Cohere Rerank 4 Pro é o modelo centrado na qualidade da família Rerank 4 da Cohere. Avalia documentos candidatos face a uma consulta e devolve a ordenação e as pontuações de relevância. O modelo destina-se a tarefas de recuperação complexas, incluindo documentos multilingues e informação semiestruturada. Integra-se num fluxo de pesquisa ou aumentado por recuperação depois de um sistema existente recolher candidatos: o resultado ajuda a escolher as passagens a apresentar ou fornecer como elementos de prova à etapa seguinte.
O identificador do fabricante é rerank-v4.0-pro, separado de rerank-v4.0-fast e rerank-v3.5. Pro é posicionado para casos complexos em que a qualidade da recuperação é prioritária, enquanto Fast visa menor latência e maior débito. Ambas as edições Rerank 4 utilizam um contexto de 32 768 tokens. A consulta e um documento candidato partilham esse orçamento; não é uma janela completa separada para cada campo de entrada nem um limite para todo o corpus de pesquisa armazenado.
Forneça uma consulta clara e a lista de cadeias de texto candidatas. Cada resultado devolvido inclui o índice original do documento e uma pontuação de relevância, e top_n pode selecionar quantos resultados ordenados são devolvidos; sem esse parâmetro, o fabricante devolve todos os resultados. Preserve um identificador de fonte junto de cada entrada para permitir ligar a ordenação à passagem exata. Para uma pergunta de apoio, pergunte pelas condições exigidas e forneça as secções candidatas da política, em vez de esperar que o reordenador localize políticas que não estavam na lista.
O modelo suporta mais de 100 idiomas e pode reordenar material em inglês e noutros idiomas. Numa consulta com vários requisitos, indique as condições que tornam uma passagem útil, como o produto, a situação e o procedimento necessário. Para registos semiestruturados, a Cohere recomenda cadeias YAML em vez de objetos em bruto na lista de documentos V2. Mantenha campos significativos, como título e conteúdo, numa ordem deliberada, porque o truncamento pode remover campos posteriores. Esta preparação é útil para registos de produtos, mensagens e metadados de documentos, além de prosa comum.
O guia de preparação específico do modelo limita a consulta Rerank 4 aos primeiros 16 384 tokens. Descreve o processamento de documentos mais longos através de blocos que partilham o contexto de 32 768 tokens com a consulta e os tokens reservados. A referência V2 atual define separadamente max_tokens_per_doc como 4096 por predefinição e indica que cadeias de documentos mais longas são truncadas segundo essa definição. Trate a janela do modelo e o truncamento de documentos do pedido do fabricante como controlos diferentes. Prepare passagens concisas e relevantes ou escolha um orçamento documental adequado, em vez de presumir que todas as fontes longas são sempre lidas na íntegra.
Para o desempenho recomendado dos pedidos, a Cohere desaconselha o envio de mais de 1 000 documentos de uma só vez. Preserve os identificadores dos candidatos ao dividir uma lista maior em grupos geríveis. As pontuações de relevância são normalizadas entre 0 e 1, mas dependem da consulta e dos candidatos; não são uma medida linear de correção factual. Utilize a ordenação como principal resultado de recuperação. Se filtrar por um limiar de pontuação, estabeleça-o com consultas representativas e passagens de relevância limítrofe do domínio real, em vez de presumir um valor de corte universal.
Um resultado final útil é uma lista de candidatos ordenada que contenha identificadores de fontes e pontuações, pronta para um resultado de pesquisa ou uma etapa de seleção de elementos de prova. Um documento com pontuação de relevância elevada pode ainda conter informação desatualizada ou incorreta, por isso conserve a fonte e o conteúdo para a etapa que o utiliza. A finalidade de Pro é avaliar relevância, e não escrever uma resposta livre ou gerar embeddings. Mantenha a edição Pro exata associada ao resultado ao comparar ou aperfeiçoar um fluxo de recuperação.
