Jina Reranker v2 Base Multilingual to model rankingowania tekstu do drugiego etapu wyszukiwania. Przekaż zapytanie i dokumenty lub fragmenty kandydatów; model ocenia każdą parę zapytanie–dokument i zwraca wynik trafności. Użytecznym rezultatem jest lepiej uporządkowany zestaw kandydatów do wyszukiwania lub procesu generowania wspomaganego wyszukiwaniem. Model nie pisze odpowiedzi na zapytanie ani nie tworzy embeddingów dokumentów.
Napisz zapytanie tak, aby określało potrzebę informacyjną. Następnie dostarcz teksty znalezione na wcześniejszym etapie wyszukiwania. Zachowuj stabilny identyfikator przy każdym kandydacie, aby jego wynik trafności można było powiązać z oryginalnym dokumentem, sekcją lub rekordem.
Przy wyszukiwaniu pomocy technicznej używaj rzeczywistego pytania i fragmentów kandydatów zawierających odpowiednią procedurę. Zapytanie o resetowanie konkretnego urządzenia należy zestawić z fragmentami zachowującymi nazwę urządzenia, wersję i warunki resetowania. Fragment jedynie wspominający urządzenie może być mniej użyteczny niż wyjaśniający żądaną operację. Dostarczaj treść potrzebną modelowi do porównania, zamiast wyłącznie tytułu dokumentu.
Używaj spójnych fragmentów. Nagłówek tabeli, definicja lub wyjątek mogą zmieniać relację akapitu z zapytaniem, więc nie usuwaj ich wyłącznie po to, aby każdy kandydat był równie krótki. Reranker ocenia dostarczonych kandydatów; nie potrafi odzyskać istotnego dokumentu pominiętego przez wcześniejszy etap wyszukiwania.
Jest to cross-encoder: zapytanie i tekst kandydata przetwarzane są razem. Bezpośredni interfejs oceny zwraca zmiennoprzecinkowy wynik trafności dla każdej odpowiedniej pary. Wyższe wyniki oznaczają większą trafność w danym porównaniu. Wynik jest sygnałem rankingowym, a nie wygenerowanym wyjaśnieniem ani dowodem prawdziwości dokumentu.
Producent dostarcza także funkcję pomocniczą rerankingu zwracającą uporządkowane dokumenty z wynikami. Ustawienie liczby najlepszych wyników określa, ilu sklasyfikowanych kandydatów zachować. Przekazując ich do następnego etapu, zachowuj identyfikatory i tekst. W procesie odpowiadania na pytania kolejny model nadal potrzebuje zapytania i wybranych dowodów; sama uporządkowana lista nie jest odpowiedzią na pytanie.
Przy porównywaniu zmian w wyszukiwaniu utrzymuj stałe zapytanie i kryteria oceny. Sprawdzaj, czy fragmenty przesunięte na początek rzeczywiście zawierają żądane informacje. Ustalaj progi filtrowania na podstawie przykładów z własnej kolekcji, zamiast traktować wynik trafności jako uniwersalną miarę poprawności odpowiedzi.
Model obsługuje kontekst do 1024 tokenów. Udokumentowana funkcja pomocnicza rerank() obsługuje dłuższe dokumenty przez przesuwne okno, ocenia części osobno i łączy je w wyniki na poziomie dokumentu. Dzielenie na fragmenty jest zachowaniem tej funkcji; nie należy mylić go z pojedynczym wejściem modelu o nieograniczonym oknie kontekstu.
Funkcja pomocnicza udostępnia ustawienia długości zapytania i fragmentu oraz nakładania się fragmentów. Udokumentowana domyślna wartość nakładania wynosi 80. Opublikowany przykład użycia określa maksymalną długość zapytania 512 i długość fragmentu 1024; są to przykładowe ustawienia funkcji pomocniczej, które należy oddzielać od obietnicy, że każdy klient lub trasa ich używa.
W przypadku długiego podręcznika zachowaj wystarczający tekst sąsiadujący, aby instrukcja i jej warunki występowały razem. Oceniając wynik, sprawdzaj odpowiednią część wysoko ocenionego dokumentu, zamiast zakładać, że każda jego sekcja równie dobrze odpowiada na zapytanie.
