{
  "aboutHtml": "<p>BGE Reranker v2 M3 to wielojęzyczny model trafności oparty na BGE-M3. Otrzymuje razem zapytanie i fragment kandydujący, po czym zwraca ocenę ich powiązania. BAAI pozycjonuje tę edycję jako wydajny wielojęzyczny reranker, między innymi do wyszukiwania w językach chińskim i angielskim, gdy aplikacja wyszukująca musi dopracować istniejącą listę kandydatów.</p><h4>Trafność pary zapytanie–fragment</h4><p>Cross-encoder przetwarza oba teksty wspólnie, umożliwiając wzajemne oddziaływanie ich treści przed wyznaczeniem oceny trafności. Różni się to od modelu embeddingów, który koduje teksty niezależnie do wielokrotnego porównywania wektorowego. Wyjściem rerankera jest pojedyncza ocena liczbowa dla konkretnej pary, a nie wektor dokumentu lub odpowiedź pisemna.</p><p>Używaj modelu po wstępnym wyszukiwaniu, które wybrało prawdopodobnie przydatne fragmenty. Połącz pytanie z każdym kandydatem i uporządkuj kandydatów według uzyskanych ocen. Skupia to dokładniejsze porównanie na możliwej do obsłużenia krótkiej liście zamiast wymagać od cross-encodera sprawdzenia każdego fragmentu dużej kolekcji.</p><h4>Edycja v2 M3</h4><p>Producent wskazuje BGE-M3 jako model bazowy i wymienia obsługę wielu języków jako główną cechę. W rodzinie rerankerów v2 model M3 jest wydajną opcją wielojęzyczną; warianty oparte na Gemma i z wyborem warstw są odrębnymi modelami z innymi rozwiązaniami implementacyjnymi. Nazwa M3 nie oznacza tu, że reranker zwraca gęste, rzadkie i wielowektorowe embeddingi oryginalnego modelu embeddingów.</p><p>To rozróżnienie ma znaczenie przy wyborze wyniku potrzebnego aplikacji. Wybierz model embeddingów do reprezentowania i przeszukiwania zbioru dokumentów. Wybierz ten reranker, gdy masz już tekst kandydatów i musisz ustalić, który fragment jest najtrafniejszy dla bieżącego zapytania.</p><h4>Przygotuj kandydatów do przydatnego rankingu</h4><p>Podaj rzeczywiste pytanie i pełny tekst kandydujący potrzebny do jego interpretacji. Zachowaj nagłówki lub sąsiednie definicje, gdy określają znaczenie fragmentu. W opublikowanym przykładzie Transformers zapytanie i fragment są tokenizowane razem z obcinaniem i max_length=512. To ustawienie przykładowe, a nie limit całego modelu. Zmieść pytanie i wymagane dowody w wybranym budżecie pary i sprawdź, co usuwa obcinanie. Wynik wymieniający ten sam produkt co zapytanie może nadal być nietrafny, jeśli dotyczy niewłaściwej operacji lub warunku; podczas oceny jakości wyszukiwania przygotuj przykłady rozróżniające te przypadki.</p><p>W asystencie dokumentowym zachowaj identyfikatory kandydatów obok tekstu, oceń pary pytanie–fragment i przekaż wybrane oryginalne fragmenty do etapu odpowiadania. Model odpowiadający otrzyma wtedy dowody, a nie samą ocenę trafności bez źródła. To przykładowy przepływ wyszukiwania; sam reranker nie przeszukuje zewnętrznej kolekcji ani nie pisze odpowiedzi.</p><h4>Odczytywanie i normalizacja ocen</h4><p>Producent zwraca surowe oceny trafności, gdzie wyższa wartość oznacza lepsze dopasowanie. Udokumentowana opcjonalna normalizacja stosuje funkcję sigmoidalną, umieszczając ocenę między 0 a 1. Znormalizowana ocena ma wygodny zakres, ale samo przekształcenie nie dowodzi, że jest skalibrowanym prawdopodobieństwem poprawności kandydata.</p><p>Dobierz progi rankingu lub filtrowania na reprezentatywnych parach zapytanie–fragment z własnych zadań. Uwzględnij fragmenty dzielące słowa kluczowe, lecz odpowiadające na inne pytanie, oraz trafne fragmenty sformułowane inaczej. Dzięki temu wybrany próg będzie znaczący dla przeszukiwanej kolekcji.</p><p>W projekcie Ailoot API określ zawartość końcowego kontekstu i liczbę kandydatów, których można efektywnie zbadać. Przydatnym wynikiem jest lepiej uporządkowany zestaw dowodów dla kolejnego etapu aplikacji. Oddziel wyjście trafności tej edycji od embeddingów dokumentów, generowanego tekstu i mechanizmów wyboru warstw udokumentowanych dla innych rerankerów.</p>",
  "aboutText": "BGE Reranker v2 M3 to wielojęzyczny model trafności oparty na BGE-M3. Otrzymuje razem zapytanie i fragment kandydujący, po czym zwraca ocenę ich powiązania. BAAI pozycjonuje tę edycję jako wydajny wielojęzyczny reranker, między innymi do wyszukiwania w językach chińskim i angielskim, gdy aplikacja wyszukująca musi dopracować istniejącą listę kandydatów.\n\n### Trafność pary zapytanie–fragment\n\nCross-encoder przetwarza oba teksty wspólnie, umożliwiając wzajemne oddziaływanie ich treści przed wyznaczeniem oceny trafności. Różni się to od modelu embeddingów, który koduje teksty niezależnie do wielokrotnego porównywania wektorowego. Wyjściem rerankera jest pojedyncza ocena liczbowa dla konkretnej pary, a nie wektor dokumentu lub odpowiedź pisemna.\n\nUżywaj modelu po wstępnym wyszukiwaniu, które wybrało prawdopodobnie przydatne fragmenty. Połącz pytanie z każdym kandydatem i uporządkuj kandydatów według uzyskanych ocen. Skupia to dokładniejsze porównanie na możliwej do obsłużenia krótkiej liście zamiast wymagać od cross-encodera sprawdzenia każdego fragmentu dużej kolekcji.