{ "aboutHtml": "

Jina Reranker v2 Base Multilingual é um modelo de ordenação de texto para a segunda etapa da recuperação. Forneça uma consulta e documentos ou passagens candidatos; o modelo avalia cada par consulta–documento e devolve uma pontuação de relevância. O resultado útil é um conjunto de candidatos melhor ordenado para pesquisa ou um fluxo aumentado por recuperação. Não escreve a resposta à consulta nem cria embeddings de documentos.

Prepare a consulta e as passagens candidatas

Escreva a consulta de forma a indicar a necessidade de informação. Forneça depois os textos encontrados numa etapa anterior de recuperação. Mantenha um identificador estável junto de cada candidato para permitir associar a pontuação de relevância ao documento, secção ou registo original.

Para uma pesquisa de suporte, utilize a pergunta efetiva e excertos candidatos que contenham o procedimento relevante. Uma consulta sobre a reposição de um dispositivo específico deve ser associada a passagens que preservem o nome do dispositivo, a versão e as condições de reposição. Uma passagem que apenas menciona o dispositivo pode ser menos útil do que uma que explica a operação solicitada. Forneça o conteúdo de que o modelo necessita para comparar, em vez de apenas um título de documento.

Utilize passagens coerentes. Um cabeçalho de tabela, uma definição ou uma exceção pode alterar a relação de um parágrafo com a consulta, pelo que não deve ser removido apenas para tornar todos os candidatos igualmente curtos. O modelo de reordenação avalia os candidatos fornecidos; não consegue recuperar um documento relevante que a etapa anterior tenha omitido.

Pontuação de pares consulta–documento

Este é um codificador cruzado: a consulta e um texto candidato são processados em conjunto. A interface de pontuação direta devolve uma pontuação de relevância de vírgula flutuante para cada par correspondente. Pontuações mais altas indicam maior relevância nessa comparação. A pontuação é um sinal de ordenação, em vez de uma explicação gerada ou prova de que o documento é verdadeiro.

O fabricante disponibiliza também um auxiliar de reordenação que devolve documentos ordenados com as respetivas pontuações. Um controlo de melhores resultados seleciona quantos candidatos ordenados preservar. Preserve os seus identificadores e texto ao transmiti-los à etapa seguinte. Num fluxo de resposta a perguntas, o modelo seguinte continua a precisar da consulta e das evidências selecionadas; a lista ordenada não é, por si só, uma pergunta respondida.

Ao comparar alterações na recuperação, mantenha a consulta e os critérios de avaliação fixos. Inspecione se as passagens promovidas aos primeiros lugares contêm efetivamente as informações solicitadas. Defina qualquer limiar de filtragem com exemplos da sua própria coleção, em vez de tratar uma pontuação de relevância como uma medida universal da correção de uma resposta.

Janela do modelo e documentos mais longos

O modelo suporta um comprimento de contexto de até 1 024 tokens. O seu auxiliar documentado rerank() trata documentos mais longos através de uma abordagem de janela deslizante, pontua as partes separadamente e combina-as em resultados ao nível do documento. A divisão em blocos é um comportamento desse auxiliar; não deve ser confundida com uma entrada única do modelo que tenha uma janela de contexto ilimitada.

O auxiliar expõe controlos de comprimento da consulta e dos blocos e uma definição de sobreposição. A sua sobreposição predefinida documentada é 80. O exemplo de utilização publicado especifica um comprimento máximo de consulta de 512 e um comprimento de bloco de 1 024; estas são definições do auxiliar no exemplo que devem ser mantidas distintas de uma promessa de que todos os clientes ou rotas as utilizam.

Para um manual longo, preserve texto próximo suficiente para que uma instrução e as suas condições apareçam juntas. Ao avaliar o resultado, inspecione a parte relevante de um documento bem classificado, em vez de pressupor que todas as suas secções respondem igualmente bem à consulta.

Recuperação de texto multilingue e especializado

O modelo v2 é multilingue. Os exemplos do fabricante ordenam passagens em inglês, alemão, espanhol, chinês e japonês face a consultas em inglês. Isto suporta uma coleção em que o material relevante está escrito em vários idiomas sem exigir que cada candidato seja primeiro traduzido para o idioma da consulta.

O âmbito de tarefas documentado inclui também recuperação de código e ordenação de representações textuais relacionadas com funções ou SQL. Estas continuam a ser tarefas de ordenação por relevância: o modelo avalia o texto fornecido. Não executa uma função, não executa SQL nem produz um resultado de ferramenta apenas porque esses tipos de candidatos aparecem no conjunto recuperado.