Model v2 jest wielojęzyczny. Przykłady producenta szeregują angielskie zapytania względem fragmentów angielskich, niemieckich, hiszpańskich, chińskich i japońskich. Wspiera to kolekcję, w której istotny materiał napisano w kilku językach, bez wymagania wcześniejszego tłumaczenia każdego kandydata na język zapytania.
Udokumentowany zakres zadań obejmuje także wyszukiwanie kodu i rankingowanie reprezentacji tekstowych związanych z funkcjami lub SQL. Pozostają to zadania oceny trafności: model ocenia dostarczony tekst. Nie wykonuje funkcji, nie uruchamia SQL ani nie tworzy wyniku narzędzia tylko dlatego, że takie rodzaje kandydatów pojawiają się w zbiorze wyszukiwania.
Zachowaj odrębność tego wariantu v2 Base Multilingual od wcześniejszego rerankera Jina wyłącznie dla angielskiego, Jina Reranker v3 i multimodalnych wariantów rerankingu. To różne modele o różnych cechach zadań i danych wejściowych. Wejściem tego wariantu są pary zapytanie–tekst; zawartość obrazów lub wideo wymaga własnej odpowiedniej reprezentacji albo modelu.
Implementacja referencyjna producenta obsługuje bezpośrednie wyniki i funkcję pomocniczą rankingowania dokumentów, z opcjonalnym przyspieszonym mechanizmem uwagi. Te wybory implementacyjne wpływają na przygotowanie i przetwarzanie wejść; nie potwierdzają identycznych ustawień w każdej integracji.
Wykorzystuj uporządkowane wyjście do wyszukiwania wielojęzycznego, baz wiedzy pomocy technicznej, wyszukiwania dokumentów i wyboru dowodów przed generowaniem. Sprawdzaj najlepsze fragmenty, zachowuj pierwotne mapowanie kandydatów i rozróżniaj trafność od prawdziwości faktów. Użyteczny wynik wyszukiwania wysuwa na pierwszy plan właściwe dostarczone dowody, pozostawiając następne zadanie — odpowiadanie, streszczanie lub decydowanie — odpowiedniemu procesowi.
", "aboutText": "Jina Reranker v2 Base Multilingual to model rankingowania tekstu do drugiego etapu wyszukiwania. Przekaż zapytanie i dokumenty lub fragmenty kandydatów; model ocenia każdą parę zapytanie–dokument i zwraca wynik trafności. Użytecznym rezultatem jest lepiej uporządkowany zestaw kandydatów do wyszukiwania lub procesu generowania wspomaganego wyszukiwaniem. Model nie pisze odpowiedzi na zapytanie ani nie tworzy embeddingów dokumentów.\n\n### Przygotuj zapytanie i fragmenty kandydatów\n\nNapisz zapytanie tak, aby określało potrzebę informacyjną. Następnie dostarcz teksty znalezione na wcześniejszym etapie wyszukiwania. Zachowuj stabilny identyfikator przy każdym kandydacie, aby jego wynik trafności można było powiązać z oryginalnym dokumentem, sekcją lub rekordem.\n\nPrzy wyszukiwaniu pomocy technicznej używaj rzeczywistego pytania i fragmentów kandydatów zawierających odpowiednią procedurę. Zapytanie o resetowanie konkretnego urządzenia należy zestawić z fragmentami zachowującymi nazwę urządzenia, wersję i warunki resetowania. Fragment jedynie wspominający urządzenie może być mniej użyteczny niż wyjaśniający żądaną operację. Dostarczaj treść potrzebną modelowi do porównania, zamiast wyłącznie tytułu dokumentu.\n\nUżywaj spójnych fragmentów. Nagłówek tabeli, definicja lub wyjątek mogą zmieniać relację akapitu z zapytaniem, więc nie usuwaj ich wyłącznie po to, aby każdy kandydat był równie krótki. Reranker ocenia dostarczonych kandydatów; nie potrafi odzyskać istotnego dokumentu pominiętego przez wcześniejszy etap wyszukiwania.\n\n### Ocena par zapytanie–dokument\n\nJest to cross-encoder: zapytanie i tekst kandydata przetwarzane są razem. Bezpośredni interfejs oceny zwraca zmiennoprzecinkowy wynik trafności dla każdej odpowiedniej pary. Wyższe wyniki oznaczają większą trafność w danym porównaniu. Wynik jest sygnałem rankingowym, a nie wygenerowanym wyjaśnieniem ani dowodem prawdziwości dokumentu.