Source: https://ailoot.ai/models/pl/voyageai-rerank-2-5/ Canonical: https://ailoot.ai/models/pl/voyageai-rerank-2-5/ Language: pl # VoyageAI by MongoDB: rerank-2.5 [Markdown](https://ailoot.ai/models/pl/voyageai-rerank-2-5/index.md) · [JSON](https://ailoot.ai/models/pl/voyageai-rerank-2-5/facts.json) ## [VoyageAI by MongoDB: rerank-2.5](https://ailoot.ai/models/pl/voyageai-rerank-2-5/) rerank-2.5 ponownie porządkuje dostarczony zestaw kandydatów tekstowych według trafności względem zapytania i opcjonalnych instrukcji w języku naturalnym. To wielojęzyczny reranker nastawiony na jakość, z kontekstem zapytanie–dokument 32 000 tokenów i ocenami rankingu powiązanymi z oryginalnymi indeksami kandydatów. - [**Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` `voyageai/rerank-2.5`](https://ailoot.ai/models/pl/voyageai-rerank-2-5/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. rerank-2.5 to reranker Voyage AI wykonujący instrukcje, zaprojektowany do dopracowania zestawu kandydatów wyszukiwania. Wspólnie bada zapytanie i każdy dokument jako cross-encoder, a następnie zwraca kolejność według trafności. Wydanie producenta podkreśla sterowanie znaczeniem trafności przez język naturalny, wyszukiwanie wielojęzyczne i dłuższy kontekst zapytanie–dokument niż we wcześniejszym wydaniu rerank-2. #### Dostarcz modelowi kandydatów do porównania Wejściem jest zapytanie i lista kandydujących dokumentów tekstowych. Mogą to być fragmenty wybrane przez wyszukiwanie embeddingowe lub leksykalne w pierwszym etapie. Reranker ocenia dostarczony tekst zamiast tworzyć embeddingi korpusu, więc jego praktycznym zadaniem jest dopracowanie kandydatów już znalezionych przez wstępne wyszukiwanie. Przygotowując listę, zachowaj pierwotną kolejność kandydatów i identyfikatory źródeł. Zwrócone indeksy odnoszą się do tych pozycji wejściowych. W zadaniu RAG dostarcz fragmenty, które etap odpowiedzi może rzeczywiście wykorzystać, w tym tytuł lub uwarunkowania potrzebne do ich interpretacji. Trafny dokument nieobecny w przesłanym zestawie kandydatów nie może pojawić się jako nowo znaleziony wynik ponownego porządkowania. #### Określ zamierzone znaczenie trafności Instrukcje można dodać po zapytaniu lub przed nim. Wydanie opisuje trzy przydatne role: podkreślenie konkretnej części dokumentu, preferowanie rodzaju źródła i ujednoznacznienie zapytania kontekstem aplikacji. Zmieniają one zadanie oceny trafności przedstawiane modelowi. W wyszukiwaniu technicznym przykładowa instrukcja brzmi: „Nadaj pierwszeństwo fragmentom wyjaśniającym zachowanie przy błędzie i przywracaniu działania; ogólne wprowadzenia są drugorzędne”. Dla zbioru badawczego określ, czy najważniejszy jest tytuł, metoda czy wynik. Przy niejednoznacznym terminie wskaż dziedzinę wyszukiwania. Zachowaj zgodność pytania i instrukcji, aby jedno nie pytało o szeroki temat, podczas gdy drugie po cichu zmienia zadanie. Te preferencje kierują oceną trafności. Jeśli aplikacja ma ścisłe wymagania dopuszczenia — takie jak wersja źródła, data lub zakres dostępu — przygotuj osobno zestaw dopuszczalnych kandydatów. Instrukcja trafności modelu i deterministyczne ograniczenie zbioru służą różnym celom. #### Ranking i późniejsze wykorzystanie wyników Wyniki są uporządkowane malejąco według trafności i zawierają zmiennoprzecinkową ocenę trafności oraz oryginalny indeks wejściowy kandydata. Opcja top-k wybiera liczbę czołowych wyników do zwrócenia; bez niej specyfikacja producenta zwraca wyniki wszystkich przesłanych kandydatów. Opcjonalne ustawienie return-documents dołącza odpowiedni tekst źródłowy; w przeciwnym razie odpowiedź zawiera indeksy i oceny. Użyj kolejności do wyboru fragmentów do wyświetlenia lub późniejszego etapu odpowiedzi, zachowując ich tożsamość źródłową. Przy ocenie rankingu sprawdzaj rzeczywisty tekst: ocena jest miarą trafności względem przesłanego zapytania, a nie wygenerowaną odpowiedzią lub potwierdzeniem poprawności twierdzeń dokumentu. Dzięki temu model przydaje się do dopracowania materiałów technicznych, prawnych, finansowych, medycznych, konwersacyjnych i wielojęzycznych bez przekształcania rankingu we wniosek dziedzinowy. #### Kontekst, łączny budżet tokenów i obcinanie Udokumentowany limit zapytania wynosi 8 000 tokenów, w tym instrukcje umieszczone w zapytaniu. Zapytanie z dowolnym pojedynczym dokumentem kandydującym musi mieścić się w 32 000 tokenów, a lista dokumentów może zawierać najwyżej 1 000 elementów. Łączny przydział wynosi 600 000 tokenów, liczonych jako tokeny zapytania pomnożone przez liczbę dokumentów, plus tokeny wszystkich dokumentów. Długa instrukcja jest więc liczona wielokrotnie w parach z