{ "aboutHtml": "

rerank-2.5-lite to lekki wariant wydania rerankerów 2.5 firmy Voyage AI. Producent opisuje go jako model ogólny równoważący opóźnienia i jakość trafności, z wykonywaniem instrukcji w języku naturalnym i obsługą wielu języków. Wejściem jest zapytanie i teksty kandydujące, a wyjściem — dopracowana kolejność tych kandydatów z ocenami trafności.

Lekka ocena trafności w drugim etapie

Model Lite przetwarza wspólnie każdą parę zapytanie–dokument jako cross-encoder. Może działać po pierwszym etapie wyszukiwania embeddingowego lub leksykalnego, dopracowując wybrane przez niego fragmenty. Różni się to od przygotowywania indeksu embeddingów do wielokrotnego użycia: reranker bada przesłane zapytanie i tekst dokumentu razem na potrzeby bieżącej oceny trafności.

W interaktywnym wyszukiwaniu pomocy prześlij kandydujące wyjaśnienia, które mogą odpowiedzieć na pytanie użytkownika. Zachowaj dość każdego fragmentu, aby przekazać zachowanie i jego uwarunkowania, oraz utrzymuj powiązanie indeksu wejściowego z elementem źródłowym. Precyzyjny zestaw kandydatów pomaga wyjaśnić zadanie ponownego porządkowania, zachowując przydatność znalezionych dowodów do wyświetlenia lub późniejszej odpowiedzi.

Instrukcje wyrażają priorytety użytkownika

Podobnie jak rerank-2.5, Lite przyjmuje instrukcje w języku naturalnym przed zapytaniem lub po nim. Przykłady producenta wykorzystują je do podkreślania części dokumentu, wyboru preferowanego rodzaju źródła lub dodawania kontekstu do niejednoznacznego słowa. Aplikacja może dostarczać stałą preferencję trafności albo bieżące pytanie może zawierać bardziej konkretną.

Przykładowe zapytanie wsparcia może pytać, który fragment wyjaśnia błąd, z instrukcją nadania pierwszeństwa krokom rozwiązywania problemów przed ogólnymi opisami produktu. Wyszukiwanie dokumentu może dotyczyć oryginalnego brzmienia polityki zamiast jej omówienia. Opisz oczekiwane dowody i utrzymuj zwięzłą instrukcję. Instrukcje wpływają na oceny trafności; wszelkie ścisłe ograniczenia wersji, daty lub uprawnień uwzględnij w doborze kandydatów, zamiast traktować preferencję trafności jako gwarantowany filtr.

Odczytaj ranking i zwróć fragment źródłowy

Wyjście jest sortowane malejąco według trafności. Każdy wynik zawiera oryginalny indeks dokumentu i ocenę zmiennoprzecinkową; opcjonalne ustawienie return-documents zwraca również odpowiedni tekst wejściowy. Opcja top-k określa liczbę zwracanych czołowych wyników, a jej pominięcie zwraca ranking wszystkich przesłanych kandydatów.

Użyj tych indeksów, aby odzyskać fragment źródłowy i jego identyfikator. Ponownie sklasyfikowany kandydat może stać się wynikiem wyszukiwania lub dowodem dla następnego etapu RAG, ale wyjściem jest uporządkowanie dostarczonego tekstu, a nie przeredagowana odpowiedź. Oceń, czy czołowe fragmenty spełniają zarówno pytanie, jak i instrukcję trafności, także w językach i typach dokumentów rzeczywiście obecnych w zbiorze.

Limity i praktyczny budżet kandydatów

Wydanie 2.5 Lite ma udokumentowane maksimum zapytania 8 000 tokenów i limit 32 000 tokenów dla zapytania z każdym pojedynczym dokumentem. Jest odrębne od wcześniejszego modelu rerank-2-lite i jego mniejszego kontekstu. Można przesłać najwyżej 1 000 dokumentów, a łączne wejście jest ograniczone do 600 000 tokenów według formuły: tokeny zapytania pomnożone przez liczbę kandydatów, plus suma tokenów dokumentów kandydujących.

Dla zastosowań wrażliwych na opóźnienia FAQ producenta zaleca rerank-2.5-lite z łączną liczbą tokenów nieprzekraczającą 200 000 na żądanie. Jest to praktyczna wskazówka poniżej podanego maksimum, a nie inne okno dla pojedynczego dokumentu. Dłuższe zapytanie lub instrukcja są liczone raz dla każdej pary z kandydatem, więc liczba kandydatów i długość zapytania wpływają na sumę.