Edição e limites práticos

Mantenha este perfil v2 Base Multilingual separado do modelo de reordenação anterior da Jina, apenas em inglês, de Jina Reranker v3 e dos perfis de reordenação multimodal. São modelos diferentes, com características diferentes de tarefas e entrada. A entrada deste perfil é constituída por pares consulta–texto; conteúdo de imagem ou vídeo necessita de uma representação ou modelo próprio adequado.

A implementação de referência do fabricante suporta pontuações diretas e um auxiliar de ordenação de documentos, com atenção acelerada opcional. Estas opções de implementação afetam a preparação e o processamento das entradas; não estabelecem que todas as integrações exponham controlos idênticos.

Utilize a saída ordenada para pesquisa multilingue, bases de conhecimento de suporte, recuperação de documentos e seleção de evidências antes da geração. Reveja as primeiras passagens, preserve a correspondência original dos candidatos e distinga relevância de validade factual. Um resultado de recuperação útil destaca as evidências certas entre as fornecidas, deixando a tarefa seguinte — responder, resumir ou decidir — para o fluxo de trabalho adequado.

", "aboutText": "Jina Reranker v2 Base Multilingual é um modelo de ordenação de texto para a segunda etapa da recuperação. Forneça uma consulta e documentos ou passagens candidatos; o modelo avalia cada par consulta–documento e devolve uma pontuação de relevância. O resultado útil é um conjunto de candidatos melhor ordenado para pesquisa ou um fluxo aumentado por recuperação. Não escreve a resposta à consulta nem cria embeddings de documentos.\n\n### Prepare a consulta e as passagens candidatas\n\nEscreva a consulta de forma a indicar a necessidade de informação. Forneça depois os textos encontrados numa etapa anterior de recuperação. Mantenha um identificador estável junto de cada candidato para permitir associar a pontuação de relevância ao documento, secção ou registo original.\n\nPara uma pesquisa de suporte, utilize a pergunta efetiva e excertos candidatos que contenham o procedimento relevante. Uma consulta sobre a reposição de um dispositivo específico deve ser associada a passagens que preservem o nome do dispositivo, a versão e as condições de reposição. Uma passagem que apenas menciona o dispositivo pode ser menos útil do que uma que explica a operação solicitada. Forneça o conteúdo de que o modelo necessita para comparar, em vez de apenas um título de documento.\n\nUtilize passagens coerentes. Um cabeçalho de tabela, uma definição ou uma exceção pode alterar a relação de um parágrafo com a consulta, pelo que não deve ser removido apenas para tornar todos os candidatos igualmente curtos. O modelo de reordenação avalia os candidatos fornecidos; não consegue recuperar um documento relevante que a etapa anterior tenha omitido.\n\n### Pontuação de pares consulta–documento\n\nEste é um codificador cruzado: a consulta e um texto candidato são processados em conjunto. A interface de pontuação direta devolve uma pontuação de relevância de vírgula flutuante para cada par correspondente. Pontuações mais altas indicam maior relevância nessa comparação. A pontuação é um sinal de ordenação, em vez de uma explicação gerada ou prova de que o documento é verdadeiro.\n\nO fabricante disponibiliza também um auxiliar de reordenação que devolve documentos ordenados com as respetivas pontuações. Um controlo de melhores resultados seleciona quantos candidatos ordenados preservar. Preserve os seus identificadores e texto ao transmiti-los à etapa seguinte. Num fluxo de resposta a perguntas, o modelo seguinte continua a precisar da consulta e das evidências selecionadas; a lista ordenada não é, por si só, uma pergunta respondida.\n\nAo comparar alterações na recuperação, mantenha a consulta e os critérios de avaliação fixos. Inspecione se as passagens promovidas aos primeiros lugares contêm efetivamente as informações solicitadas. Defina qualquer limiar de filtragem com exemplos da sua própria coleção, em vez de tratar uma pontuação de relevância como uma medida universal da correção de uma resposta.\n\n### Janela do modelo e documentos mais longos\n\nO modelo suporta um comprimento de contexto de até 1 024 tokens. O seu auxiliar documentado `rerank()` trata documentos mais longos através de uma abordagem de janela deslizante, pontua as partes separadamente e combina-as em resultados ao nível do documento. A divisão em blocos é um comportamento desse auxiliar; não deve ser confundida com uma entrada única do modelo que tenha uma janela de contexto ilimitada.\n\nO auxiliar expõe controlos de comprimento da consulta e dos blocos e uma definição de sobreposição. A sua sobreposição predefinida documentada é 80. O exemplo de utilização publicado especifica um comprimento máximo de consulta de 512 e um comprimento de bloco de 1 024; estas são definições do auxiliar no exemplo que devem ser mantidas distintas de uma promessa de que todos os clientes ou rotas as utilizam.\n\nPara um manual longo, preserve texto próximo suficiente para que uma instrução e as suas condições apareçam juntas. Ao avaliar o resultado, inspecione a parte relevante de um documento bem classificado, em vez de pressupor que todas as suas secções respondem igualmente bem à consulta.\n\n### Recuperação de texto multilingue e especializado\n\nO modelo v2 é multilingue. Os exemplos do fabricante ordenam passagens em inglês, alemão, espanhol, chinês e japonês face a consultas em inglês. Isto suporta uma coleção em que o material relevante está escrito em vários idiomas sem exigir que cada candidato seja primeiro traduzido para o idioma da consulta.\n\nO âmbito de tarefas documentado inclui também recuperação de código e ordenação de representações textuais relacionadas com funções ou SQL. Estas continuam a ser tarefas de ordenação por relevância: o modelo avalia o texto fornecido. Não executa uma função, não executa SQL nem produz um resultado de ferramenta apenas porque esses tipos de candidatos aparecem no conjunto recuperado.\n\n### Edição e limites práticos\n\nMantenha este perfil v2 Base Multilingual separado do modelo de reordenação anterior da Jina, apenas em inglês, de Jina Reranker v3 e dos perfis de reordenação multimodal. São modelos diferentes, com características diferentes de tarefas e entrada. A entrada deste perfil é constituída por pares consulta–texto; conteúdo de imagem ou vídeo necessita de uma representação ou modelo próprio adequado.\n\nA implementação de referência do fabricante suporta pontuações diretas e um auxiliar de ordenação de documentos, com atenção acelerada opcional. Estas opções de implementação afetam a preparação e o processamento das entradas; não estabelecem que todas as integrações exponham controlos idênticos.\n\nUtilize a saída ordenada para pesquisa multilingue, bases de conhecimento de suporte, recuperação de documentos e seleção de evidências antes da geração. Reveja as primeiras passagens, preserve a correspondência original dos candidatos e distinga relevância de validade factual. Um resultado de recuperação útil destaca as evidências certas entre as fornecidas, deixando a tarefa seguinte — responder, resumir ou decidir — para o fluxo de trabalho adequado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4097e2c265b467f6ca9b163a3ac3e3a34bdf6b5d5cec6c469be2cf3377dd8242", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "
•

