{ "aboutHtml": "

Cohere Rerank 4 Pro to model z rodziny Rerank 4 firmy Cohere, nastawiony na jakość. Ocenia dokumenty kandydujące względem zapytania i zwraca ich kolejność według trafności oraz oceny. Model jest przeznaczony do złożonych zadań wyszukiwania obejmujących także dokumenty wielojęzyczne i częściowo ustrukturyzowane informacje. Sprawdza się w procesie wyszukiwania lub procesie wspomaganym wyszukiwaniem, gdy istniejący system zebrał już kandydatów: wynik pomaga wybrać fragmenty do wyświetlenia albo przekazania jako materiał źródłowy do następnego etapu.

Identyfikator producenta to rerank-v4.0-pro, odrębny od rerank-v4.0-fast i rerank-v3.5. Pro jest przeznaczony do złożonych przypadków, w których jakość wyszukiwania jest priorytetem, natomiast Fast stawia na mniejsze opóźnienia i większą przepustowość. Obie edycje Rerank 4 używają kontekstu 32 768 tokenów. Zapytanie i jeden dokument kandydujący dzielą ten budżet; nie jest to osobne pełne okno dla każdego pola wejścia ani limit całego przechowywanego korpusu wyszukiwania.

Podaj jasne zapytanie i listę tekstów kandydujących jako ciągi znaków. Każdy zwrócony wynik zawiera oryginalny indeks dokumentu i ocenę trafności, a parametr top_n pozwala określić liczbę zwracanych wyników rankingu; bez niego producent zwraca wszystkie wyniki. Zachowaj identyfikator źródła przy każdym tekście wejściowym, aby ranking można było powiązać z dokładnym fragmentem. W przypadku pytania do pomocy technicznej zapytaj o wymagane warunki i dołącz kandydujące sekcje regulaminu, zamiast oczekiwać, że model rankingowy znajdzie zasady nieobecne na liście.

Model obsługuje ponad 100 języków i może ponownie szeregować materiały angielskie i nieangielskie. Przy zapytaniu z kilkoma wymaganiami określ warunki czyniące fragment przydatnym, takie jak produkt, sytuacja i potrzebna procedura. Dla rekordów częściowo ustrukturyzowanych Cohere zaleca ciągi YAML zamiast przekazywania surowych obiektów na liście dokumentów V2. Umieszczaj istotne pola, takie jak tytuł i treść, w przemyślanej kolejności, ponieważ przycinanie może usunąć późniejsze pola. Takie przygotowanie przydaje się do rekordów produktów, wiadomości i metadanych dokumentów, jak również zwykłej prozy.

Przewodnik przygotowania danych dla tego modelu ogranicza zapytanie Rerank 4 do pierwszych 16 384 tokenów. Opisuje przetwarzanie dłuższych dokumentów przez fragmenty dzielące kontekst 32 768 tokenów z zapytaniem i tokenami zarezerwowanymi. Obecna dokumentacja V2 osobno ustawia domyślnie max_tokens_per_doc na 4096 i wskazuje, że dłuższe ciągi dokumentów są przycinane do tej wartości. Traktuj okno modelu i przycinanie dokumentów w żądaniu producenta jako różne mechanizmy. Przygotuj zwięzłe, istotne fragmenty lub wybierz odpowiedni budżet dokumentu, zamiast zakładać, że każde długie źródło zawsze jest czytane w całości.

Aby zapewnić odpowiednią wydajność przetwarzania żądań, Cohere odradza przesyłanie więcej niż 1 000 dokumentów jednocześnie. Zachowaj identyfikatory kandydatów przy dzieleniu większej listy na możliwe do obsłużenia grupy. Oceny trafności są normalizowane między 0 a 1, ale zależą od zapytania i kandydatów; nie są liniową miarą poprawności faktów. Używaj kolejności jako głównego wyniku wyszukiwania. Jeśli filtrujesz wyniki według progu oceny, ustal go na podstawie reprezentatywnych zapytań i fragmentów o granicznej trafności z rzeczywistej dziedziny, zamiast zakładać uniwersalny próg.