\n\nProducent dostarcza także funkcję pomocniczą rerankingu zwracającą uporządkowane dokumenty z wynikami. Ustawienie liczby najlepszych wyników określa, ilu sklasyfikowanych kandydatów zachować. Przekazując ich do następnego etapu, zachowuj identyfikatory i tekst. W procesie odpowiadania na pytania kolejny model nadal potrzebuje zapytania i wybranych dowodów; sama uporządkowana lista nie jest odpowiedzią na pytanie.\n\nPrzy porównywaniu zmian w wyszukiwaniu utrzymuj stałe zapytanie i kryteria oceny. Sprawdzaj, czy fragmenty przesunięte na początek rzeczywiście zawierają żądane informacje. Ustalaj progi filtrowania na podstawie przykładów z własnej kolekcji, zamiast traktować wynik trafności jako uniwersalną miarę poprawności odpowiedzi.\n\n### Okno modelu i dłuższe dokumenty\n\nModel obsługuje kontekst do 1024 tokenów. Udokumentowana funkcja pomocnicza `rerank()` obsługuje dłuższe dokumenty przez przesuwne okno, ocenia części osobno i łączy je w wyniki na poziomie dokumentu. Dzielenie na fragmenty jest zachowaniem tej funkcji; nie należy mylić go z pojedynczym wejściem modelu o nieograniczonym oknie kontekstu.\n\nFunkcja pomocnicza udostępnia ustawienia długości zapytania i fragmentu oraz nakładania się fragmentów. Udokumentowana domyślna wartość nakładania wynosi 80. Opublikowany przykład użycia określa maksymalną długość zapytania 512 i długość fragmentu 1024; są to przykładowe ustawienia funkcji pomocniczej, które należy oddzielać od obietnicy, że każdy klient lub trasa ich używa.\n\nW przypadku długiego podręcznika zachowaj wystarczający tekst sąsiadujący, aby instrukcja i jej warunki występowały razem. Oceniając wynik, sprawdzaj odpowiednią część wysoko ocenionego dokumentu, zamiast zakładać, że każda jego sekcja równie dobrze odpowiada na zapytanie.\n\n### Wielojęzyczne i specjalistyczne wyszukiwanie tekstów\n\nModel v2 jest wielojęzyczny. Przykłady producenta szeregują angielskie zapytania względem fragmentów angielskich, niemieckich, hiszpańskich, chińskich i japońskich. Wspiera to kolekcję, w której istotny materiał napisano w kilku językach, bez wymagania wcześniejszego tłumaczenia każdego kandydata na język zapytania.\n\nUdokumentowany zakres zadań obejmuje także wyszukiwanie kodu i rankingowanie reprezentacji tekstowych związanych z funkcjami lub SQL. Pozostają to zadania oceny trafności: model ocenia dostarczony tekst. Nie wykonuje funkcji, nie uruchamia SQL ani nie tworzy wyniku narzędzia tylko dlatego, że takie rodzaje kandydatów pojawiają się w zbiorze wyszukiwania.\n\n### Edycja i praktyczne ograniczenia\n\nZachowaj odrębność tego wariantu v2 Base Multilingual od wcześniejszego rerankera Jina wyłącznie dla angielskiego, Jina Reranker v3 i multimodalnych wariantów rerankingu. To różne modele o różnych cechach zadań i danych wejściowych. Wejściem tego wariantu są pary zapytanie–tekst; zawartość obrazów lub wideo wymaga własnej odpowiedniej reprezentacji albo modelu.\n\nImplementacja referencyjna producenta obsługuje bezpośrednie wyniki i funkcję pomocniczą rankingowania dokumentów, z opcjonalnym przyspieszonym mechanizmem uwagi. Te wybory implementacyjne wpływają na przygotowanie i przetwarzanie wejść; nie potwierdzają identycznych ustawień w każdej integracji.\n\nWykorzystuj uporządkowane wyjście do wyszukiwania wielojęzycznego, baz wiedzy pomocy technicznej, wyszukiwania dokumentów i wyboru dowodów przed generowaniem. Sprawdzaj najlepsze fragmenty, zachowuj pierwotne mapowanie kandydatów i rozróżniaj trafność od prawdziwości faktów. Użyteczny wynik wyszukiwania wysuwa na pierwszy plan właściwe dostarczone dowody, pozostawiając następne zadanie — odpowiadanie, streszczanie lub decydowanie — odpowiedniemu procesowi.