": 1e-07
          }
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "/ 1K tokens"
            },
            "label": "total token",
            "units": [
              {
                "amount": "0.0001000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.0000001",
                "native_quantity": 1,
                "native_unit": "total_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": false,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "total_token"
              }
            ]
          }
        ],
        "request_model_id": "jina-reranker-v2-base-multilingual",
        "route_label": "Ultra",
        "status_reads": [],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.0001000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.0000001",
            "native_quantity": 1,
            "native_unit": "total_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": false,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "total_token"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "jina-reranker-v2-base-multilingual",
        "request_model_id": "jina-reranker-v2-base-multilingual",
        "route_label": "Ultra"
      }
    ],
    "name": "jina-reranker-v2-base-multilingual",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "short": "Jina Reranker v2 Base Multilingual memberi skor kepada pertanyaan berbanding teks calon dan menyusunnya mengikut kerelevanan. Pengekod silangnya mengendalikan pengambilan maklumat berbilang bahasa, manakala pembantu penyusunan semula kedudukan pembuat membahagikan dokumen lebih panjang mengikut tetingkap model 1,024 token."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Jina Reranker v2 Base Multilingual memberi skor kepada pertanyaan berbanding teks calon dan menyusunnya mengikut kerelevanan. Pengekod silangnya mengendalikan pengambilan maklumat berbilang bahasa, manakala pembantu penyusunan semula kedudukan pembuat membahagikan dokumen lebih panjang mengikut tetingkap model 1,024 token.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "9fd556d5db2f18dd3f20b55c30f6477b10a8812b2cb0d620cefa55fc9ad901aa",
    "renderer_sha256": "1dab5ba62521e9568c8b7c82005622cabbf330a075df7cce1f83274a04009460"
  },
  "sourceRevision": "5c3dd26c83adfc0035aa491dcca0abdf9c7325971c0f223a515290596bbff8c0"
}