Przydatnym wynikiem końcowym jest lista kandydatów uporządkowana według trafności, z identyfikatorami źródeł i ocenami, gotowa do wyświetlenia w wynikach wyszukiwania albo wykorzystania na etapie wyboru materiałów źródłowych. Dokument z wysoką oceną trafności nadal może zawierać informacje nieaktualne lub błędne, dlatego zachowaj jego źródło i treść dla etapu, który go wykorzysta. Celem Pro jest ocena trafności, a nie pisanie swobodnej odpowiedzi lub generowanie embeddingów. Porównując lub dopracowując przepływ wyszukiwania, zachowaj przy wyniku dokładną edycję Pro.

", "aboutText": "Cohere Rerank 4 Pro to model z rodziny Rerank 4 firmy Cohere, nastawiony na jakość. Ocenia dokumenty kandydujące względem zapytania i zwraca ich kolejność według trafności oraz oceny. Model jest przeznaczony do złożonych zadań wyszukiwania obejmujących także dokumenty wielojęzyczne i częściowo ustrukturyzowane informacje. Sprawdza się w procesie wyszukiwania lub procesie wspomaganym wyszukiwaniem, gdy istniejący system zebrał już kandydatów: wynik pomaga wybrać fragmenty do wyświetlenia albo przekazania jako materiał źródłowy do następnego etapu.\n\nIdentyfikator producenta to rerank-v4.0-pro, odrębny od rerank-v4.0-fast i rerank-v3.5. Pro jest przeznaczony do złożonych przypadków, w których jakość wyszukiwania jest priorytetem, natomiast Fast stawia na mniejsze opóźnienia i większą przepustowość. Obie edycje Rerank 4 używają kontekstu 32 768 tokenów. Zapytanie i jeden dokument kandydujący dzielą ten budżet; nie jest to osobne pełne okno dla każdego pola wejścia ani limit całego przechowywanego korpusu wyszukiwania.\n\nPodaj jasne zapytanie i listę tekstów kandydujących jako ciągi znaków. Każdy zwrócony wynik zawiera oryginalny indeks dokumentu i ocenę trafności, a parametr top_n pozwala określić liczbę zwracanych wyników rankingu; bez niego producent zwraca wszystkie wyniki. Zachowaj identyfikator źródła przy każdym tekście wejściowym, aby ranking można było powiązać z dokładnym fragmentem. W przypadku pytania do pomocy technicznej zapytaj o wymagane warunki i dołącz kandydujące sekcje regulaminu, zamiast oczekiwać, że model rankingowy znajdzie zasady nieobecne na liście.\n\nModel obsługuje ponad 100 języków i może ponownie szeregować materiały angielskie i nieangielskie. Przy zapytaniu z kilkoma wymaganiami określ warunki czyniące fragment przydatnym, takie jak produkt, sytuacja i potrzebna procedura. Dla rekordów częściowo ustrukturyzowanych Cohere zaleca ciągi YAML zamiast przekazywania surowych obiektów na liście dokumentów V2. Umieszczaj istotne pola, takie jak tytuł i treść, w przemyślanej kolejności, ponieważ przycinanie może usunąć późniejsze pola. Takie przygotowanie przydaje się do rekordów produktów, wiadomości i metadanych dokumentów, jak również zwykłej prozy.\n\nPrzewodnik przygotowania danych dla tego modelu ogranicza zapytanie Rerank 4 do pierwszych 16 384 tokenów. Opisuje przetwarzanie dłuższych dokumentów przez fragmenty dzielące kontekst 32 768 tokenów z zapytaniem i tokenami zarezerwowanymi. Obecna dokumentacja V2 osobno ustawia domyślnie max_tokens_per_doc na 4096 i wskazuje, że dłuższe ciągi dokumentów są przycinane do tej wartości. Traktuj okno modelu i przycinanie dokumentów w żądaniu producenta jako różne mechanizmy. Przygotuj zwięzłe, istotne fragmenty lub wybierz odpowiedni budżet dokumentu, zamiast zakładać, że każde długie źródło zawsze jest czytane w całości.\n\nAby zapewnić odpowiednią wydajność przetwarzania żądań, Cohere odradza przesyłanie więcej niż 1 000 dokumentów jednocześnie. Zachowaj identyfikatory kandydatów przy dzieleniu większej listy na możliwe do obsłużenia grupy. Oceny trafności są normalizowane między 0 a 1, ale zależą od zapytania i kandydatów; nie są liniową miarą poprawności faktów. Używaj kolejności jako głównego wyniku wyszukiwania. Jeśli filtrujesz wyniki według progu oceny, ustal go na podstawie reprezentatywnych zapytań i fragmentów o granicznej trafności z rzeczywistej dziedziny, zamiast zakładać uniwersalny próg.\n\nPrzydatnym wynikiem końcowym jest lista kandydatów uporządkowana według trafności, z identyfikatorami źródeł i ocenami, gotowa do wyświetlenia w wynikach wyszukiwania albo wykorzystania na etapie wyboru materiałów źródłowych. Dokument z wysoką oceną trafności nadal może zawierać informacje nieaktualne lub błędne, dlatego zachowaj jego źródło i treść dla etapu, który go wykorzysta. Celem Pro jest ocena trafności, a nie pisanie swobodnej odpowiedzi lub generowanie embeddingów. Porównując lub dopracowując przepływ wyszukiwania, zachowaj przy wyniku dokładną edycję Pro.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d275e8a1d60974ba93d5d0557fa0932ca054092f224842f88d66028e5396fd37", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "
•