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a3d04d203df4e8dfbc98138c4042382a2a63891558fb00ae6cbf704a99bef637", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "jina-reranker-v2-base-multilingualJina Reranker v2 Base Multilingual ocenia zapytanie względem tekstów kandydatów i porządkuje je według trafności. Jego cross-encoder obsługuje wyszukiwanie wielojęzyczne, a funkcja pomocnicza rerankingu producenta dzieli dłuższe dokumenty według okna modelu 1024 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Jina Reranker v2 Base Multilingual to model rankingowania tekstu do drugiego etapu wyszukiwania. Przekaż zapytanie i dokumenty lub fragmenty kandydatów; model ocenia każdą parę zapytanie–dokument i zwraca wynik trafności. Użytecznym rezultatem jest lepiej uporządkowany zestaw kandydatów do wyszukiwania lub procesu generowania wspomaganego wyszukiwaniem. Model nie pisze odpowiedzi na zapytanie ani nie tworzy embeddingów dokumentów.
Napisz zapytanie tak, aby określało potrzebę informacyjną. Następnie dostarcz teksty znalezione na wcześniejszym etapie wyszukiwania. Zachowuj stabilny identyfikator przy każdym kandydacie, aby jego wynik trafności można było powiązać z oryginalnym dokumentem, sekcją lub rekordem.
Przy wyszukiwaniu pomocy technicznej używaj rzeczywistego pytania i fragmentów kandydatów zawierających odpowiednią procedurę. Zapytanie o resetowanie konkretnego urządzenia należy zestawić z fragmentami zachowującymi nazwę urządzenia, wersję i warunki resetowania. Fragment jedynie wspominający urządzenie może być mniej użyteczny niż wyjaśniający żądaną operację. Dostarczaj treść potrzebną modelowi do porównania, zamiast wyłącznie tytułu dokumentu.
Używaj spójnych fragmentów. Nagłówek tabeli, definicja lub wyjątek mogą zmieniać relację akapitu z zapytaniem, więc nie usuwaj ich wyłącznie po to, aby każdy kandydat był równie krótki. Reranker ocenia dostarczonych kandydatów; nie potrafi odzyskać istotnego dokumentu pominiętego przez wcześniejszy etap wyszukiwania.
Jest to cross-encoder: zapytanie i tekst kandydata przetwarzane są razem. Bezpośredni interfejs oceny zwraca zmiennoprzecinkowy wynik trafności dla każdej odpowiedniej pary. Wyższe wyniki oznaczają większą trafność w danym porównaniu. Wynik jest sygnałem rankingowym, a nie wygenerowanym wyjaśnieniem ani dowodem prawdziwości dokumentu.
Producent dostarcza także funkcję pomocniczą rerankingu zwracającą uporządkowane dokumenty z wynikami. Ustawienie liczby najlepszych wyników określa, ilu sklasyfikowanych kandydatów zachować. Przekazując ich do następnego etapu, zachowuj identyfikatory i tekst. W procesie odpowiadania na pytania kolejny model nadal potrzebuje zapytania i wybranych dowodów; sama uporządkowana lista nie jest odpowiedzią na pytanie.
Przy porównywaniu zmian w wyszukiwaniu utrzymuj stałe zapytanie i kryteria oceny. Sprawdzaj, czy fragmenty przesunięte na początek rzeczywiście zawierają żądane informacje. Ustalaj progi filtrowania na podstawie przykładów z własnej kolekcji, zamiast traktować wynik trafności jako uniwersalną miarę poprawności odpowiedzi.
Model obsługuje kontekst do 1024 tokenów. Udokumentowana funkcja pomocnicza rerank() obsługuje dłuższe dokumenty przez przesuwne okno, ocenia części osobno i łączy je w wyniki na poziomie dokumentu. Dzielenie na fragmenty jest zachowaniem tej funkcji; nie należy mylić go z pojedynczym wejściem modelu o nieograniczonym oknie kontekstu.