\n\n### Edycja v2 M3\n\nProducent wskazuje BGE-M3 jako model bazowy i wymienia obsługę wielu języków jako główną cechę. W rodzinie rerankerów v2 model M3 jest wydajną opcją wielojęzyczną; warianty oparte na Gemma i z wyborem warstw są odrębnymi modelami z innymi rozwiązaniami implementacyjnymi. Nazwa M3 nie oznacza tu, że reranker zwraca gęste, rzadkie i wielowektorowe embeddingi oryginalnego modelu embeddingów.\n\nTo rozróżnienie ma znaczenie przy wyborze wyniku potrzebnego aplikacji. Wybierz model embeddingów do reprezentowania i przeszukiwania zbioru dokumentów. Wybierz ten reranker, gdy masz już tekst kandydatów i musisz ustalić, który fragment jest najtrafniejszy dla bieżącego zapytania.\n\n### Przygotuj kandydatów do przydatnego rankingu\n\nPodaj rzeczywiste pytanie i pełny tekst kandydujący potrzebny do jego interpretacji. Zachowaj nagłówki lub sąsiednie definicje, gdy określają znaczenie fragmentu. W opublikowanym przykładzie Transformers zapytanie i fragment są tokenizowane razem z obcinaniem i max_length=512. To ustawienie przykładowe, a nie limit całego modelu. Zmieść pytanie i wymagane dowody w wybranym budżecie pary i sprawdź, co usuwa obcinanie. Wynik wymieniający ten sam produkt co zapytanie może nadal być nietrafny, jeśli dotyczy niewłaściwej operacji lub warunku; podczas oceny jakości wyszukiwania przygotuj przykłady rozróżniające te przypadki.\n\nW asystencie dokumentowym zachowaj identyfikatory kandydatów obok tekstu, oceń pary pytanie–fragment i przekaż wybrane oryginalne fragmenty do etapu odpowiadania. Model odpowiadający otrzyma wtedy dowody, a nie samą ocenę trafności bez źródła. To przykładowy przepływ wyszukiwania; sam reranker nie przeszukuje zewnętrznej kolekcji ani nie pisze odpowiedzi.\n\n### Odczytywanie i normalizacja ocen\n\nProducent zwraca surowe oceny trafności, gdzie wyższa wartość oznacza lepsze dopasowanie. Udokumentowana opcjonalna normalizacja stosuje funkcję sigmoidalną, umieszczając ocenę między 0 a 1. Znormalizowana ocena ma wygodny zakres, ale samo przekształcenie nie dowodzi, że jest skalibrowanym prawdopodobieństwem poprawności kandydata.\n\nDobierz progi rankingu lub filtrowania na reprezentatywnych parach zapytanie–fragment z własnych zadań. Uwzględnij fragmenty dzielące słowa kluczowe, lecz odpowiadające na inne pytanie, oraz trafne fragmenty sformułowane inaczej. Dzięki temu wybrany próg będzie znaczący dla przeszukiwanej kolekcji.\n\nW projekcie Ailoot API określ zawartość końcowego kontekstu i liczbę kandydatów, których można efektywnie zbadać. Przydatnym wynikiem jest lepiej uporządkowany zestaw dowodów dla kolejnego etapu aplikacji. Oddziel wyjście trafności tej edycji od embeddingów dokumentów, generowanego tekstu i mechanizmów wyboru warstw udokumentowanych dla innych rerankerów.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "9f54b22ea133b1073c05441a0e09a72c219ff3ba470b50004ab724f86413295d",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "pl",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">bge-reranker-v2-m3</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Zamknij\">×</button></div><div class=\"idline\"><span>BAAI /</span><code>bge-reranker-v2-m3</code><button type=\"button\" id=\"copy-id\">Kopiuj ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Sekcje karty modelu\"><button type=\"button\" data-card-jump=\"overview\">Start</button><button type=\"button\" data-card-jump=\"methods\">Dane wejściowe i metody</button><button type=\"button\" data-card-jump=\"pricing\">Cennik</button><button type=\"button\" data-card-jump=\"examples\">Przykłady</button><button type=\"button\" data-card-jump=\"results\">Wyniki</button><button type=\"button\" data-card-jump=\"aliases\">Aliasy</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Metody 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|bge-reranker-v2-m3\">Ponowne rankowanie</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\">Start</h3><p class=\"mdesc-full\">Wielojęzyczny cross-encoder BAAI do uszeregowania kandydackich fragmentów względem zapytania. Czyta każdą parę zapytanie–fragment razem i zwraca ocenę trafności, dopracowując krótką listę wyników bez generowania odpowiedzi ani tworzenia embeddingów dokumentów.</p><dl class=\"card-io\" data-card-io><div><dt>Akceptowane dane wejściowe</dt><dd>Tekst</dd></div><div><dt>Wyniki</dt><dd>Wyniki uporządkowane według trafności</dd></div></dl><details class=\"card-about\"><summary>O modelu</summary><p class=\"note-s\" data-model-method-boundary>Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.</p><div class=\"mabout\" id=\"m-about\"><p>BGE Reranker v2 M3 to wielojęzyczny model trafności oparty na BGE-M3. Otrzymuje razem zapytanie i fragment kandydujący, po czym zwraca ocenę ich powiązania. BAAI pozycjonuje tę edycję jako wydajny wielojęzyczny reranker, między innymi do wyszukiwania w językach chińskim i angielskim, gdy aplikacja wyszukująca musi dopracować istniejącą listę kandydatów.</p><h4>Trafność pary zapytanie–fragment</h4><p>Cross-encoder przetwarza oba teksty wspólnie, umożliwiając wzajemne oddziaływanie ich treści przed wyznaczeniem oceny trafności. Różni się to od modelu embeddingów, który koduje teksty niezależnie do wielokrotnego porównywania wektorowego. Wyjściem rerankera jest pojedyncza ocena liczbowa dla konkretnej pary, a nie wektor dokumentu lub odpowiedź pisemna.