kandydatami. Liczba wyjściowa top-k nie zmienia liczby kandydatów w tym obliczeniu tokenów wejściowych. Domyślne obcinanie skraca zbyt długie zapytania lub dokumenty do limitu kontekstu; jego wyłączenie powoduje błąd przy zbyt długim zapytaniu lub parze. Świadomie przygotowuj fragmenty zawierające odpowiedź i utrzymuj istotne uwarunkowania w tekście, który zobaczy model. Oceń dopracowaną kolejność na reprezentatywnych pytaniach i instrukcjach, a następnie przekaż wybrane oryginalne fragmenty do kolejnego etapu. **Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` `voyageai/rerank-2.5` [`voyageai/rerank-2.5`](https://ailoot.ai/models/pl/#m=voyageai%2Frerank-2.5&route=Ultra&caller=voyageai%2Frerank-2.5&fmt=rerank) VoyageAI by MongoDB /`voyageai/rerank-2.5` ### Start rerank-2.5 ponownie porządkuje dostarczony zestaw kandydatów tekstowych według trafności względem zapytania i opcjonalnych instrukcji w języku naturalnym. To wielojęzyczny reranker nastawiony na jakość, z kontekstem zapytanie–dokument 32 000 tokenów i ocenami rankingu powiązanymi z oryginalnymi indeksami kandydatów. Akceptowane dane wejściowe Tekst Wyniki Wyniki uporządkowane według trafności ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Ponowne rankowanie** `POST /v1/rerank` Wejście `text` Wyjście `rerank` Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`documents` | Typ`array` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity voyageai/rerank-2.5 | Domyślnie— | | Pole`provider` | Typ`schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`query` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`session_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`top_n` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 | Domyślnie— | | Pole`trace` | Typ`schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`user` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`documents[].text` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`documents[].image` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | Kombinacje materiałów wejściowych **text\_rerank** · Wymagane: query, documents array with minItems1 Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, query, documents | | Parametr`material_types` | Kontrakttext | | Parametr`optional_controls` | Kontraktprovider, session\_id, top\_n, trace, user | | Parametr`multimodal_input_binding` | Kontraktnull | 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. | 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 | | KonfiguracjaUltra | Tabela stawek— | Jednostka rozliczeniowa/ 1K tokenów | Opłata Wejście **$0.0001** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Ponowne rankowanie Zachowana oficjalna struktura żądania; przykład z dokumentacjiUżyj rzeczywistych materiałów do swojego żądania i zachowaj kompletny wynik ```json { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "voyageai/rerank-2.5", "query": "What is the capital of France?", "top_n": 3 } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}" export AILOOT_REQUEST_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8')) if not isinstance(p,dict): raise SystemExit('Request must be a JSON object') p['model']='voyageai/rerank-2.5' Path('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ### 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 | Pole | Typ | | --- | --- | | Pole`model` | Typstring | | Pole`id` | Typstring | | Pole`provider` | Typstring | | Pole`results[].index` | Typinteger | | Pole`results[].relevance_score` | Typnumber | | Pole`results[].document.text` | Typstring | | Pole`results[].document.image` | Typstring | | Pole`usage.search_units` | Typinteger | | Pole`usage.total_tokens` | Typinteger | | Pole`usage.cost` | Typnumber | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pole, reprezentacja lub wartość | Następny krokPopraw wskazane pole żądania. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`voyageai/rerank-2.5`](https://ailoot.ai/models/pl/#m=voyageai%2Frerank-2.5&route=Ultra&caller=voyageai%2Frerank-2.5&fmt=rerank) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`voyageai/rerank-2.5`](https://ailoot.ai/models/pl/#m=voyageai%2Frerank-2.5&route=Ultra&caller=voyageai%2Frerank-2.5&fmt=rerank) FAQ · VoyageAI by MongoDB: rerank-2.5 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/rerank` · `voyageai/rerank-2.5`: `text` → `rerank` Jakich pól używa żądanie? `POST /v1/rerank` · `voyageai/rerank-2.5`: `documents`, `model`, `provider`, `query`, `session_id`, `top_n`, `trace`, `user` Jakie limity obowiązują? `POST /v1/rerank` · `voyageai/rerank-2.5`: `top_n.minimum`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.