Cohere: Rerank 4 Pro

Cohere /cohere/rerank-4-pro

Start

Cohere Rerank 4 Pro porządkuje dokumenty kandydujące według trafności względem zapytania na potrzeby wyszukiwania i przepływów wspomaganych wyszukiwaniem. To edycja Rerank 4 nastawiona na jakość, z kontekstem 32K, obsługą wielu języków i częściowo ustrukturyzowanego tekstu.

Akceptowane dane wejściowe
Tekst
Wyniki
Wyniki uporządkowane według trafności
O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Cohere Rerank 4 Pro to model z rodziny Rerank 4 firmy Cohere, nastawiony na jakość. Ocenia dokumenty kandydujące względem zapytania i zwraca ich kolejność według trafności oraz oceny. Model jest przeznaczony do złożonych zadań wyszukiwania obejmujących także dokumenty wielojęzyczne i częściowo ustrukturyzowane informacje. Sprawdza się w procesie wyszukiwania lub procesie wspomaganym wyszukiwaniem, gdy istniejący system zebrał już kandydatów: wynik pomaga wybrać fragmenty do wyświetlenia albo przekazania jako materiał źródłowy do następnego etapu.

Identyfikator producenta to rerank-v4.0-pro, odrębny od rerank-v4.0-fast i rerank-v3.5. Pro jest przeznaczony do złożonych przypadków, w których jakość wyszukiwania jest priorytetem, natomiast Fast stawia na mniejsze opóźnienia i większą przepustowość. Obie edycje Rerank 4 używają kontekstu 32 768 tokenów. Zapytanie i jeden dokument kandydujący dzielą ten budżet; nie jest to osobne pełne okno dla każdego pola wejścia ani limit całego przechowywanego korpusu wyszukiwania.

Podaj jasne zapytanie i listę tekstów kandydujących jako ciągi znaków. Każdy zwrócony wynik zawiera oryginalny indeks dokumentu i ocenę trafności, a parametr top_n pozwala określić liczbę zwracanych wyników rankingu; bez niego producent zwraca wszystkie wyniki. Zachowaj identyfikator źródła przy każdym tekście wejściowym, aby ranking można było powiązać z dokładnym fragmentem. W przypadku pytania do pomocy technicznej zapytaj o wymagane warunki i dołącz kandydujące sekcje regulaminu, zamiast oczekiwać, że model rankingowy znajdzie zasady nieobecne na liście.