</p><p>Używaj modelu po wstępnym wyszukiwaniu, które wybrało prawdopodobnie przydatne fragmenty. Połącz pytanie z każdym kandydatem i uporządkuj kandydatów według uzyskanych ocen. Skupia to dokładniejsze porównanie na możliwej do obsłużenia krótkiej liście zamiast wymagać od cross-encodera sprawdzenia każdego fragmentu dużej kolekcji.</p><h4>Edycja v2 M3</h4><p>Producent wskazuje BGE-M3 jako model bazowy i wymienia obsługę wielu języków jako główną cechę. W rodzinie rerankerów v2 model M3 jest wydajną opcją wielojęzyczną; warianty oparte na Gemma i z wyborem warstw są odrębnymi modelami z innymi rozwiązaniami implementacyjnymi. Nazwa M3 nie oznacza tu, że reranker zwraca gęste, rzadkie i wielowektorowe embeddingi oryginalnego modelu embeddingów.</p><p>To rozróżnienie ma znaczenie przy wyborze wyniku potrzebnego aplikacji. Wybierz model embeddingów do reprezentowania i przeszukiwania zbioru dokumentów. Wybierz ten reranker, gdy masz już tekst kandydatów i musisz ustalić, który fragment jest najtrafniejszy dla bieżącego zapytania.</p><h4>Przygotuj kandydatów do przydatnego rankingu</h4><p>Podaj rzeczywiste pytanie i pełny tekst kandydujący potrzebny do jego interpretacji. Zachowaj nagłówki lub sąsiednie definicje, gdy określają znaczenie fragmentu. W opublikowanym przykładzie Transformers zapytanie i fragment są tokenizowane razem z obcinaniem i max_length=512. To ustawienie przykładowe, a nie limit całego modelu. Zmieść pytanie i wymagane dowody w wybranym budżecie pary i sprawdź, co usuwa obcinanie. Wynik wymieniający ten sam produkt co zapytanie może nadal być nietrafny, jeśli dotyczy niewłaściwej operacji lub warunku; podczas oceny jakości wyszukiwania przygotuj przykłady rozróżniające te przypadki.</p><p>W asystencie dokumentowym zachowaj identyfikatory kandydatów obok tekstu, oceń pary pytanie–fragment i przekaż wybrane oryginalne fragmenty do etapu odpowiadania. Model odpowiadający otrzyma wtedy dowody, a nie samą ocenę trafności bez źródła. To przykładowy przepływ wyszukiwania; sam reranker nie przeszukuje zewnętrznej kolekcji ani nie pisze odpowiedzi.</p><h4>Odczytywanie i normalizacja ocen</h4><p>Producent zwraca surowe oceny trafności, gdzie wyższa wartość oznacza lepsze dopasowanie. Udokumentowana opcjonalna normalizacja stosuje funkcję sigmoidalną, umieszczając ocenę między 0 a 1. Znormalizowana ocena ma wygodny zakres, ale samo przekształcenie nie dowodzi, że jest skalibrowanym prawdopodobieństwem poprawności kandydata.</p><p>Dobierz progi rankingu lub filtrowania na reprezentatywnych parach zapytanie–fragment z własnych zadań. Uwzględnij fragmenty dzielące słowa kluczowe, lecz odpowiadające na inne pytanie, oraz trafne fragmenty sformułowane inaczej. Dzięki temu wybrany próg będzie znaczący dla przeszukiwanej kolekcji.</p><p>W projekcie Ailoot API określ zawartość końcowego kontekstu i liczbę kandydatów, których można efektywnie zbadać. Przydatnym wynikiem jest lepiej uporządkowany zestaw dowodów dla kolejnego etapu aplikacji. Oddziel wyjście trafności tej edycji od embeddingów dokumentów, generowanego tekstu i mechanizmów wyboru warstw udokumentowanych dla innych rerankerów.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Dostępne w Ailoot · dane wejściowe i metody</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Ponowne rankowanie</b> <code>POST /v1/rerank</code></summary><dl class=\"method-capabilities\"><div><dt>Wejście</dt><dd><code>text</code></dd></div><div><dt>Wyjście</dt><dd><code>rerank</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Pole</th><th>Typ</th><th>Wymaganie</th><th>Wartości i limity</th><th>Domyślnie</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span><div>bge-reranker-v2-m3</div></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">query</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>string</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Opcjonalne</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">documents</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span><code>array</code></td><td data-cell-label=\"Wymaganie\"><span class=\"card-cell-label\">Wymaganie</span>Wymagane</td><td data-cell-label=\"Wartości i limity\"><span class=\"card-cell-label\">Wartości i limity</span></td><td data-cell-label=\"Domyślnie\" data-default=\"unspecified\"><span class=\"card-cell-label\">Domyślnie</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Parametry i cykl życia metody</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Parametr</th><th>Kontrakt</th></tr></thead><tbody><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>content_type</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>application/json</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>required</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>model, documents</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>material_types</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>text</td></tr><tr><th data-cell-label=\"Parametr\" scope=\"row\"><span class=\"card-cell-label\">Parametr</span><code>material_conditions</code></th><td data-cell-label=\"Kontrakt\"><span class=\"card-cell-label\">Kontrakt</span>Podaj rzeczywiste zapytanie i niepustą tablicę oryginalnych dokumentów tekstowych. Indeksy wyników odnoszą się do tej pierwotnej tablicy.