jina-reranker-v2-base-multilingual

Jina AI /jina-reranker-v2-base-multilingual

Introdução

Jina Reranker v2 Base Multilingual avalia a relevância de textos candidatos face a uma consulta e ordena-os por relevância. O seu codificador cruzado trata recuperação multilingue, enquanto o auxiliar de reordenação do fabricante divide documentos mais longos em blocos em função de uma janela de modelo de 1 024 tokens.

Entradas aceites
Texto
Resultados
Resultados ordenados
Sobre o modelo

Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.

Jina Reranker v2 Base Multilingual é um modelo de ordenação de texto para a segunda etapa da recuperação. Forneça uma consulta e documentos ou passagens candidatos; o modelo avalia cada par consulta–documento e devolve uma pontuação de relevância. O resultado útil é um conjunto de candidatos melhor ordenado para pesquisa ou um fluxo aumentado por recuperação. Não escreve a resposta à consulta nem cria embeddings de documentos.

Prepare a consulta e as passagens candidatas

Escreva a consulta de forma a indicar a necessidade de informação. Forneça depois os textos encontrados numa etapa anterior de recuperação. Mantenha um identificador estável junto de cada candidato para permitir associar a pontuação de relevância ao documento, secção ou registo original.

Para uma pesquisa de suporte, utilize a pergunta efetiva e excertos candidatos que contenham o procedimento relevante. Uma consulta sobre a reposição de um dispositivo específico deve ser associada a passagens que preservem o nome do dispositivo, a versão e as condições de reposição. Uma passagem que apenas menciona o dispositivo pode ser menos útil do que uma que explica a operação solicitada. Forneça o conteúdo de que o modelo necessita para comparar, em vez de apenas um título de documento.

Utilize passagens coerentes. Um cabeçalho de tabela, uma definição ou uma exceção pode alterar a relação de um parágrafo com a consulta, pelo que não deve ser removido apenas para tornar todos os candidatos igualmente curtos. O modelo de reordenação avalia os candidatos fornecidos; não consegue recuperar um documento relevante que a etapa anterior tenha omitido.