Model obsługuje ponad 100 języków i może ponownie szeregować materiały angielskie i nieangielskie. Przy zapytaniu z kilkoma wymaganiami określ warunki czyniące fragment przydatnym, takie jak produkt, sytuacja i potrzebna procedura. Dla rekordów częściowo ustrukturyzowanych Cohere zaleca ciągi YAML zamiast przekazywania surowych obiektów na liście dokumentów V2. Umieszczaj istotne pola, takie jak tytuł i treść, w przemyślanej kolejności, ponieważ przycinanie może usunąć późniejsze pola. Takie przygotowanie przydaje się do rekordów produktów, wiadomości i metadanych dokumentów, jak również zwykłej prozy.

Przewodnik przygotowania danych dla tego modelu ogranicza zapytanie Rerank 4 do pierwszych 16 384 tokenów. Opisuje przetwarzanie dłuższych dokumentów przez fragmenty dzielące kontekst 32 768 tokenów z zapytaniem i tokenami zarezerwowanymi. Obecna dokumentacja V2 osobno ustawia domyślnie max_tokens_per_doc na 4096 i wskazuje, że dłuższe ciągi dokumentów są przycinane do tej wartości. Traktuj okno modelu i przycinanie dokumentów w żądaniu producenta jako różne mechanizmy. Przygotuj zwięzłe, istotne fragmenty lub wybierz odpowiedni budżet dokumentu, zamiast zakładać, że każde długie źródło zawsze jest czytane w całości.

Aby zapewnić odpowiednią wydajność przetwarzania żądań, Cohere odradza przesyłanie więcej niż 1 000 dokumentów jednocześnie. Zachowaj identyfikatory kandydatów przy dzieleniu większej listy na możliwe do obsłużenia grupy. Oceny trafności są normalizowane między 0 a 1, ale zależą od zapytania i kandydatów; nie są liniową miarą poprawności faktów. Używaj kolejności jako głównego wyniku wyszukiwania. Jeśli filtrujesz wyniki według progu oceny, ustal go na podstawie reprezentatywnych zapytań i fragmentów o granicznej trafności z rzeczywistej dziedziny, zamiast zakładać uniwersalny próg.

Przydatnym wynikiem końcowym jest lista kandydatów uporządkowana według trafności, z identyfikatorami źródeł i ocenami, gotowa do wyświetlenia w wynikach wyszukiwania albo wykorzystania na etapie wyboru materiałów źródłowych. Dokument z wysoką oceną trafności nadal może zawierać informacje nieaktualne lub błędne, dlatego zachowaj jego źródło i treść dla etapu, który go wykorzysta. Celem Pro jest ocena trafności, a nie pisanie swobodnej odpowiedzi lub generowanie embeddingów. Porównując lub dopracowując przepływ wyszukiwania, zachowaj przy wyniku dokładną edycję Pro.

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Ponowne rankowanie POST /v1/rerank
Wejście
text
Wyjście
rerank
Format wyjściowy
json
PoleTypWymaganieWartości i limityDomyślnie
PoledocumentsTyparrayWymaganieWymaganeWartości i limityDomyślnie—
PolemodelTypstringWymaganieWymaganeWartości i limity
cohere/rerank-4-pro
Domyślnie—
PoleproviderTypschemaWymaganieOpcjonalneWartości i limityDomyślnie—
PolequeryTypstringWymaganieWymaganeWartości i limityDomyślnie—
Polesession_idTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Poletop_nTypintegerWymaganieOpcjonalneWartości i limity
Minimum: 1
Domyślnie—
PoletraceTypschemaWymaganieOpcjonalneWartości i limityDomyślnie—
PoleuserTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Poledocuments[].textTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Poledocuments[].imageTypstringWymaganieOpcjonalneWartości i limityDomyślnie—
Kombinacje materiałów wejściowych

text_rerank · Wymagane: query, documents array with minItems1

Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, query, documents
Parametrmaterial_typesKontrakttext
Parametroptional_controlsKontraktprovider, session_id, top_n, trace, user
Parametrmultimodal_input_bindingKontraktnull

Cykl życia: synchronous

Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź.