</td></tr></tbody></table></div><p>Cykl życia: <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\">Cennik</h3><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.</p><dl data-price-conditions><dt>Tryb szybki</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb szybki</span></dd><dt>Tryb flex</dt><dd>Nie określono <span class=\"note-s\">Gdy wybrany jest tryb flex</span></dd><dt>Maksymalna intensywność rozumowania</dt><dd>Nie określono <span class=\"note-s\">Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)</span></dd></dl></div><div data-declared-tariff-pricing><h4>Stawki Ailoot</h4><h4>Ceny według konfiguracji</h4><p class=\"note-s\">Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Konfiguracja</th><th>Tabela stawek</th><th>Jednostka rozliczeniowa</th><th>Opłata</th></tr></thead><tbody><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>Bazowe stawki za tokeny</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>Stawka podstawowa</td><td data-cell-label=\"Jednostka rozliczeniowa\"><span class=\"card-cell-label\">Jednostka rozliczeniowa</span>—</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wejście · Tokeny wejściowe</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wyjście · Tokeny wyjściowe</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Odczyt cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div><div><span>Wejście · Zapis do cache, 1 godz.</span> <b>—</b> <span class=\"price-unit\">/ 1K tokenów</span></div></td></tr><tr><th data-cell-label=\"Konfiguracja\" scope=\"row\"><span class=\"card-cell-label\">Konfiguracja</span>token (łącznie)</th><td data-cell-label=\"Tabela stawek\"><span class=\"card-cell-label\">Tabela stawek</span>—</td><td data-cell-label=\"Jednostka rozliczeniowa\"><span class=\"card-cell-label\">Jednostka rozliczeniowa</span>/ 1K tokenów</td><td data-cell-label=\"Opłata\"><span class=\"card-cell-label\">Opłata</span><div><span>Wejście · token (łącznie)</span> <b>$0.00004</b> <span class=\"price-unit\">/ 1K tokenów</span></div></td></tr></tbody></table></div></div><p class=\"note-s\">Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. <a href=\"/docs/pl/billing/reserve/\">Jak działają rezerwacja i rozliczenie →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Przykładowe żądania</h3><h4>Ailoot Ultra · Ponowne rankowanie</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Warianty kodu\"><button class=\"cg-tab\" id=\"model-code-1089-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1089-panel-0\" aria-selected=\"true\" tabindex=\"0\">Użyj rzeczywistych danych wejściowych i zachowaj kompletny wynik</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Kopiuj kod\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1089-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1089-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${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;bge-reranker-v2-m3&#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\">Odbieranie i zapisywanie wyników</h3><h4>Ailoot Ultra · Ponowne rankowanie</h4><p class=\"note-s\">Kompletny oryginalny natywny wynik JSON ze skonfigurowanym modelem odpowiedzi, pierwotnymi indeksami dokumentów, ocenami trafności, ciągami tekstowymi dokumentów i natywnym użyciem tokenów. Zachowaj każde rzeczywiste pole wyniku i użycia.</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>Zachowaj wszystkie ukończone wyniki</h5><p class=\"note-s\">Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.</p><p class=\"note-s\">Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Jeśli trzeba sprawdzić pierwotną odpowiedź</h5><p class=\"note-s\">Zachowaj rzeczywiste X-Client-Request-ID i kompletną odpowiedź. Odczytuj pierwotne zasoby należące do użytkownika i ich dokładne podpisane adresy URL treści; nigdy nie ponawiaj niepewnego utworzenia.</p></div><details class=\"card-about\" data-output-fields><summary>Pola odpowiedzi</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Pole</th><th>Typ</th><th>Znaczenie</th></tr></thead><tbody><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td><td data-cell-label=\"Znaczenie\"><span class=\"card-cell-label\">Znaczenie</span>Dokładny model odpowiedzi wymagany przez skonfigurowany komponent przetwarzający w kodzie źródłowym.</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">results[].index</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>integer</td><td data-cell-label=\"Znaczenie\"><span class=\"card-cell-label\">Znaczenie</span>Unikalny indeks oryginalnego dokumentu wejściowego.</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">results[].relevance_score</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>number</td><td data-cell-label=\"Znaczenie\"><span class=\"card-cell-label\">Znaczenie</span>Skończona wartość oceny trafności.</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">results[].document</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>string</td><td data-cell-label=\"Znaczenie\"><span class=\"card-cell-label\">Znaczenie</span>Oryginalny dokument tekstowy wymagany przez skonfigurowany komponent przetwarzający odpowiedź.