", "aboutText": "Cohere Rerank 4 Pro é o modelo centrado na qualidade da família Rerank 4 da Cohere. Avalia documentos candidatos face a uma consulta e devolve a ordenação e as pontuações de relevância. O modelo destina-se a tarefas de recuperação complexas, incluindo documentos multilingues e informação semiestruturada. Integra-se num fluxo de pesquisa ou aumentado por recuperação depois de um sistema existente recolher candidatos: o resultado ajuda a escolher as passagens a apresentar ou fornecer como elementos de prova à etapa seguinte.\n\nO identificador do fabricante é rerank-v4.0-pro, separado de rerank-v4.0-fast e rerank-v3.5. Pro é posicionado para casos complexos em que a qualidade da recuperação é prioritária, enquanto Fast visa menor latência e maior débito. Ambas as edições Rerank 4 utilizam um contexto de 32 768 tokens. A consulta e um documento candidato partilham esse orçamento; não é uma janela completa separada para cada campo de entrada nem um limite para todo o corpus de pesquisa armazenado.\n\nForneça uma consulta clara e a lista de cadeias de texto candidatas. Cada resultado devolvido inclui o índice original do documento e uma pontuação de relevância, e top_n pode selecionar quantos resultados ordenados são devolvidos; sem esse parâmetro, o fabricante devolve todos os resultados. Preserve um identificador de fonte junto de cada entrada para permitir ligar a ordenação à passagem exata. Para uma pergunta de apoio, pergunte pelas condições exigidas e forneça as secções candidatas da política, em vez de esperar que o reordenador localize políticas que não estavam na lista.\n\nO modelo suporta mais de 100 idiomas e pode reordenar material em inglês e noutros idiomas. Numa consulta com vários requisitos, indique as condições que tornam uma passagem útil, como o produto, a situação e o procedimento necessário. Para registos semiestruturados, a Cohere recomenda cadeias YAML em vez de objetos em bruto na lista de documentos V2. Mantenha campos significativos, como título e conteúdo, numa ordem deliberada, porque o truncamento pode remover campos posteriores. Esta preparação é útil para registos de produtos, mensagens e metadados de documentos, além de prosa comum.\n\nO guia de preparação específico do modelo limita a consulta Rerank 4 aos primeiros 16 384 tokens. Descreve o processamento de documentos mais longos através de blocos que partilham o contexto de 32 768 tokens com a consulta e os tokens reservados. A referência V2 atual define separadamente max_tokens_per_doc como 4096 por predefinição e indica que cadeias de documentos mais longas são truncadas segundo essa definição. Trate a janela do modelo e o truncamento de documentos do pedido do fabricante como controlos diferentes. Prepare passagens concisas e relevantes ou escolha um orçamento documental adequado, em vez de presumir que todas as fontes longas são sempre lidas na íntegra.\n\nPara o desempenho recomendado dos pedidos, a Cohere desaconselha o envio de mais de 1 000 documentos de uma só vez. Preserve os identificadores dos candidatos ao dividir uma lista maior em grupos geríveis. As pontuações de relevância são normalizadas entre 0 e 1, mas dependem da consulta e dos candidatos; não são uma medida linear de correção factual. Utilize a ordenação como principal resultado de recuperação. Se filtrar por um limiar de pontuação, estabeleça-o com consultas representativas e passagens de relevância limítrofe do domínio real, em vez de presumir um valor de corte universal.\n\nUm resultado final útil é uma lista de candidatos ordenada que contenha identificadores de fontes e pontuações, pronta para um resultado de pesquisa ou uma etapa de seleção de elementos de prova. Um documento com pontuação de relevância elevada pode ainda conter informação desatualizada ou incorreta, por isso conserve a fonte e o conteúdo para a etapa que o utiliza. A finalidade de Pro é avaliar relevância, e não escrever uma resposta livre ou gerar embeddings. Mantenha a edição Pro exata associada ao resultado ao comparar ou aperfeiçoar um fluxo de recuperação.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ae6b0ef6b544118c4b7ae8990571132ce2bb09f3f013f0e3e30a329931c80e8f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "cohere/rerank-4-proCohere Rerank 4 Pro ordena documentos candidatos pela relevância para uma consulta em fluxos de pesquisa e aumentados por recuperação. É a edição Rerank 4 centrada na qualidade, com contexto de 32K, cobertura multilingue e suporte a texto semiestruturado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Cohere Rerank 4 Pro é o modelo centrado na qualidade da família Rerank 4 da Cohere. Avalia documentos candidatos face a uma consulta e devolve a ordenação e as pontuações de relevância. O modelo destina-se a tarefas de recuperação complexas, incluindo documentos multilingues e informação semiestruturada. Integra-se num fluxo de pesquisa ou aumentado por recuperação depois de um sistema existente recolher candidatos: o resultado ajuda a escolher as passagens a apresentar ou fornecer como elementos de prova à etapa seguinte.
O identificador do fabricante é rerank-v4.0-pro, separado de rerank-v4.0-fast e rerank-v3.5. Pro é posicionado para casos complexos em que a qualidade da recuperação é prioritária, enquanto Fast visa menor latência e maior débito. Ambas as edições Rerank 4 utilizam um contexto de 32 768 tokens. A consulta e um documento candidato partilham esse orçamento; não é uma janela completa separada para cada campo de entrada nem um limite para todo o corpus de pesquisa armazenado.
