rerank-2.5 is de instructievolgende reranker van Voyage AI, ontworpen om een verzameling zoekkandidaten te verfijnen. Het onderzoekt de zoekvraag en elk document samen als een cross-encoder en geeft vervolgens een relevantievolgorde terug. De release van de maker benadrukt sturing in natuurlijke taal van wat als relevant geldt, meertalige informatieophaling en een langere context voor zoekvraag en document dan de voorgaande editie rerank-2.
De invoer is een zoekvraag en een lijst kandidaat-tekstdocumenten. Dat kunnen passages zijn die door embeddingzoeken of een lexicale eerste zoekfase zijn geselecteerd. De reranker beoordeelt de aangeleverde tekst in plaats van corpusembeddings aan te maken, zodat zijn praktische taak bestaat uit het verfijnen van de kandidaten die de eerste zoekopdracht al vond.
Behoud de oorspronkelijke kandidaatvolgorde en bronidentifiers wanneer je die lijst voorbereidt. De teruggegeven indices verwijzen naar die invoerposities. Geef voor een RAG-taak de passages mee die de antwoordfase werkelijk zou kunnen gebruiken, inclusief de titel of voorwaarden die nodig zijn voor de interpretatie. Een relevant document dat in de ingediende kandidaatverzameling ontbreekt, kan niet als nieuw gevonden resultaat van herschikken verschijnen.
Instructies kunnen vóór of na de zoekvraag worden geplaatst. De release beschrijft drie nuttige rollen: een bepaald documentdeel benadrukken, een brontype verkiezen en de zoekvraag met toepassingscontext verduidelijken. Die veranderen de relevantietaak die aan het model wordt voorgelegd.
Voor een technische zoekopdracht is een illustratieve instructie: “Geef voorrang aan passages die het fout- en herstelgedrag uitleggen; inleidende overzichten zijn ondergeschikt.” Specificeer voor een onderzoeksverzameling of de titel, methode of het resultaat het belangrijkst is. Vermeld bij een dubbelzinnige term over welk vakgebied de zoekopdracht gaat. Houd de vraag en de instructie verenigbaar, zodat de ene niet om een breed onderwerp vraagt terwijl de andere stilzwijgend de taak verandert.
Die voorkeuren sturen de relevantiescore. Als de toepassing strikte toelatingsvereisten heeft — zoals bronversie, datum of toegangsbereik — bereid de toegelaten kandidaatverzameling dan afzonderlijk voor. De relevantie-instructie van het model en een deterministische beperking van de verzameling dienen verschillende doelen.
Resultaten staan op aflopende relevantie en bevatten een relevantiescore als zwevendekommagetal en de oorspronkelijke invoerindex van de kandidaat. De optie top-k selecteert hoeveel hoogst gerangschikte resultaten worden teruggegeven; zonder die optie geeft de fabrikantspecificatie resultaten voor alle ingediende kandidaten terug. Een optionele instelling return-documents neemt de bijbehorende brontekst op; anders bevat het antwoord indices en scores.
Gebruik de volgorde om passages voor weergave of een latere antwoordfase te selecteren en behoud hun bronidentiteit. Onderzoek de werkelijke tekst bij het beoordelen van de rangschikking: de score meet relevantie voor de ingediende zoekvraag en is geen gegenereerd antwoord of verificatie dat de beweringen van het document correct zijn. Daardoor is het model bruikbaar voor het verfijnen van technisch, juridisch, financieel, medisch, gespreks- en meertalig zoekmateriaal zonder een rangschikking in een domeinconclusie te veranderen.
De gedocumenteerde zoekvraaglimiet bedraagt 8.000 tokens, inclusief instructies die in de zoekvraag zijn geplaatst. De zoekvraag plus elk afzonderlijk kandidaatdocument moet binnen 32.000 tokens passen en de documentenlijst mag maximaal 1.000 items bevatten. De totale toekenning bedraagt 600.000 tokens, geteld als zoekvraagtokens vermenigvuldigd met het aantal documenten, plus alle documenttokens. Een lange instructie wordt dus herhaaldelijk over de kandidaatparen geteld.
