Source: https://ailoot.ai/models/ms/qwen3-rerank/ Canonical: https://ailoot.ai/models/ms/qwen3-rerank/ Language: ms # Qwen: Qwen3 Rerank [Markdown](https://ailoot.ai/models/ms/qwen3-rerank/index.md) · [JSON](https://ailoot.ai/models/ms/qwen3-rerank/facts.json) ## [Qwen: Qwen3 Rerank](https://ailoot.ai/models/ms/qwen3-rerank/) Qwen3 Rerank menyusun teks calon berdasarkan pertanyaan dan arahan yang dibekalkan. Profil qwen3-rerank yang tepat menerima senarai dokumen teks dan mengembalikan skor kerelevanan berindeks bersama metadata penggunaan untuk aliran kerja carian dan pemilihan dokumen. - [**Ailoot Ultra · Pemeringkatan semula** `POST /v1/rerank` `qwen3-rerank`](https://ailoot.ai/models/ms/qwen3-rerank/#method-0) Tentang model Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih. Qwen3 Rerank menilai teks calon berdasarkan pertanyaan dan arahan pemeringkatan yang dibekalkan. Pemilih tepat yang dikonfigurasikan ialah qwen3-rerank. Peranannya ialah menyusun calon yang dibekalkan untuk kerja carian dan pemilihan dokumen; permintaan menyimpan pertanyaan, arahan dan petikan calon bersama-sama supaya penilaian kerelevanan dapat dijejaki semula kepada inputnya. Sediakan documents sebagai tatasusunan rentetan, dengan satu petikan calon dalam setiap entri. Simpan pemetaan berasingan daripada setiap kedudukan tatasusunan kepada pengecam dokumen, tajuk atau lokasi sumber anda sendiri. Ini membolehkan aplikasi menghubungkan semula hasil yang telah diperingkatkan dengan petikan asal tanpa menambahkan objek pengecam yang tidak didokumenkan ke dalam tatasusunan rentetan. Untuk carian sokongan, calonnya mungkin bahagian berkaitan yang sudah diperoleh daripada panduan produk; pertanyaan perlu menyatakan keperluan maklumat sebenar pengguna. Permintaan yang didokumenkan memerlukan model, documents, query, top\_n dan instruct. Medan query dan instruct ialah rentetan, manakala top\_n ialah integer yang dibekalkan secara eksplisit. Contoh yang diterbitkan menggunakan tiga teks calon, top\_n=2 dan arahan untuk mendapatkan petikan berkaitan yang menjawab pertanyaan carian web. Gunakan instruct untuk menyatakan hubungan yang penting bagi pemeringkatan, sambil mengekalkan soalan sebenar dalam query dan bahan yang perlu dinilai dalam documents. Panduan operasi menyenaraikan panjang input maksimum sebanyak 30K. Fokuskan petikan calon pada teks yang diperlukan untuk menilai kerelevanannya, sambil mengekalkan tajuk atau konteks berdekatan apabila perkara itu mengubah makna. Kekalkan sempadan sumber supaya petikan yang dipilih masih dapat disemak dalam dokumen asalnya. Profil permintaan yang tepat dan medan wajibnya kekal sebagai asas penyediaan input. Hasil berstruktur yang dikembalikan mengandungi entri results dengan index dan relevance\_score. index merujuk kepada kedudukan calon dalam tatasusunan documents asal, bukannya kedudukannya dalam senarai hasil yang telah diperingkatkan. Kekalkan susunan yang dikembalikan dan gunakan setiap index untuk mendapatkan semula teks input yang sepadan. Simpan setiap hasil yang dikembalikan supaya aplikasi dapat memeriksa calon yang dipilih bersama skornya. Simpan keseluruhan respons JSON, termasuk model, id respons dan usage.total\_tokens. Teks dokumen yang dikembalikan mungkin tiada, jadi pastikan tatasusunan calon asal tersedia semasa memproses indeks. Skor kerelevanan dan penggunaan yang dilaporkan mempunyai peranan berasingan: skor menerangkan hasil pemeringkatan, manakala penggunaan merekodkan kuantiti yang dilaporkan untuk operasi itu. Kedua-duanya tidak menggantikan petikan sumber yang menyokong jawapan kemudian. Untuk aliran kerja carian, gunakan