Forneça uma consulta clara e a lista de cadeias de texto candidatas. Cada resultado devolvido inclui o índice original do documento e uma pontuação de relevância, e top_n pode selecionar quantos resultados ordenados são devolvidos; sem esse parâmetro, o fabricante devolve todos os resultados. Preserve um identificador de fonte junto de cada entrada para permitir ligar a ordenação à passagem exata. Para uma pergunta de apoio, pergunte pelas condições exigidas e forneça as secções candidatas da política, em vez de esperar que o reordenador localize políticas que não estavam na lista.
O modelo suporta mais de 100 idiomas e pode reordenar material em inglês e noutros idiomas. Numa consulta com vários requisitos, indique as condições que tornam uma passagem útil, como o produto, a situação e o procedimento necessário. Para registos semiestruturados, a Cohere recomenda cadeias YAML em vez de objetos em bruto na lista de documentos V2. Mantenha campos significativos, como título e conteúdo, numa ordem deliberada, porque o truncamento pode remover campos posteriores. Esta preparação é útil para registos de produtos, mensagens e metadados de documentos, além de prosa comum.
O guia de preparação específico do modelo limita a consulta Rerank 4 aos primeiros 16 384 tokens. Descreve o processamento de documentos mais longos através de blocos que partilham o contexto de 32 768 tokens com a consulta e os tokens reservados. A referência V2 atual define separadamente max_tokens_per_doc como 4096 por predefinição e indica que cadeias de documentos mais longas são truncadas segundo essa definição. Trate a janela do modelo e o truncamento de documentos do pedido do fabricante como controlos diferentes. Prepare passagens concisas e relevantes ou escolha um orçamento documental adequado, em vez de presumir que todas as fontes longas são sempre lidas na íntegra.
Para o desempenho recomendado dos pedidos, a Cohere desaconselha o envio de mais de 1 000 documentos de uma só vez. Preserve os identificadores dos candidatos ao dividir uma lista maior em grupos geríveis. As pontuações de relevância são normalizadas entre 0 e 1, mas dependem da consulta e dos candidatos; não são uma medida linear de correção factual. Utilize a ordenação como principal resultado de recuperação. Se filtrar por um limiar de pontuação, estabeleça-o com consultas representativas e passagens de relevância limítrofe do domínio real, em vez de presumir um valor de corte universal.
Um resultado final útil é uma lista de candidatos ordenada que contenha identificadores de fontes e pontuações, pronta para um resultado de pesquisa ou uma etapa de seleção de elementos de prova. Um documento com pontuação de relevância elevada pode ainda conter informação desatualizada ou incorreta, por isso conserve a fonte e o conteúdo para a etapa que o utiliza. A finalidade de Pro é avaliar relevância, e não escrever uma resposta livre ou gerar embeddings. Mantenha a edição Pro exata associada ao resultado ao comparar ou aperfeiçoar um fluxo de recuperação.
POST /v1/reranktextrerank| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campodocuments | Tipoarray | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites cohere/rerank-4-pro | Predefinição— |
Campoprovider | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campoquery | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposession_id | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotop_n | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 | Predefinição— |
Campotrace | Tiposchema | RequisitoOpcional | Valores e limites | Predefinição— |
Campouser | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campodocuments[].text | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campodocuments[].image | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
text_rerank · Obrigatório: query, documents array with minItems1
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, query, documents |
Parâmetromaterial_types | Contratotext |
Parâmetrooptional_controls | Contratoprovider, session_id, top_n, trace, user |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous
Envie o ID exato do modelo e conserve a resposta nativa completa.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Unidade de faturação | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoUltra | Tabela de tarifas— | Unidade de faturaçãopor unidade de pesquisa | Custo total · unidade de pesquisa $0.005 por unidade de pesquisa |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "cohere/rerank-4-pro",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='cohere/rerank-4-pro'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
São conservados todos os índices reais dos resultados, os valores finitos de relevance_score e os objetos de documento originais. Os índices correspondem à matriz original de documentos. O JSON original completo é armazenado e devolvido apenas após a liquidação.
Conserve a operação original e a resposta completa/parcial; não repita o POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Camporesults[].index | Tipointeger |
Camporesults[].relevance_score | Tiponumber |
Camporesults[].document.text | Tipostring |
Camporesults[].document.image | Tipostring |
Campousage.search_units | Tipointeger |
Campousage.total_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampo obrigatório, representação ou valor inválido | Passo seguinteCorrija o campo indicado no pedido. |
Ailoot Ultra cohere/rerank-4-pro
Use os caminhos dos métodos indicados acima.