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.

KonfiguracjaTabela stawekJednostka rozliczeniowaOpłata
KonfiguracjaBazowe stawki za tokenyTabela stawekStawka podstawowaJednostka 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
KonfiguracjaUltraTabela stawek—Jednostka rozliczeniowaza jednostkę wyszukiwaniaOpłata
total · jednostka wyszukiwania $0.005 za jednostkę wyszukiwania

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 →

Przykładowe żądania

Ailoot Ultra · Ponowne rankowanie

{\n  "documents": [\n    "Paris is the capital of France.",\n    "Berlin is the capital of Germany."\n  ],\n  "model": "cohere/rerank-4-pro",\n  "query": "What is the capital of France?",\n  "top_n": 3\n}

Odbieranie i zapisywanie wyników

Ailoot Ultra · Ponowne rankowanie

json

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowywany jest każdy rzeczywisty indeks wyniku, skończona wartość relevance_score i oryginalny obiekt dokumentu. Indeksy wskazują na pierwotną tablicę dokumentów. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST.

Pola odpowiedzi
PoleTyp
PolemodelTypstring
PoleidTypstring
PoleproviderTypstring
Poleresults[].indexTypinteger
Poleresults[].relevance_scoreTypnumber
Poleresults[].document.textTypstring
Poleresults[].document.imageTypstring
Poleusage.search_unitsTypinteger
Poleusage.total_tokensTypinteger
Poleusage.costTypnumber
Błędy i dalsze kroki
OdpowiedźWarunekNastępny krok
Odpowiedź400 · invalid_request_errorWarunekNieprawidłowe wymagane pole, reprezentacja lub wartośćNastępny krokPopraw wskazane pole żądania.