Obcinanie jest domyślnie włączone i skraca zbyt długie wejście zapytania lub dokumentu do limitu; wyłączenie zwraca błąd przy zbyt długim zapytaniu lub parze. Świadomie przygotuj zwarte fragmenty zawierające odpowiedź, aby przydatne dowody nie znalazły się poza granicą obcięcia. Wybór mniejszej liczby wyników wyjściowych przez top-k nie usuwa pozostałych dostarczonych kandydatów z obliczania tokenów. Sprawdź zwrócone fragmenty źródłowe i dopracuj przygotowanie wejścia pod rzeczywiste pytania, na które interfejs wyszukiwania ma odpowiadać.

", "aboutText": "rerank-2.5-lite to lekki wariant wydania rerankerów 2.5 firmy Voyage AI. Producent opisuje go jako model ogólny równoważący opóźnienia i jakość trafności, z wykonywaniem instrukcji w języku naturalnym i obsługą wielu języków. Wejściem jest zapytanie i teksty kandydujące, a wyjściem — dopracowana kolejność tych kandydatów z ocenami trafności.\n\n### Lekka ocena trafności w drugim etapie\n\nModel Lite przetwarza wspólnie każdą parę zapytanie–dokument jako cross-encoder. Może działać po pierwszym etapie wyszukiwania embeddingowego lub leksykalnego, dopracowując wybrane przez niego fragmenty. Różni się to od przygotowywania indeksu embeddingów do wielokrotnego użycia: reranker bada przesłane zapytanie i tekst dokumentu razem na potrzeby bieżącej oceny trafności.\n\nW interaktywnym wyszukiwaniu pomocy prześlij kandydujące wyjaśnienia, które mogą odpowiedzieć na pytanie użytkownika. Zachowaj dość każdego fragmentu, aby przekazać zachowanie i jego uwarunkowania, oraz utrzymuj powiązanie indeksu wejściowego z elementem źródłowym. Precyzyjny zestaw kandydatów pomaga wyjaśnić zadanie ponownego porządkowania, zachowując przydatność znalezionych dowodów do wyświetlenia lub późniejszej odpowiedzi.\n\n### Instrukcje wyrażają priorytety użytkownika\n\nPodobnie jak rerank-2.5, Lite przyjmuje instrukcje w języku naturalnym przed zapytaniem lub po nim. Przykłady producenta wykorzystują je do podkreślania części dokumentu, wyboru preferowanego rodzaju źródła lub dodawania kontekstu do niejednoznacznego słowa. Aplikacja może dostarczać stałą preferencję trafności albo bieżące pytanie może zawierać bardziej konkretną.\n\nPrzykładowe zapytanie wsparcia może pytać, który fragment wyjaśnia błąd, z instrukcją nadania pierwszeństwa krokom rozwiązywania problemów przed ogólnymi opisami produktu. Wyszukiwanie dokumentu może dotyczyć oryginalnego brzmienia polityki zamiast jej omówienia. Opisz oczekiwane dowody i utrzymuj zwięzłą instrukcję. Instrukcje wpływają na oceny trafności; wszelkie ścisłe ograniczenia wersji, daty lub uprawnień uwzględnij w doborze kandydatów, zamiast traktować preferencję trafności jako gwarantowany filtr.\n\n### Odczytaj ranking i zwróć fragment źródłowy\n\nWyjście jest sortowane malejąco według trafności. Każdy wynik zawiera oryginalny indeks dokumentu i ocenę zmiennoprzecinkową; opcjonalne ustawienie return-documents zwraca również odpowiedni tekst wejściowy. Opcja top-k określa liczbę zwracanych czołowych wyników, a jej pominięcie zwraca ranking wszystkich przesłanych kandydatów.\n\nUżyj tych indeksów, aby odzyskać fragment źródłowy i jego identyfikator. Ponownie sklasyfikowany kandydat może stać się wynikiem wyszukiwania lub dowodem dla następnego etapu RAG, ale wyjściem jest uporządkowanie dostarczonego tekstu, a nie przeredagowana odpowiedź. Oceń, czy czołowe fragmenty spełniają zarówno pytanie, jak i instrukcję trafności, także w językach i typach dokumentów rzeczywiście obecnych w zbiorze.\n\n### Limity i praktyczny budżet kandydatów\n\nWydanie 2.5 Lite ma udokumentowane maksimum zapytania 8 000 tokenów i limit 32 000 tokenów dla zapytania z każdym pojedynczym dokumentem. Jest odrębne od wcześniejszego modelu rerank-2-lite i jego mniejszego kontekstu. Można przesłać najwyżej 1 000 dokumentów, a łączne wejście jest ograniczone do 600 000 tokenów według formuły: tokeny zapytania pomnożone przez liczbę kandydatów, plus suma tokenów dokumentów kandydujących.\n\nDla zastosowań wrażliwych na opóźnienia FAQ producenta zaleca rerank-2.5-lite z łączną liczbą tokenów nieprzekraczającą 200 000 na żądanie. Jest to praktyczna wskazówka poniżej podanego maksimum, a nie inne okno dla pojedynczego dokumentu. Dłuższe zapytanie lub instrukcja są liczone raz dla każdej pary z kandydatem, więc liczba kandydatów i długość zapytania wpływają na sumę.\n\nObcinanie jest domyślnie włączone i skraca zbyt długie wejście zapytania lub dokumentu do limitu; wyłączenie zwraca błąd przy zbyt długim zapytaniu lub parze. Świadomie przygotuj zwarte fragmenty zawierające odpowiedź, aby przydatne dowody nie znalazły się poza granicą obcięcia. Wybór mniejszej liczby wyników wyjściowych przez top-k nie usuwa pozostałych dostarczonych kandydatów z obliczania tokenów. Sprawdź zwrócone fragmenty źródłowe i dopracuj przygotowanie wejścia pod rzeczywiste pytania, na które interfejs wyszukiwania ma odpowiadać.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "43df0b966eaab200425c83c269fd60c0c0fb3aeb4c5374a3b740c90b5bc33101", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "
•