Het aantal uitvoerresultaten bij top-k verandert het aantal kandidaten in die invoertokenberekening niet. Standaard afkappen kort te lange zoekvragen of documenten in om aan de contextlimiet te voldoen; uitschakelen laat een te lange zoekvraag of een te lang paar een fout teruggeven. Bereid antwoorddragende passages bewust voor en houd de relevante voorwaarde binnen de tekst die het model zal zien. Evalueer de verfijnde volgorde op representatieve vragen en instructies en geef vervolgens de geselecteerde oorspronkelijke passages aan de volgende fase door.
", "aboutText": "rerank-2.5 is de instructievolgende reranker van Voyage AI, ontworpen om een verzameling zoekkandidaten te verfijnen. Het onderzoekt de zoekvraag en elk document samen als een cross-encoder en geeft vervolgens een relevantievolgorde terug. De release van de maker benadrukt sturing in natuurlijke taal van wat als relevant geldt, meertalige informatieophaling en een langere context voor zoekvraag en document dan de voorgaande editie rerank-2.\n\n### Geef het model de te vergelijken kandidaten\n\nDe invoer is een zoekvraag en een lijst kandidaat-tekstdocumenten. Dat kunnen passages zijn die door embeddingzoeken of een lexicale eerste zoekfase zijn geselecteerd. De reranker beoordeelt de aangeleverde tekst in plaats van corpusembeddings aan te maken, zodat zijn praktische taak bestaat uit het verfijnen van de kandidaten die de eerste zoekopdracht al vond.\n\nBehoud de oorspronkelijke kandidaatvolgorde en bronidentifiers wanneer je die lijst voorbereidt. De teruggegeven indices verwijzen naar die invoerposities. Geef voor een RAG-taak de passages mee die de antwoordfase werkelijk zou kunnen gebruiken, inclusief de titel of voorwaarden die nodig zijn voor de interpretatie. Een relevant document dat in de ingediende kandidaatverzameling ontbreekt, kan niet als nieuw gevonden resultaat van herschikken verschijnen.\n\n### Specificeer de bedoelde betekenis van relevantie\n\nInstructies kunnen vóór of na de zoekvraag worden geplaatst. De release beschrijft drie nuttige rollen: een bepaald documentdeel benadrukken, een brontype verkiezen en de zoekvraag met toepassingscontext verduidelijken. Die veranderen de relevantietaak die aan het model wordt voorgelegd.\n\nVoor een technische zoekopdracht is een illustratieve instructie: “Geef voorrang aan passages die het fout- en herstelgedrag uitleggen; inleidende overzichten zijn ondergeschikt.” Specificeer voor een onderzoeksverzameling of de titel, methode of het resultaat het belangrijkst is. Vermeld bij een dubbelzinnige term over welk vakgebied de zoekopdracht gaat. Houd de vraag en de instructie verenigbaar, zodat de ene niet om een breed onderwerp vraagt terwijl de andere stilzwijgend de taak verandert.\n\nDie voorkeuren sturen de relevantiescore. Als de toepassing strikte toelatingsvereisten heeft — zoals bronversie, datum of toegangsbereik — bereid de toegelaten kandidaatverzameling dan afzonderlijk voor. De relevantie-instructie van het model en een deterministische beperking van de verzameling dienen verschillende doelen.\n\n### Gerangschikte uitvoer en later gebruik van resultaten\n\nResultaten staan op aflopende relevantie en bevatten een relevantiescore als zwevendekommagetal en de oorspronkelijke invoerindex van de kandidaat. De optie top-k selecteert hoeveel hoogst gerangschikte resultaten worden teruggegeven; zonder die optie geeft de fabrikantspecificatie resultaten voor alle ingediende kandidaten terug. Een optionele instelling return-documents neemt de bijbehorende brontekst op; anders bevat het antwoord indices en scores.\n\nGebruik de volgorde om passages voor weergave of een latere antwoordfase te selecteren en behoud hun bronidentiteit. Onderzoek de werkelijke tekst bij het beoordelen van de rangschikking: de score meet relevantie voor de ingediende zoekvraag en is geen gegenereerd antwoord of verificatie dat de beweringen van het document correct zijn. Daardoor is het model bruikbaar voor het verfijnen van technisch, juridisch, financieel, medisch, gespreks- en meertalig zoekmateriaal zonder een rangschikking in een domeinconclusie te veranderen.