Aliasy

Aliasy modelu

Ailoot Ultra cohere/rerank-4-pro

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

cohere/rerank-4-pro

", "method_identity": { "effective_request_model_id": "cohere/rerank-4-pro", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "cohere/rerank-4-pro", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|cohere%2Frerank-4-pro", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Nieprawidłowe wymagane pole, reprezentacja lub wartość", "http_status": 400, "recovery": "Popraw wskazane pole żądania.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Zachowywany jest każdy rzeczywisty indeks wyniku, skończona wartość relevance_score i oryginalny obiekt dokumentu. Indeksy wskazują na pierwotną tablicę dokumentów. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "cohere/rerank-4-pro" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "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": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"cohere/rerank-4-pro\",\n \"query\": \"What is the capital of France?\",\n \"top_n\": 3\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-pro'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "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": { "search_unit": 0.005 } }, "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": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "request_model_id": "cohere/rerank-4-pro", "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } } ], "model_id": "cohere/rerank-4-pro", "nativeProvenance": { "input_facts_canonical_sha256": "213efa029c7245ab0c5b134424e3cf1f9f41ccc960a0918c05aa999e913b24a0", "input_html_sha256": "2810653f24861f77713f059dbc3eaf3b91e2c8ad2e88de0ebf172b844bd85b68", "private_audit_sha256": "6ae7fafd1bba6e554a2a08e875a69f860c67a86cdd54fc544fdf217cbdab9230", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/pl/cohere-rerank-4-pro/", "description": "Cohere Rerank 4 Pro porządkuje dokumenty kandydujące według trafności względem zapytania na potrzeby wyszukiwania i przepływów wspomaganych wyszukiwaniem. To edycja Rerank 4 nastawiona na jakość, z kontekstem 32K, obsługą wielu języków i częściowo ustrukturyzowanego tekstu.", "locale": "pl", "md_url": "https://ailoot.ai/models/pl/cohere-rerank-4-pro/index.md", "title": "Cohere: Rerank 4 Pro — Ailoot", "url": "https://ailoot.ai/models/pl/cohere-rerank-4-pro/" }, "rawModel": { "about": "Cohere Rerank 4 Pro to model z rodziny Rerank 4 firmy Cohere, nastawiony na jakość. Ocenia dokumenty kandydujące względem zapytania i zwraca ich kolejność według trafności oraz oceny. Model jest przeznaczony do złożonych zadań wyszukiwania obejmujących także dokumenty wielojęzyczne i częściowo ustrukturyzowane informacje. Sprawdza się w procesie wyszukiwania lub procesie wspomaganym wyszukiwaniem, gdy istniejący system zebrał już kandydatów: wynik pomaga wybrać fragmenty do wyświetlenia albo przekazania jako materiał źródłowy do następnego etapu.\n\nIdentyfikator producenta to rerank-v4.0-pro, odrębny od rerank-v4.0-fast i rerank-v3.5. Pro jest przeznaczony do złożonych przypadków, w których jakość wyszukiwania jest priorytetem, natomiast Fast stawia na mniejsze opóźnienia i większą przepustowość. Obie edycje Rerank 4 używają kontekstu 32 768 tokenów. Zapytanie i jeden dokument kandydujący dzielą ten budżet; nie jest to osobne pełne okno dla każdego pola wejścia ani limit całego przechowywanego korpusu wyszukiwania.\n\nPodaj jasne zapytanie i listę tekstów kandydujących jako ciągi znaków. Każdy zwrócony wynik zawiera oryginalny indeks dokumentu i ocenę trafności, a parametr top_n pozwala określić liczbę zwracanych wyników rankingu; bez niego producent zwraca wszystkie wyniki. Zachowaj identyfikator źródła przy każdym tekście wejściowym, aby ranking można było powiązać z dokładnym fragmentem. W przypadku pytania do pomocy technicznej zapytaj o wymagane warunki i dołącz kandydujące sekcje regulaminu, zamiast oczekiwać, że model rankingowy znajdzie zasady nieobecne na liście.\n\nModel obsługuje ponad 100 języków i może ponownie szeregować materiały angielskie i nieangielskie. Przy zapytaniu z kilkoma wymaganiami określ warunki czyniące fragment przydatnym, takie jak produkt, sytuacja i potrzebna procedura. Dla rekordów częściowo ustrukturyzowanych Cohere zaleca ciągi YAML zamiast przekazywania surowych obiektów na liście dokumentów V2. Umieszczaj istotne pola, takie jak tytuł i treść, w przemyślanej kolejności, ponieważ przycinanie może usunąć późniejsze pola. Takie przygotowanie przydaje się do rekordów produktów, wiadomości i metadanych dokumentów, jak również zwykłej prozy.\n\nPrzewodnik przygotowania danych dla tego modelu ogranicza zapytanie Rerank 4 do pierwszych 16 384 tokenów. Opisuje przetwarzanie dłuższych dokumentów przez fragmenty dzielące kontekst 32 768 tokenów z zapytaniem i tokenami zarezerwowanymi. Obecna dokumentacja V2 osobno ustawia domyślnie max_tokens_per_doc na 4096 i wskazuje, że dłuższe ciągi dokumentów są przycinane do tej wartości. Traktuj okno modelu i przycinanie dokumentów w żądaniu producenta jako różne mechanizmy. Przygotuj zwięzłe, istotne fragmenty lub wybierz odpowiedni budżet dokumentu, zamiast zakładać, że każde długie źródło zawsze jest czytane w całości.