VoyageAI by MongoDB: rerank-2.5-lite

VoyageAI by MongoDB /voyageai/rerank-2.5-lite

Start

rerank-2.5-lite to nastawiony na niskie opóźnienia reranker Voyage AI wykonujący instrukcje dla dostarczonego zestawu kandydatów tekstowych. Zachowuje kontekst zapytanie–dokument 32 000 tokenów i obsługę wielu języków, zwracając uporządkowaną listę ocen trafności i oryginalnych indeksów dokumentów.

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.

rerank-2.5-lite to lekki wariant wydania rerankerów 2.5 firmy Voyage AI. Producent opisuje go jako model ogólny równoważący opóźnienia i jakość trafności, z wykonywaniem instrukcji w języku naturalnym i obsługą wielu języków. Wejściem jest zapytanie i teksty kandydujące, a wyjściem — dopracowana kolejność tych kandydatów z ocenami trafności.

Lekka ocena trafności w drugim etapie

Model Lite przetwarza wspólnie każdą parę zapytanie–dokument jako cross-encoder. Może działać po pierwszym etapie wyszukiwania embeddingowego lub leksykalnego, dopracowując wybrane przez niego fragmenty. Różni się to od przygotowywania indeksu embeddingów do wielokrotnego użycia: reranker bada przesłane zapytanie i tekst dokumentu razem na potrzeby bieżącej oceny trafności.

W interaktywnym wyszukiwaniu pomocy prześlij kandydujące wyjaśnienia, które mogą odpowiedzieć na pytanie użytkownika. Zachowaj dość każdego fragmentu, aby przekazać zachowanie i jego uwarunkowania, oraz utrzymuj powiązanie indeksu wejściowego z elementem źródłowym. Precyzyjny zestaw kandydatów pomaga wyjaśnić zadanie ponownego porządkowania, zachowując przydatność znalezionych dowodów do wyświetlenia lub późniejszej odpowiedzi.

Instrukcje wyrażają priorytety użytkownika

Podobnie jak rerank-2.5, Lite przyjmuje instrukcje w języku naturalnym przed zapytaniem lub po nim. Przykłady producenta wykorzystują je do podkreślania części dokumentu, wyboru preferowanego rodzaju źródła lub dodawania kontekstu do niejednoznacznego słowa. Aplikacja może dostarczać stałą preferencję trafności albo bieżące pytanie może zawierać bardziej konkretną.