</td></tr><tr><th data-cell-label=\"Pole\" scope=\"row\"><span class=\"card-cell-label\">Pole</span><code class=\"card-field-name\">usage.total_tokens</code></th><td data-cell-label=\"Typ\" data-field-type><span class=\"card-cell-label\">Typ</span>integer</td><td data-cell-label=\"Znaczenie\"><span class=\"card-cell-label\">Znaczenie</span>Skończona, nieujemna liczba natywnych tokenów wymagana przez bieżącą zaakceptowaną taryfę.</td></tr></tbody></table></div></details><details class=\"card-about\" data-method-errors><summary>Błędy i dalsze kroki</summary><div class=\"tw\" data-card-table=\"errors\"><table><thead><tr><th>Odpowiedź</th><th>Warunek</th><th>Następny krok</th></tr></thead><tbody><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>400 · <code>invalid_request_error</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Treść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj odpowiedź i popraw wskazane pole żądania.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>401 · <code>authentication_error</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Klucz API Ailoot jest nieprawidłowy.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Użyj swojego autoryzowanego klucza API Ailoot.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>403 · <code>permission_error</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Grupa klucza nie ma uprawnień do tej metody.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj zwrócone szczegóły błędu.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>404 · <code>not_found_error</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Wybrana metoda nie ma dopuszczonej ścieżki.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj zwrócone szczegóły błędu.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>422 · <code>price_unavailable</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Zaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>503 · <code></code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Wymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania.</td></tr><tr><th data-cell-label=\"Odpowiedź\" scope=\"row\"><span class=\"card-cell-label\">Odpowiedź</span>502 · <code>billing_requires_check</code></th><td data-cell-label=\"Warunek\"><span class=\"card-cell-label\">Warunek</span>Pierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia.</td><td data-cell-label=\"Następny krok\"><span class=\"card-cell-label\">Następny krok</span>Zachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia.</td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Aliasy</h3><h4>Aliasy modelu</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=bge-reranker-v2-m3&amp;route=Ultra&amp;caller=bge-reranker-v2-m3&amp;fmt=rerank\"><code>bge-reranker-v2-m3</code></a></span></p><h4>Aliasy ścieżek metod</h4><p class=\"note-s\">Użyj ścieżek metod podanych powyżej.</p><h4>Powiązane ID modeli</h4><p class=\"note-s\"><a href=\"#m=bge-reranker-v2-m3&amp;route=Ultra&amp;caller=bge-reranker-v2-m3&amp;fmt=rerank\"><code>bge-reranker-v2-m3</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "bge-reranker-v2-m3",
        "fmt": "rerank",
        "http": "POST",
        "path": "/v1/rerank",
        "request_model_id": "bge-reranker-v2-m3",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|rerank|/v1/rerank|bge-reranker-v2-m3",
      "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": "Treść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe.",
                "http_status": 400,
                "recovery": "Zachowaj odpowiedź i popraw wskazane pole żądania.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Klucz API Ailoot jest nieprawidłowy.",
                "http_status": 401,
                "recovery": "Użyj swojego autoryzowanego klucza API Ailoot.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Grupa klucza nie ma uprawnień do tej metody.",
                "http_status": 403,
                "recovery": "Zachowaj zwrócone szczegóły błędu.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Wybrana metoda nie ma dopuszczonej ścieżki.",
                "http_status": 404,
                "recovery": "Zachowaj zwrócone szczegóły błędu.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Zaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy.",
                "http_status": 422,
                "recovery": "Zachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Wymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne.",
                "http_status": 503,
                "recovery": "Zachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania.",
                "type": null
              },
              {
                "code": null,
                "condition": "Pierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia.",
                "http_status": 502,
                "recovery": "Zachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia.",
                "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": "Zachowaj rzeczywiste X-Client-Request-ID i kompletną odpowiedź. Odczytuj pierwotne zasoby należące do użytkownika i ich dokładne podpisane adresy URL treści; nigdy nie ponawiaj niepewnego utworzenia."