pemeringkatan bagi memilih petikan yang perlu diperiksa atau dipetik oleh langkah seterusnya. Bandingkan petikan yang dipilih dengan pertanyaan dan arahan sebelum membentangkan kandungannya sebagai bukti. Kedudukan tinggi dalam senarai hasil mengenal pasti calon untuk semakan; jawapan akhir aplikasi perlu kekal dikaitkan dengan teks sebenar dan pengecam sumbernya. Semak hasil dengan pertanyaan yang mewakili penggunaan sebenar dan set calon yang digunakan oleh aplikasi. Pastikan indeks merujuk kepada teks asal yang dimaksudkan, susunannya memenuhi arahan yang dibekalkan dan petikan yang dipilih menjawab soalan. Simpan pemilih tepat, pertanyaan, arahan, pemetaan calon dan keseluruhan respons bersama-sama untuk menghasilkan rekod pemilihan berdasarkan kerelevanan yang boleh digunakan semula pada langkah carian atau dokumen seterusnya. **Ailoot Ultra · Pemeringkatan semula** `POST /v1/rerank` `qwen3-rerank` [`qwen3-rerank`](https://ailoot.ai/models/ms/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) Qwen /`qwen3-rerank` ### Pengenalan Qwen3 Rerank menyusun teks calon berdasarkan pertanyaan dan arahan yang dibekalkan. Profil qwen3-rerank yang tepat menerima senarai dokumen teks dan mengembalikan skor kerelevanan berindeks bersama metadata penggunaan untuk aliran kerja carian dan pemilihan dokumen. Input yang diterima Teks Hasil structured ### Tersedia di Ailoot · input & kaedah **Ailoot Ultra · Pemeringkatan semula** `POST /v1/rerank` Input `text` Output `structured` Format output application/json | Medan | Jenis | Keperluan | Nilai & had | Lalai | | --- | --- | --- | --- | --- | | Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had qwen3-rerank Syarat: Pemilih model literal. | Lalai— | | Medan`documents` | Jenis`array` | KeperluanDiperlukan | Nilai & had Syarat: Petikan teks calon, dikekalkan dalam susunan input asalnya. | Lalai— | | Medan`query` | Jenis`string` | KeperluanDiperlukan | Nilai & had Syarat: Pertanyaan kerelevanan. | Lalai— | | Medan`top_n` | Jenis`integer` | KeperluanDiperlukan | Nilai & had Syarat: Bilangan hasil tersusun mengikut kedudukan yang diminta; tiada nilai minimum, maksimum atau lalai yang tidak didokumenkan dinyatakan sebagai terjamin. | Lalai— | | Medan`instruct` | Jenis`string` | KeperluanDiperlukan | Nilai & had Syarat: Arahan yang menerangkan tugas pemerolehan maklumat. | Lalai— | Gabungan bahan input Parameter kaedah dan kitar hayat | Parameter | Kontrak | | --- | --- | | Parameter`content_type` | Kontrakapplication/json | | Parameter`required` | Kontrakmodel, documents, query, top\_n, instruct | | Parameter`optional` | Kontrak | | Parameter`material_types` | Kontraktext | | Parameter`additional_properties` | Kontraktrue | Kitar hayat: `synchronous` ### Pelan harga Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih. Mod pantas Tidak dinyatakan Apabila mod pantas dipilih Mod flex Tidak dinyatakan Apabila mod flex dipilih Usaha penaakulan maksimum Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default #### Kadar Ailoot #### Harga mengikut konfigurasi Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif. | Konfigurasi | Jadual kadar | Unit pengebilan | Caj | | --- | --- | --- | --- | | KonfigurasiKadar asas token | Jadual kadarKadar asas | Unit pengebilan— | Caj Input · Token input **—** / 1K token Output · Token output **—** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token | | Konfigurasijumlah token | Jadual kadar— | Unit pengebilan/ 1K token | Caj Input · jumlah token **$0.00014** / 1K token | Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/) ### Contoh permintaan #### Ailoot Ultra · Pemeringkatan