Przykładowe zapytanie wsparcia może pytać, który fragment wyjaśnia błąd, z instrukcją nadania pierwszeństwa krokom rozwiązywania problemów przed ogólnymi opisami produktu. Wyszukiwanie dokumentu może dotyczyć oryginalnego brzmienia polityki zamiast jej omówienia. Opisz oczekiwane dowody i utrzymuj zwięzłą instrukcję. Instrukcje wpływają na oceny trafności; wszelkie ścisłe ograniczenia wersji, daty lub uprawnień uwzględnij w doborze kandydatów, zamiast traktować preferencję trafności jako gwarantowany filtr.

Odczytaj ranking i zwróć fragment źródłowy

Wyjście jest sortowane malejąco według trafności. Każdy wynik zawiera oryginalny indeks dokumentu i ocenę zmiennoprzecinkową; opcjonalne ustawienie return-documents zwraca również odpowiedni tekst wejściowy. Opcja top-k określa liczbę zwracanych czołowych wyników, a jej pominięcie zwraca ranking wszystkich przesłanych kandydatów.

Użyj tych indeksów, aby odzyskać fragment źródłowy i jego identyfikator. Ponownie sklasyfikowany kandydat może stać się wynikiem wyszukiwania lub dowodem dla następnego etapu RAG, ale wyjściem jest uporządkowanie dostarczonego tekstu, a nie przeredagowana odpowiedź. Oceń, czy czołowe fragmenty spełniają zarówno pytanie, jak i instrukcję trafności, także w językach i typach dokumentów rzeczywiście obecnych w zbiorze.

Limity i praktyczny budżet kandydatów

Wydanie 2.5 Lite ma udokumentowane maksimum zapytania 8 000 tokenów i limit 32 000 tokenów dla zapytania z każdym pojedynczym dokumentem. Jest odrębne od wcześniejszego modelu rerank-2-lite i jego mniejszego kontekstu. Można przesłać najwyżej 1 000 dokumentów, a łączne wejście jest ograniczone do 600 000 tokenów według formuły: tokeny zapytania pomnożone przez liczbę kandydatów, plus suma tokenów dokumentów kandydujących.

Dla zastosowań wrażliwych na opóźnienia FAQ producenta zaleca rerank-2.5-lite z łączną liczbą tokenów nieprzekraczającą 200 000 na żądanie. Jest to praktyczna wskazówka poniżej podanego maksimum, a nie inne okno dla pojedynczego dokumentu. Dłuższe zapytanie lub instrukcja są liczone raz dla każdej pary z kandydatem, więc liczba kandydatów i długość zapytania wpływają na sumę.

Obcinanie jest domyślnie włączone i skraca zbyt długie wejście zapytania lub dokumentu do limitu; wyłączenie zwraca błąd przy zbyt długim zapytaniu lub parze. Świadomie przygotuj zwarte fragmenty zawierające odpowiedź, aby przydatne dowody nie znalazły się poza granicą obcięcia. Wybór mniejszej liczby wyników wyjściowych przez top-k nie usuwa pozostałych dostarczonych kandydatów z obliczania tokenów. Sprawdź zwrócone fragmenty źródłowe i dopracuj przygotowanie wejścia pod rzeczywiste pytania, na które interfejs wyszukiwania ma odpowiadać.

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
voyageai/rerank-2.5-lite
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 rozliczeniowa/ 1K tokenówOpłata
Wejście $0.00004 / 1K tokenów

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

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": "voyageai/rerank-2.5-lite",\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 voyageai/rerank-2.5-lite