            },
            "outputs": {
              "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.",
              "family": "rerank",
              "fields": [
                {
                  "description": "Dokładny model odpowiedzi wymagany przez skonfigurowany komponent przetwarzający w kodzie źródłowym.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Unikalny indeks oryginalnego dokumentu wejściowego.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Skończona wartość oceny trafności.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Oryginalny dokument tekstowy wymagany przez skonfigurowany komponent przetwarzający odpowiedź.",
                  "name": "results[].document",
                  "type": "string"
                },
                {
                  "description": "Skończona, nieujemna liczba natywnych tokenów wymagana przez bieżącą zaakceptowaną taryfę.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "result": "Kompletny oryginalny natywny wynik JSON ze skonfigurowanym modelem odpowiedzi, pierwotnymi indeksami dokumentów, ocenami trafności, ciągami tekstowymi dokumentów i natywnym użyciem tokenów. Zachowaj każde rzeczywiste pole wyniku i użycia."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "bge-reranker-v2-m3"
                ],
                "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": [
                    "bge-reranker-v2-m3"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "documents": "${ACTUAL_DOCUMENTS}",
                "model": "bge-reranker-v2-m3",
                "query": "${ACTUAL_QUERY}"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Podaj rzeczywiste zapytanie i niepustą tablicę oryginalnych dokumentów tekstowych. Indeksy wyników odnoszą się do tej pierwotnej tablicy."
            ],
            "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": "0.00004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000004",
                "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': 'bge-reranker-v2-m3', '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": "Ponowne rankowanie",
        "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": 4e-08
          }
        },
        "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": "0.00004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000004",
                "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": "bge-reranker-v2-m3",
        "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": "0.00004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000004",
            "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": "bge-reranker-v2-m3",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "9fd7a29490c5260cdbedf2d66f92a77a363d1f66a27d1fc5ec3d84fdb03e367c",
    "input_html_sha256": "6e8f7cafc519b10378f54a46eb57e9ed2d448536889cb2619c1de98164789c5d",
    "private_audit_sha256": "fec86f2e3c3eec7629df138c82323e7424463853e465c2962101a3f8cf7a70a4",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/pl/bge-reranker-v2-m3/",
    "description": "Wielojęzyczny cross-encoder BAAI do uszeregowania kandydackich fragmentów względem zapytania. Czyta każdą parę zapytanie–fragment razem i zwraca ocenę trafności, dopracowując krótką listę wyników bez generowania odpowiedzi ani tworzenia embeddingów dokumentów.",
    "locale": "pl",
    "md_url": "https://ailoot.ai/models/pl/bge-reranker-v2-m3/index.md",
    "title": "bge-reranker-v2-m3 — Ailoot",
    "url": "https://ailoot.ai/models/pl/bge-reranker-v2-m3/"
  },
  "rawModel": {