semula JSON · susun semula kedudukan teks ```json { "model": "qwen3-rerank", "query": "Which passage discusses text ranking?", "documents": [ "Text ranking orders candidate passages by relevance.", "Quantum computing studies computation using quantum systems.", "Pretrained language models can improve text ranking." ], "top_n": 2, "instruct": "Given a web search query, retrieve relevant passages that answer the query." } ``` ### Terima dan simpan hasil #### Ailoot Ultra · Pemeringkatan semula Baca indeks dan skor kerelevanan serta padankan setiap indeks kembali kepada dokumen asal anda. Dokumen yang dipulangkan semula mungkin tiada. ##### Jika respons asal perlu disemak Simpan respons asal dan id permintaan selepas penghantaran yang tidak pasti; jangan sekali-kali mengulanginya. Medan respons | Medan | Jenis | Maksud | | --- | --- | --- | | Medan`results[].index` | Jenisinteger | MaksudIndeks dokumen input asal yang sepadan. | | Medan`results[].relevance_score` | Jenisnumber | MaksudSkor kerelevanan yang dikembalikan. | | Medan`model` | Jenisstring | MaksudModel respons sebenar. | | Medan`id` | Jenisstring | MaksudPengecam respons sebenar. | | Medan`usage.total_tokens` | Jenisinteger | MaksudJumlah token terukur yang digunakan untuk pengebilan. | Ralat dan langkah seterusnya | Respons | Syarat | Langkah seterusnya | | --- | --- | --- | | Respons400 · `invalid_request_error` | SyaratJSON atau pemilihan model wajib tidak sah. | Langkah seterusnyaBetulkan input yang dinyatakan sebelum membuat permintaan baharu. | | Respons401 · `authentication_error` | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci API Ailoot anda yang sah. | | Respons503 · `price_unavailable` | SyaratPenetapan harga berstruktur atau kebenaran akses kaedah tidak tersedia. | Langkah seterusnyaSimpan respons asal; jangan ulang penghantaran yang tidak pasti. | ### Alias #### Alias model **Ailoot Ultra** [`qwen3-rerank`](https://ailoot.ai/models/ms/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) #### Alias laluan kaedah Gunakan laluan kaedah yang dipaparkan di atas. #### ID pemanggil berkaitan [`qwen3-rerank`](https://ailoot.ai/models/ms/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) FAQ · Qwen: Qwen3 Rerank Apakah input dan hasil yang tersedia? `POST /v1/rerank` · `qwen3-rerank`: `text` → `structured` Apakah medan yang digunakan oleh permintaan? `POST /v1/rerank` · `qwen3-rerank`: `model`, `documents`, `query`, `top_n`, `instruct` Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda. ## Syarikat dan portfolio projeknya Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. ## Beli token dengan diskaun. Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token. Langganan Pilih pelan berdiskaun untuk permintaan berkala anda. Kod promosi sehingga 50% Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa. Perbelanjaan dalam sejarah Model, token dan jumlah disimpan bagi setiap permintaan. [Pilih langganan](https://ailoot.ai/docs/ms/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/ms/) ## Sambungkan API kepada produk yang anda jual. SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula. Aplikasi komersial Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda. Lesen penjual semula Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis. Dokumen pada laman Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan. [Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms) ## Ailoot · Syarikat dan portfolio projeknya Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan. Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan. Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.