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

voyageai/rerank-2.5-lite

", "method_identity": { "effective_request_model_id": "voyageai/rerank-2.5-lite", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "voyageai/rerank-2.5-lite", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|voyageai%2Frerank-2.5-lite", "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": [ "voyageai/rerank-2.5-lite" ], "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": 32000, "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": [ "voyageai/rerank-2.5-lite" ], "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": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"voyageai/rerank-2.5-lite\",\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']='voyageai/rerank-2.5-lite'\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": { "input_token": 4e-08 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } ], "request_model_id": "voyageai/rerank-2.5-lite", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } } ], "model_id": "voyageai/rerank-2.5-lite", "nativeProvenance": { "input_facts_canonical_sha256": "9f0cef25830b1bdb2dfbbc99d0bdfa8fa9595c2c9c3f5e49c44068d6d4f239d4", "input_html_sha256": "46547beb95890bf53a806155b950069def5023f6aedb3d5927dafe69b1e0fbec", "private_audit_sha256": "81754812a212277e8cd35f18fa0b78c080da6b5d1f1399cf13d6379c662341ed", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/pl/voyageai-rerank-2-5-lite/", "description": "rerank-2.5-lite to nastawiony na niskie opóźnienia reranker Voyage AI wykonujący instrukcje dla dostarczonego zestawu kandydatów tekstowych. Zachowuje kontekst zapytanie–dokument 32 000 tokenów i obsługę wielu języków, zwracając uporządkowaną listę ocen trafności i oryginalnych indeksów dokumentów.", "locale": "pl", "md_url": "https://ailoot.ai/models/pl/voyageai-rerank-2-5-lite/index.md", "title": "VoyageAI by MongoDB: rerank-2.5-lite — Ailoot", "url": "https://ailoot.ai/models/pl/voyageai-rerank-2-5-lite/" }, "rawModel": { "about": "rerank-2.5-lite to lekki wariant wydania rerankerów 2.5 firmy Voyage AI. Producent opisuje go jako model ogólny równoważący opóźnienia i jakość trafności, z wykonywaniem instrukcji w języku naturalnym i obsługą wielu języków. Wejściem jest zapytanie i teksty kandydujące, a wyjściem — dopracowana kolejność tych kandydatów z ocenami trafności.\n\n### Lekka ocena trafności w drugim etapie\n\nModel Lite przetwarza wspólnie każdą parę zapytanie–dokument jako cross-encoder. Może działać po pierwszym etapie wyszukiwania embeddingowego lub leksykalnego, dopracowując wybrane przez niego fragmenty. Różni się to od przygotowywania indeksu embeddingów do wielokrotnego użycia: reranker bada przesłane zapytanie i tekst dokumentu razem na potrzeby bieżącej oceny trafności.\n\nW interaktywnym wyszukiwaniu pomocy prześlij kandydujące wyjaśnienia, które mogą odpowiedzieć na pytanie użytkownika. Zachowaj dość każdego fragmentu, aby przekazać zachowanie i jego uwarunkowania, oraz utrzymuj powiązanie indeksu wejściowego z elementem źródłowym. Precyzyjny zestaw kandydatów pomaga wyjaśnić zadanie ponownego porządkowania, zachowując przydatność znalezionych dowodów do wyświetlenia lub późniejszej odpowiedzi.\n\n### Instrukcje wyrażają priorytety użytkownika\n\nPodobnie jak rerank-2.5, Lite przyjmuje instrukcje w języku naturalnym przed zapytaniem lub po nim. Przykłady producenta wykorzystują je do podkreślania części dokumentu, wyboru preferowanego rodzaju źródła lub dodawania kontekstu do niejednoznacznego słowa. Aplikacja może dostarczać stałą preferencję trafności albo bieżące pytanie może zawierać bardziej konkretną.\n\nPrzykładowe zapytanie wsparcia może pytać, który fragment wyjaśnia błąd, z instrukcją nadania pierwszeństwa krokom rozwiązywania problemów przed ogólnymi opisami produktu. Wyszukiwanie dokumentu może dotyczyć oryginalnego brzmienia polityki zamiast jej omówienia. Opisz oczekiwane dowody i utrzymuj zwięzłą instrukcję. Instrukcje wpływają na oceny trafności; wszelkie ścisłe ograniczenia wersji, daty lub uprawnień uwzględnij w doborze kandydatów, zamiast traktować preferencję trafności jako gwarantowany filtr.\n\n### Odczytaj ranking i zwróć fragment źródłowy\n\nWyjście jest sortowane malejąco według trafności. Każdy wynik zawiera oryginalny indeks dokumentu i ocenę zmiennoprzecinkową; opcjonalne ustawienie return-documents zwraca również odpowiedni tekst wejściowy. Opcja top-k określa liczbę zwracanych czołowych wyników, a jej pominięcie zwraca ranking wszystkich przesłanych kandydatów.