\n\n### Context, totaal tokenbudget en afkappen\n\nDe gedocumenteerde zoekvraaglimiet bedraagt 8.000 tokens, inclusief instructies die in de zoekvraag zijn geplaatst. De zoekvraag plus elk afzonderlijk kandidaatdocument moet binnen 32.000 tokens passen en de documentenlijst mag maximaal 1.000 items bevatten. De totale toekenning bedraagt 600.000 tokens, geteld als zoekvraagtokens vermenigvuldigd met het aantal documenten, plus alle documenttokens. Een lange instructie wordt dus herhaaldelijk over de kandidaatparen geteld.\n\nHet aantal uitvoerresultaten bij top-k verandert het aantal kandidaten in die invoertokenberekening niet. Standaard afkappen kort te lange zoekvragen of documenten in om aan de contextlimiet te voldoen; uitschakelen laat een te lange zoekvraag of een te lang paar een fout teruggeven. Bereid antwoorddragende passages bewust voor en houd de relevante voorwaarde binnen de tekst die het model zal zien. Evalueer de verfijnde volgorde op representatieve vragen en instructies en geef vervolgens de geselecteerde oorspronkelijke passages aan de volgende fase door.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "620e82dcd3f74f2ae356b935db316c7231cadbf15245dbaf2c7002f9c8ee5f74", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "voyageai/rerank-2.5rerank-2.5 herschikt een aangeleverde verzameling tekstkandidaten op relevantie voor een zoekvraag en optionele instructies in natuurlijke taal. Het is een meertalige, kwaliteitsgerichte reranker met een context van 32.000 tokens voor zoekvraag en document en gerangschikte scores die aan de oorspronkelijke kandidaatindices gekoppeld zijn.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
rerank-2.5 is de instructievolgende reranker van Voyage AI, ontworpen om een verzameling zoekkandidaten te verfijnen. Het onderzoekt de zoekvraag en elk document samen als een cross-encoder en geeft vervolgens een relevantievolgorde terug. De release van de maker benadrukt sturing in natuurlijke taal van wat als relevant geldt, meertalige informatieophaling en een langere context voor zoekvraag en document dan de voorgaande editie rerank-2.
De invoer is een zoekvraag en een lijst kandidaat-tekstdocumenten. Dat kunnen passages zijn die door embeddingzoeken of een lexicale eerste zoekfase zijn geselecteerd. De reranker beoordeelt de aangeleverde tekst in plaats van corpusembeddings aan te maken, zodat zijn praktische taak bestaat uit het verfijnen van de kandidaten die de eerste zoekopdracht al vond.
Behoud de oorspronkelijke kandidaatvolgorde en bronidentifiers wanneer je die lijst voorbereidt. De teruggegeven indices verwijzen naar die invoerposities. Geef voor een RAG-taak de passages mee die de antwoordfase werkelijk zou kunnen gebruiken, inclusief de titel of voorwaarden die nodig zijn voor de interpretatie. Een relevant document dat in de ingediende kandidaatverzameling ontbreekt, kan niet als nieuw gevonden resultaat van herschikken verschijnen.
Instructies kunnen vóór of na de zoekvraag worden geplaatst. De release beschrijft drie nuttige rollen: een bepaald documentdeel benadrukken, een brontype verkiezen en de zoekvraag met toepassingscontext verduidelijken. Die veranderen de relevantietaak die aan het model wordt voorgelegd.
Voor een technische zoekopdracht is een illustratieve instructie: “Geef voorrang aan passages die het fout- en herstelgedrag uitleggen; inleidende overzichten zijn ondergeschikt.” Specificeer voor een onderzoeksverzameling of de titel, methode of het resultaat het belangrijkst is. Vermeld bij een dubbelzinnige term over welk vakgebied de zoekopdracht gaat. Houd de vraag en de instructie verenigbaar, zodat de ene niet om een breed onderwerp vraagt terwijl de andere stilzwijgend de taak verandert.
Die voorkeuren sturen de relevantiescore. Als de toepassing strikte toelatingsvereisten heeft — zoals bronversie, datum of toegangsbereik — bereid de toegelaten kandidaatverzameling dan afzonderlijk voor. De relevantie-instructie van het model en een deterministische beperking van de verzameling dienen verschillende doelen.