    "about": "BGE Reranker v2 M3 to wielojęzyczny model trafności oparty na BGE-M3. Otrzymuje razem zapytanie i fragment kandydujący, po czym zwraca ocenę ich powiązania. BAAI pozycjonuje tę edycję jako wydajny wielojęzyczny reranker, między innymi do wyszukiwania w językach chińskim i angielskim, gdy aplikacja wyszukująca musi dopracować istniejącą listę kandydatów.\n\n### Trafność pary zapytanie–fragment\n\nCross-encoder przetwarza oba teksty wspólnie, umożliwiając wzajemne oddziaływanie ich treści przed wyznaczeniem oceny trafności. Różni się to od modelu embeddingów, który koduje teksty niezależnie do wielokrotnego porównywania wektorowego. Wyjściem rerankera jest pojedyncza ocena liczbowa dla konkretnej pary, a nie wektor dokumentu lub odpowiedź pisemna.\n\nUżywaj modelu po wstępnym wyszukiwaniu, które wybrało prawdopodobnie przydatne fragmenty. Połącz pytanie z każdym kandydatem i uporządkuj kandydatów według uzyskanych ocen. Skupia to dokładniejsze porównanie na możliwej do obsłużenia krótkiej liście zamiast wymagać od cross-encodera sprawdzenia każdego fragmentu dużej kolekcji.\n\n### Edycja v2 M3\n\nProducent wskazuje BGE-M3 jako model bazowy i wymienia obsługę wielu języków jako główną cechę. W rodzinie rerankerów v2 model M3 jest wydajną opcją wielojęzyczną; warianty oparte na Gemma i z wyborem warstw są odrębnymi modelami z innymi rozwiązaniami implementacyjnymi. Nazwa M3 nie oznacza tu, że reranker zwraca gęste, rzadkie i wielowektorowe embeddingi oryginalnego modelu embeddingów.\n\nTo rozróżnienie ma znaczenie przy wyborze wyniku potrzebnego aplikacji. Wybierz model embeddingów do reprezentowania i przeszukiwania zbioru dokumentów. Wybierz ten reranker, gdy masz już tekst kandydatów i musisz ustalić, który fragment jest najtrafniejszy dla bieżącego zapytania.\n\n### Przygotuj kandydatów do przydatnego rankingu\n\nPodaj rzeczywiste pytanie i pełny tekst kandydujący potrzebny do jego interpretacji. Zachowaj nagłówki lub sąsiednie definicje, gdy określają znaczenie fragmentu. W opublikowanym przykładzie Transformers zapytanie i fragment są tokenizowane razem z obcinaniem i max_length=512. To ustawienie przykładowe, a nie limit całego modelu. Zmieść pytanie i wymagane dowody w wybranym budżecie pary i sprawdź, co usuwa obcinanie. Wynik wymieniający ten sam produkt co zapytanie może nadal być nietrafny, jeśli dotyczy niewłaściwej operacji lub warunku; podczas oceny jakości wyszukiwania przygotuj przykłady rozróżniające te przypadki.\n\nW asystencie dokumentowym zachowaj identyfikatory kandydatów obok tekstu, oceń pary pytanie–fragment i przekaż wybrane oryginalne fragmenty do etapu odpowiadania. Model odpowiadający otrzyma wtedy dowody, a nie samą ocenę trafności bez źródła. To przykładowy przepływ wyszukiwania; sam reranker nie przeszukuje zewnętrznej kolekcji ani nie pisze odpowiedzi.\n\n### Odczytywanie i normalizacja ocen\n\nProducent zwraca surowe oceny trafności, gdzie wyższa wartość oznacza lepsze dopasowanie. Udokumentowana opcjonalna normalizacja stosuje funkcję sigmoidalną, umieszczając ocenę między 0 a 1. Znormalizowana ocena ma wygodny zakres, ale samo przekształcenie nie dowodzi, że jest skalibrowanym prawdopodobieństwem poprawności kandydata.\n\nDobierz progi rankingu lub filtrowania na reprezentatywnych parach zapytanie–fragment z własnych zadań. Uwzględnij fragmenty dzielące słowa kluczowe, lecz odpowiadające na inne pytanie, oraz trafne fragmenty sformułowane inaczej. Dzięki temu wybrany próg będzie znaczący dla przeszukiwanej kolekcji.\n\nW projekcie Ailoot API określ zawartość końcowego kontekstu i liczbę kandydatów, których można efektywnie zbadać. Przydatnym wynikiem jest lepiej uporządkowany zestaw dowodów dla kolejnego etapu aplikacji. Oddziel wyjście trafności tej edycji od embeddingów dokumentów, generowanego tekstu i mechanizmów wyboru warstw udokumentowanych dla innych rerankerów.",
    "alias_of": null,
    "aliases": [],
    "author": "BAAI",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [],
      "manufacturer_output": []
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000004",
            "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": "Pełny cennik konfiguracji w szczegółach."