\n\nUżyj tych indeksów, aby odzyskać fragment źródłowy i jego identyfikator. Ponownie sklasyfikowany kandydat może stać się wynikiem wyszukiwania lub dowodem dla następnego etapu RAG, ale wyjściem jest uporządkowanie dostarczonego tekstu, a nie przeredagowana odpowiedź. Oceń, czy czołowe fragmenty spełniają zarówno pytanie, jak i instrukcję trafności, także w językach i typach dokumentów rzeczywiście obecnych w zbiorze.\n\n### Limity i praktyczny budżet kandydatów\n\nWydanie 2.5 Lite ma udokumentowane maksimum zapytania 8 000 tokenów i limit 32 000 tokenów dla zapytania z każdym pojedynczym dokumentem. Jest odrębne od wcześniejszego modelu rerank-2-lite i jego mniejszego kontekstu. Można przesłać najwyżej 1 000 dokumentów, a łączne wejście jest ograniczone do 600 000 tokenów według formuły: tokeny zapytania pomnożone przez liczbę kandydatów, plus suma tokenów dokumentów kandydujących.\n\nDla zastosowań wrażliwych na opóźnienia FAQ producenta zaleca rerank-2.5-lite z łączną liczbą tokenów nieprzekraczającą 200 000 na żądanie. Jest to praktyczna wskazówka poniżej podanego maksimum, a nie inne okno dla pojedynczego dokumentu. Dłuższe zapytanie lub instrukcja są liczone raz dla każdej pary z kandydatem, więc liczba kandydatów i długość zapytania wpływają na sumę.\n\nObcinanie jest domyślnie włączone i skraca zbyt długie wejście zapytania lub dokumentu do limitu; wyłączenie zwraca błąd przy zbyt długim zapytaniu lub parze. Świadomie przygotuj zwarte fragmenty zawierające odpowiedź, aby przydatne dowody nie znalazły się poza granicą obcięcia. Wybór mniejszej liczby wyników wyjściowych przez top-k nie usuwa pozostałych dostarczonych kandydatów z obliczania tokenów. Sprawdź zwrócone fragmenty źródłowe i dopracuj przygotowanie wejścia pod rzeczywiste pytania, na które interfejs wyszukiwania ma odpowiadać.", "alias_of": null, "aliases": [], "author": "VoyageAI by MongoDB", "available": null, "canonical_model": "voyageai/rerank-2.5-lite", "capabilities": { "context_length": 32000, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ], "summary": "Pełny cennik konfiguracji w szczegółach." } ], "ctx": null, "entity_type": "model", "formats": [ "rerank" ], "id": "voyageai/rerank-2.5-lite", "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": [ "voyageai/rerank-2.5-lite" ], "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": 32000, "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": [ "voyageai/rerank-2.5-lite" ], "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": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } ], "examples": [ { "code": "{\n \"documents\": [\n \"Paris is the capital of France.\",\n \"Berlin is the capital of Germany.\"\n ],\n \"model\": \"voyageai/rerank-2.5-lite\",\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']='voyageai/rerank-2.5-lite'\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": { "input_token": 4e-08 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } ], "request_model_id": "voyageai/rerank-2.5-lite", "route_label": "Ultra", "status_reads": [], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.00004000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.00000004", "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" } ] } ], "model_aliases": [ { "canonical_model_id": "voyageai/rerank-2.5-lite", "request_model_id": "voyageai/rerank-2.5-lite", "route_label": "Ultra" } ], "name": "VoyageAI by MongoDB: rerank-2.5-lite", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "voyageai/rerank-2.5-lite", "short": "rerank-2.5-lite to nastawiony na niskie opóźnienia reranker Voyage AI wykonujący instrukcje dla dostarczonego zestawu kandydatów tekstowych. Zachowuje kontekst zapytanie–dokument 32 000 tokenów i obsługę wielu języków, zwracając uporządkowaną listę ocen trafności i oryginalnych indeksów dokumentów." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "rerank-2.5-lite to nastawiony na niskie opóźnienia reranker Voyage AI wykonujący instrukcje dla dostarczonego zestawu kandydatów tekstowych. Zachowuje kontekst zapytanie–dokument 32 000 tokenów i obsługę wielu języków, zwracając uporządkowaną listę ocen trafności i oryginalnych indeksów dokumentów.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "9e36c28aaf0d792be672d1fdeeebe2124c752a8f91a72bdb92203dc3d90d957e", "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb" }, "sourceRevision": "0c3490fab4c30c098485fa5ead3dc53aad8840dc8fd11597685804fe0d236c44" }