Resultaten staan op aflopende relevantie en bevatten een relevantiescore als zwevendekommagetal en de oorspronkelijke invoerindex van de kandidaat. De optie top-k selecteert hoeveel hoogst gerangschikte resultaten worden teruggegeven; zonder die optie geeft de fabrikantspecificatie resultaten voor alle ingediende kandidaten terug. Een optionele instelling return-documents neemt de bijbehorende brontekst op; anders bevat het antwoord indices en scores.
Gebruik de volgorde om passages voor weergave of een latere antwoordfase te selecteren en behoud hun bronidentiteit. Onderzoek de werkelijke tekst bij het beoordelen van de rangschikking: de score meet relevantie voor de ingediende zoekvraag en is geen gegenereerd antwoord of verificatie dat de beweringen van het document correct zijn. Daardoor is het model bruikbaar voor het verfijnen van technisch, juridisch, financieel, medisch, gespreks- en meertalig zoekmateriaal zonder een rangschikking in een domeinconclusie te veranderen.
De gedocumenteerde zoekvraaglimiet bedraagt 8.000 tokens, inclusief instructies die in de zoekvraag zijn geplaatst. De zoekvraag plus elk afzonderlijk kandidaatdocument moet binnen 32.000 tokens passen en de documentenlijst mag maximaal 1.000 items bevatten. De totale toekenning bedraagt 600.000 tokens, geteld als zoekvraagtokens vermenigvuldigd met het aantal documenten, plus alle documenttokens. Een lange instructie wordt dus herhaaldelijk over de kandidaatparen geteld.
Het aantal uitvoerresultaten bij top-k verandert het aantal kandidaten in die invoertokenberekening niet. Standaard afkappen kort te lange zoekvragen of documenten in om aan de contextlimiet te voldoen; uitschakelen laat een te lange zoekvraag of een te lang paar een fout teruggeven. Bereid antwoorddragende passages bewust voor en houd de relevante voorwaarde binnen de tekst die het model zal zien. Evalueer de verfijnde volgorde op representatieve vragen en instructies en geef vervolgens de geselecteerde oorspronkelijke passages aan de volgende fase door.
POST /v1/reranktextrerank| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Velddocuments | Typearray | VereisteVereist | Waarden en limieten | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten voyageai/rerank-2.5 | Standaard— |
Veldprovider | Typeschema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldquery | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldsession_id | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtop_n | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 | Standaard— |
Veldtrace | Typeschema | VereisteOptioneel | Waarden en limieten | Standaard— |
Velduser | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Velddocuments[].text | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Velddocuments[].image | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
text_rerank · Vereist: query, documents array with minItems1
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, query, documents |
Parametermaterial_types | Contracttext |
Parameteroptional_controls | Contractprovider, session_id, top_n, trace, user |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous
Verstuur de exacte model-ID en bewaar het volledige natieve antwoord.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Rekeneenheid | Kosten |
|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Rekeneenheid— | Kosten Invoer · Invoertokens — / 1K tokens Uitvoer · Uitvoertokens — / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieUltra | Tariefstaffel— | Rekeneenheid/ 1K tokens | Kosten Invoer $0.0001 / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "voyageai/rerank-2.5",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='voyageai/rerank-2.5'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Elke werkelijke resultaatindex, eindige relevance_score en elk oorspronkelijk documentobject blijven behouden. De indexen verwijzen naar de oorspronkelijke documentarray. De volledige oorspronkelijke JSON wordt opgeslagen en pas na de afrekening teruggestuurd.
Bewaar de oorspronkelijke operatie en het volledige of gedeeltelijke antwoord; voer POST niet opnieuw uit.
| Veld | Type |
|---|---|
Veldmodel | Typestring |
Veldid | Typestring |
Veldprovider | Typestring |
Veldresults[].index | Typeinteger |
Veldresults[].relevance_score | Typenumber |
Veldresults[].document.text | Typestring |
Veldresults[].document.image | Typestring |
Veldusage.search_units | Typeinteger |
Veldusage.total_tokens | Typeinteger |
Veldusage.cost | Typenumber |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldig verplicht veld, ongeldige weergave of ongeldige waarde | Volgende stapCorrigeer het aangegeven aanvraagveld. |
Ailoot Ultra voyageai/rerank-2.5
Gebruik de hierboven getoonde methodepaden.