      }
    ],
    "ctx": null,
    "formats": [
      "rerank"
    ],
    "id": "bge-reranker-v2-m3",
    "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": "Treść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe.",
                "http_status": 400,
                "recovery": "Zachowaj odpowiedź i popraw wskazane pole żądania.",
                "type": "invalid_request_error"
              },
              {
                "code": null,
                "condition": "Klucz API Ailoot jest nieprawidłowy.",
                "http_status": 401,
                "recovery": "Użyj swojego autoryzowanego klucza API Ailoot.",
                "type": "authentication_error"
              },
              {
                "code": null,
                "condition": "Grupa klucza nie ma uprawnień do tej metody.",
                "http_status": 403,
                "recovery": "Zachowaj zwrócone szczegóły błędu.",
                "type": "permission_error"
              },
              {
                "code": null,
                "condition": "Wybrana metoda nie ma dopuszczonej ścieżki.",
                "http_status": 404,
                "recovery": "Zachowaj zwrócone szczegóły błędu.",
                "type": "not_found_error"
              },
              {
                "code": null,
                "condition": "Zaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy.",
                "http_status": 422,
                "recovery": "Zachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę.",
                "type": "price_unavailable"
              },
              {
                "code": null,
                "condition": "Wymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne.",
                "http_status": 503,
                "recovery": "Zachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania.",
                "type": null
              },
              {
                "code": null,
                "condition": "Pierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia.",
                "http_status": 502,
                "recovery": "Zachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia.",
                "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": "Zachowaj rzeczywiste X-Client-Request-ID i kompletną odpowiedź. Odczytuj pierwotne zasoby należące do użytkownika i ich dokładne podpisane adresy URL treści; nigdy nie ponawiaj niepewnego utworzenia."
            },
            "outputs": {
              "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.",
              "family": "rerank",
              "fields": [
                {
                  "description": "Dokładny model odpowiedzi wymagany przez skonfigurowany komponent przetwarzający w kodzie źródłowym.",
                  "name": "model",
                  "type": "string"
                },
                {
                  "description": "Unikalny indeks oryginalnego dokumentu wejściowego.",
                  "name": "results[].index",
                  "type": "integer"
                },
                {
                  "description": "Skończona wartość oceny trafności.",
                  "name": "results[].relevance_score",
                  "type": "number"
                },
                {
                  "description": "Oryginalny dokument tekstowy wymagany przez skonfigurowany komponent przetwarzający odpowiedź.",
                  "name": "results[].document",
                  "type": "string"
                },
                {
                  "description": "Skończona, nieujemna liczba natywnych tokenów wymagana przez bieżącą zaakceptowaną taryfę.",
                  "name": "usage.total_tokens",
                  "type": "integer"
                }
              ],
              "result": "Kompletny oryginalny natywny wynik JSON ze skonfigurowanym modelem odpowiedzi, pierwotnymi indeksami dokumentów, ocenami trafności, ciągami tekstowymi dokumentów i natywnym użyciem tokenów. Zachowaj każde rzeczywiste pole wyniku i użycia."
            },
            "parameters": [
              {
                "default_known": false,
                "enum": [
                  "bge-reranker-v2-m3"
                ],
                "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": [
                    "bge-reranker-v2-m3"
                  ],
                  "type": "string"
                },
                "query": {
                  "type": "string"
                }
              },
              "required": [
                "model",
                "documents"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": false,
              "body": {
                "documents": "${ACTUAL_DOCUMENTS}",
                "model": "bge-reranker-v2-m3",
                "query": "${ACTUAL_QUERY}"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Podaj rzeczywiste zapytanie i niepustą tablicę oryginalnych dokumentów tekstowych. Indeksy wyników odnoszą się do tej pierwotnej tablicy."
            ],
            "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": "0.00004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000004",
                "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': 'bge-reranker-v2-m3', '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": "Ponowne rankowanie",
        "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": 4e-08
          }
        },
        "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": "0.00004000",
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": true,
                "estimate_only": false,
                "key": "total_token",
                "label": "total token",
                "native_amount_usd_per_unit": "0.00000004",
                "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": "bge-reranker-v2-m3",
        "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": "0.00004000",
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": true,
            "estimate_only": false,
            "key": "total_token",
            "label": "total token",
            "native_amount_usd_per_unit": "0.00000004",
            "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": "bge-reranker-v2-m3",
        "request_model_id": "bge-reranker-v2-m3",
        "route_label": "Ultra"
      }
    ],
    "name": "bge-reranker-v2-m3",
    "price": {
      "in": null,
      "in_label": null,
      "out": null,
      "out_label": null,
      "sort_in": null,
      "sort_out": null,
      "varies": true
    },
    "short": "Wielojęzyczny cross-encoder BAAI do uszeregowania kandydackich fragmentów względem zapytania. Czyta każdą parę zapytanie–fragment razem i zwraca ocenę trafności, dopracowując krótką listę wyników bez generowania odpowiedzi ani tworzenia embeddingów dokumentów."
  },
  "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": "Wielojęzyczny cross-encoder BAAI do uszeregowania kandydackich fragmentów względem zapytania. Czyta każdą parę zapytanie–fragment razem i zwraca ocenę trafności, dopracowując krótką listę wyników bez generowania odpowiedzi ani tworzenia embeddingów dokumentów.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "25d1f0368c3a1184a874a44d68c2d78a5881155e0e10948d4cb43d42bf799489",
    "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb"
  },
  "sourceRevision": "3ce88398880e4fff0d525e9c940d000cb5bb4a9b6d8756dafd0ceab492fb3e44"
}