Source: https://ailoot.ai/models/pl/bge-reranker-v2-m3/ Canonical: https://ailoot.ai/models/pl/bge-reranker-v2-m3/ Language: pl # bge-reranker-v2-m3 [Markdown](https://ailoot.ai/models/pl/bge-reranker-v2-m3/index.md) · [JSON](https://ailoot.ai/models/pl/bge-reranker-v2-m3/facts.json) ## [bge-reranker-v2-m3](https://ailoot.ai/models/pl/bge-reranker-v2-m3/) 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. - [**Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` `bge-reranker-v2-m3`](https://ailoot.ai/models/pl/bge-reranker-v2-m3/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. 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. #### Trafność pary zapytanie–fragment 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. 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. #### Edycja v2 M3 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. 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. #### Przygotuj kandydatów do przydatnego rankingu 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. 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. #### Odczytywanie i normalizacja ocen 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. 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. 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. **Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` `bge-reranker-v2-m3` [`bge-reranker-v2-m3`](https://ailoot.ai/models/pl/#m=bge-reranker-v2-m3&route=Ultra&caller=bge-reranker-v2-m3&fmt=rerank) BAAI /`bge-reranker-v2-m3` ### Start 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. Akceptowane dane wejściowe Tekst Wyniki Wyniki uporządkowane według trafności ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` Wejście `text` Wyjście `rerank` | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity bge-reranker-v2-m3 | Domyślnie— | | Pole`query` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`documents` | Typ`array` | WymaganieWymagane | Wartości i limity | Domyślnie— | Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, documents | | Parametr`material_types` | Kontrakttext | | Parametr`material_conditions` | KontraktPodaj rzeczywiste zapytanie i niepustą tablicę oryginalnych dokumentów tekstowych. Indeksy wyników odnoszą się do tej pierwotnej tablicy. | Cykl życia: `synchronous_result_then_owned_library` `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) #### Stawki Ailoot #### Ceny według konfiguracji Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji. | Konfiguracja | Tabela stawek | Jednostka rozliczeniowa | Opłata | | --- | --- | --- | --- | | KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Jednostka rozliczeniowa— | Opłata Wejście · Tokeny wejściowe **—** / 1K tokenów Wyjście · Tokeny wyjściowe **—** / 1K tokenów Wejście · Odczyt cache **—** / 1K tokenów Wejście · Zapis do cache **—** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | | Konfiguracjatoken (łącznie) | Tabela stawek— | Jednostka rozliczeniowa/ 1K tokenów | Opłata Wejście · token (łącznie) **$0.00004** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Ponowne rankowanie Użyj rzeczywistych danych wejściowych i zachowaj kompletny wynik ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_QUERY:?Set the actual documented input value}" export AILOOT_QUERY : "${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}" export AILOOT_DOCUMENTS_JSON python3 - <<'PY_REQUEST' import json,os from pathlib import Path request={'model': 'bge-reranker-v2-m3', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'} request['query']=os.environ['AILOOT_QUERY'] request['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON']) Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again. ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Ponowne rankowanie 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. - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź 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. Pola odpowiedzi | Pole | Typ | Znaczenie | | --- | --- | --- | | Pole`model` | Typstring | ZnaczenieDokładny model odpowiedzi wymagany przez skonfigurowany komponent przetwarzający w kodzie źródłowym. | | Pole`results[].index` | Typinteger | ZnaczenieUnikalny indeks oryginalnego dokumentu wejściowego. | | Pole`results[].relevance_score` | Typnumber | ZnaczenieSkończona wartość oceny trafności. | | Pole`results[].document` | Typstring | ZnaczenieOryginalny dokument tekstowy wymagany przez skonfigurowany komponent przetwarzający odpowiedź. | | Pole`usage.total_tokens` | Typinteger | ZnaczenieSkończona, nieujemna liczba natywnych tokenów wymagana przez bieżącą zaakceptowaną taryfę. | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekTreść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe. | Następny krokZachowaj odpowiedź i popraw wskazane pole żądania. | | Odpowiedź401 · `authentication_error` | WarunekKlucz API Ailoot jest nieprawidłowy. | Następny krokUżyj swojego autoryzowanego klucza API Ailoot. | | Odpowiedź403 · `permission_error` | WarunekGrupa klucza nie ma uprawnień do tej metody. | Następny krokZachowaj zwrócone szczegóły błędu. | | Odpowiedź404 · `not_found_error` | WarunekWybrana metoda nie ma dopuszczonej ścieżki. | Następny krokZachowaj zwrócone szczegóły błędu. | | Odpowiedź422 · `price_unavailable` | WarunekZaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy. | Następny krokZachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę. | | Odpowiedź503 · `` | WarunekWymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne. | Następny krokZachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania. | | Odpowiedź502 · `billing_requires_check` | WarunekPierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia. | Następny krokZachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`bge-reranker-v2-m3`](https://ailoot.ai/models/pl/#m=bge-reranker-v2-m3&route=Ultra&caller=bge-reranker-v2-m3&fmt=rerank) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`bge-reranker-v2-m3`](https://ailoot.ai/models/pl/#m=bge-reranker-v2-m3&route=Ultra&caller=bge-reranker-v2-m3&fmt=rerank) FAQ · bge-reranker-v2-m3 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/rerank` · `bge-reranker-v2-m3`: `text` → `rerank` Jakich pól używa żądanie? `POST /v1/rerank` · `bge-reranker-v2-m3`: `model`, `query`, `documents` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.