\n\nAby zapewnić odpowiednią wydajność przetwarzania żądań, Cohere odradza przesyłanie więcej niż 1 000 dokumentów jednocześnie. Zachowaj identyfikatory kandydatów przy dzieleniu większej listy na możliwe do obsłużenia grupy. Oceny trafności są normalizowane między 0 a 1, ale zależą od zapytania i kandydatów; nie są liniową miarą poprawności faktów. Używaj kolejności jako głównego wyniku wyszukiwania. Jeśli filtrujesz wyniki według progu oceny, ustal go na podstawie reprezentatywnych zapytań i fragmentów o granicznej trafności z rzeczywistej dziedziny, zamiast zakładać uniwersalny próg.\n\nPrzydatnym wynikiem końcowym jest lista kandydatów uporządkowana według trafności, z identyfikatorami źródeł i ocenami, gotowa do wyświetlenia w wynikach wyszukiwania albo wykorzystania na etapie wyboru materiałów źródłowych. Dokument z wysoką oceną trafności nadal może zawierać informacje nieaktualne lub błędne, dlatego zachowaj jego źródło i treść dla etapu, który go wykorzysta. Celem Pro jest ocena trafności, a nie pisanie swobodnej odpowiedzi lub generowanie embeddingów. Porównując lub dopracowując przepływ wyszukiwania, zachowaj przy wyniku dokładną edycję Pro.", "alias_of": null, "aliases": [], "author": "Cohere", "available": null, "canonical_model": "cohere/rerank-4-pro", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ], "summary": "Pełny cennik konfiguracji w szczegółach." } ], "ctx": null, "entity_type": "model", "formats": [ "rerank" ], "id": "cohere/rerank-4-pro", "input": [ "text" ], "kind": "rerank", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Nieprawidłowe wymagane pole, reprezentacja lub wartość", "http_status": 400, "recovery": "Popraw wskazane pole żądania.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Zachowaj pierwotną operację oraz pełną lub częściową odpowiedź; nie ponawiaj POST." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Zachowywany jest każdy rzeczywisty indeks wyniku, skończona wartość relevance_score i oryginalny obiekt dokumentu. Indeksy wskazują na pierwotną tablicę dokumentów. Cały oryginalny JSON jest zapisywany i zwracany dopiero po rozliczeniu.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "cohere/rerank-4-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Wyślij dokładny identyfikator modelu i zachowaj kompletną natywną odpowiedź." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "cohere/rerank-4-pro" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "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": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"cohere/rerank-4-pro\",\n \"query\": \"What is the capital of France?\",\n \"top_n\": 3\n}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_REQUEST_FILE:?Set your actual JSON request file}\"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-pro'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "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": { "search_unit": 0.005 } }, "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": { "native_endpoint": "rerank", "quoted_unit": "per search unit" }, "label": "Ultra", "units": [ { "amount": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "request_model_id": "cohere/rerank-4-pro", "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": "0.005", "amount_unit": "usd_per_declared_unit", "billing_input": true, "estimate_only": false, "key": "search_unit", "label": "search unit", "native_amount_usd_per_unit": "0.005", "native_quantity": 1, "public_unit_label": "per search unit", "quantity": "1", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "total", "unit": "search_unit" } ] } ], "model_aliases": [ { "canonical_model_id": "cohere/rerank-4-pro", "request_model_id": "cohere/rerank-4-pro", "route_label": "Ultra" } ], "name": "Cohere: Rerank 4 Pro", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "cohere/rerank-4-pro", "short": "Cohere Rerank 4 Pro porządkuje dokumenty kandydujące według trafności względem zapytania na potrzeby wyszukiwania i przepływów wspomaganych wyszukiwaniem. To edycja Rerank 4 nastawiona na jakość, z kontekstem 32K, obsługą wielu języków i częściowo ustrukturyzowanego tekstu." }, "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": "Cohere Rerank 4 Pro porządkuje dokumenty kandydujące według trafności względem zapytania na potrzeby wyszukiwania i przepływów wspomaganych wyszukiwaniem. To edycja Rerank 4 nastawiona na jakość, z kontekstem 32K, obsługą wielu języków i częściowo ustrukturyzowanego tekstu.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "af1c3d35787d589ff664a4f90a23e66d3281db9b4e46975e17c09a78f1213239", "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb" }, "sourceRevision": "f0b8282dee84856cc3c924fa8fce158910bf79795f4cdcf90fc71aed14573cab" }