Funkcja pomocnicza udostępnia ustawienia długości zapytania i fragmentu oraz nakładania się fragmentów. Udokumentowana domyślna wartość nakładania wynosi 80. Opublikowany przykład użycia określa maksymalną długość zapytania 512 i długość fragmentu 1024; są to przykładowe ustawienia funkcji pomocniczej, które należy oddzielać od obietnicy, że każdy klient lub trasa ich używa.
W przypadku długiego podręcznika zachowaj wystarczający tekst sąsiadujący, aby instrukcja i jej warunki występowały razem. Oceniając wynik, sprawdzaj odpowiednią część wysoko ocenionego dokumentu, zamiast zakładać, że każda jego sekcja równie dobrze odpowiada na zapytanie.
Model v2 jest wielojęzyczny. Przykłady producenta szeregują angielskie zapytania względem fragmentów angielskich, niemieckich, hiszpańskich, chińskich i japońskich. Wspiera to kolekcję, w której istotny materiał napisano w kilku językach, bez wymagania wcześniejszego tłumaczenia każdego kandydata na język zapytania.
Udokumentowany zakres zadań obejmuje także wyszukiwanie kodu i rankingowanie reprezentacji tekstowych związanych z funkcjami lub SQL. Pozostają to zadania oceny trafności: model ocenia dostarczony tekst. Nie wykonuje funkcji, nie uruchamia SQL ani nie tworzy wyniku narzędzia tylko dlatego, że takie rodzaje kandydatów pojawiają się w zbiorze wyszukiwania.
Zachowaj odrębność tego wariantu v2 Base Multilingual od wcześniejszego rerankera Jina wyłącznie dla angielskiego, Jina Reranker v3 i multimodalnych wariantów rerankingu. To różne modele o różnych cechach zadań i danych wejściowych. Wejściem tego wariantu są pary zapytanie–tekst; zawartość obrazów lub wideo wymaga własnej odpowiedniej reprezentacji albo modelu.
Implementacja referencyjna producenta obsługuje bezpośrednie wyniki i funkcję pomocniczą rankingowania dokumentów, z opcjonalnym przyspieszonym mechanizmem uwagi. Te wybory implementacyjne wpływają na przygotowanie i przetwarzanie wejść; nie potwierdzają identycznych ustawień w każdej integracji.
Wykorzystuj uporządkowane wyjście do wyszukiwania wielojęzycznego, baz wiedzy pomocy technicznej, wyszukiwania dokumentów i wyboru dowodów przed generowaniem. Sprawdzaj najlepsze fragmenty, zachowuj pierwotne mapowanie kandydatów i rozróżniaj trafność od prawdziwości faktów. Użyteczny wynik wyszukiwania wysuwa na pierwszy plan właściwe dostarczone dowody, pozostawiając następne zadanie — odpowiadanie, streszczanie lub decydowanie — odpowiedniemu procesowi.
POST /v1/reranktextrerank| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity jina-reranker-v2-base-multilingual | Domyślnie— |
Polequery | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poledocuments | Typarray | WymaganieWymagane | Wartości i limity | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, documents |
Parametrmaterial_types | Kontrakttext |
Parametrmaterial_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}
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
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) $0.0001 / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_QUERY:?Set the actual documented input value}"\nexport AILOOT_QUERY\n: "${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'jina-reranker-v2-base-multilingual', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nKompletny 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}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Pole | Typ | Znaczenie |
|---|---|---|
Polemodel | Typstring | ZnaczenieDokładny model odpowiedzi wymagany przez skonfigurowany komponent przetwarzający w kodzie źródłowym. |
Poleresults[].index | Typinteger | ZnaczenieUnikalny indeks oryginalnego dokumentu wejściowego. |
Poleresults[].relevance_score | Typnumber | ZnaczenieSkończona wartość oceny trafności. |
Poleresults[].document | Typstring | ZnaczenieOryginalny dokument tekstowy wymagany przez skonfigurowany komponent przetwarzający odpowiedź. |
Poleusage.total_tokens | Typinteger | ZnaczenieSkończona, nieujemna liczba natywnych tokenów wymagana przez bieżącą zaakceptowaną taryfę. |
| 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. |
Ailoot Ultra jina-reranker-v2-base-multilingual
Użyj ścieżek metod podanych powyżej.