Pontuação de pares consulta–documento

Este é um codificador cruzado: a consulta e um texto candidato são processados em conjunto. A interface de pontuação direta devolve uma pontuação de relevância de vírgula flutuante para cada par correspondente. Pontuações mais altas indicam maior relevância nessa comparação. A pontuação é um sinal de ordenação, em vez de uma explicação gerada ou prova de que o documento é verdadeiro.

O fabricante disponibiliza também um auxiliar de reordenação que devolve documentos ordenados com as respetivas pontuações. Um controlo de melhores resultados seleciona quantos candidatos ordenados preservar. Preserve os seus identificadores e texto ao transmiti-los à etapa seguinte. Num fluxo de resposta a perguntas, o modelo seguinte continua a precisar da consulta e das evidências selecionadas; a lista ordenada não é, por si só, uma pergunta respondida.

Ao comparar alterações na recuperação, mantenha a consulta e os critérios de avaliação fixos. Inspecione se as passagens promovidas aos primeiros lugares contêm efetivamente as informações solicitadas. Defina qualquer limiar de filtragem com exemplos da sua própria coleção, em vez de tratar uma pontuação de relevância como uma medida universal da correção de uma resposta.

Janela do modelo e documentos mais longos

O modelo suporta um comprimento de contexto de até 1 024 tokens. O seu auxiliar documentado rerank() trata documentos mais longos através de uma abordagem de janela deslizante, pontua as partes separadamente e combina-as em resultados ao nível do documento. A divisão em blocos é um comportamento desse auxiliar; não deve ser confundida com uma entrada única do modelo que tenha uma janela de contexto ilimitada.

O auxiliar expõe controlos de comprimento da consulta e dos blocos e uma definição de sobreposição. A sua sobreposição predefinida documentada é 80. O exemplo de utilização publicado especifica um comprimento máximo de consulta de 512 e um comprimento de bloco de 1 024; estas são definições do auxiliar no exemplo que devem ser mantidas distintas de uma promessa de que todos os clientes ou rotas as utilizam.

Para um manual longo, preserve texto próximo suficiente para que uma instrução e as suas condições apareçam juntas. Ao avaliar o resultado, inspecione a parte relevante de um documento bem classificado, em vez de pressupor que todas as suas secções respondem igualmente bem à consulta.

Recuperação de texto multilingue e especializado

O modelo v2 é multilingue. Os exemplos do fabricante ordenam passagens em inglês, alemão, espanhol, chinês e japonês face a consultas em inglês. Isto suporta uma coleção em que o material relevante está escrito em vários idiomas sem exigir que cada candidato seja primeiro traduzido para o idioma da consulta.

O âmbito de tarefas documentado inclui também recuperação de código e ordenação de representações textuais relacionadas com funções ou SQL. Estas continuam a ser tarefas de ordenação por relevância: o modelo avalia o texto fornecido. Não executa uma função, não executa SQL nem produz um resultado de ferramenta apenas porque esses tipos de candidatos aparecem no conjunto recuperado.

Edição e limites práticos

Mantenha este perfil v2 Base Multilingual separado do modelo de reordenação anterior da Jina, apenas em inglês, de Jina Reranker v3 e dos perfis de reordenação multimodal. São modelos diferentes, com características diferentes de tarefas e entrada. A entrada deste perfil é constituída por pares consulta–texto; conteúdo de imagem ou vídeo necessita de uma representação ou modelo próprio adequado.

A implementação de referência do fabricante suporta pontuações diretas e um auxiliar de ordenação de documentos, com atenção acelerada opcional. Estas opções de implementação afetam a preparação e o processamento das entradas; não estabelecem que todas as integrações exponham controlos idênticos.

Utilize a saída ordenada para pesquisa multilingue, bases de conhecimento de suporte, recuperação de documentos e seleção de evidências antes da geração. Reveja as primeiras passagens, preserve a correspondência original dos candidatos e distinga relevância de validade factual. Um resultado de recuperação útil destaca as evidências certas entre as fornecidas, deixando a tarefa seguinte — responder, resumir ou decidir — para o fluxo de trabalho adequado.

Disponível no Ailoot · entradas e métodos

Ailoot Ultra · Reordenação POST /v1/rerank
Entrada
text
Saída
rerank
CampoTipoRequisitoValores e limitesPredefinição
CampomodelTipostringRequisitoObrigatórioValores e limites
jina-reranker-v2-base-multilingual
Predefinição—
CampoqueryTipostringRequisitoOpcionalValores e limitesPredefinição—
CampodocumentsTipoarrayRequisitoObrigatórioValores e limitesPredefinição—
Parâmetros e ciclo de vida do método
ParâmetroContrato
Parâmetrocontent_typeContratoapplication/json
ParâmetrorequiredContratomodel, documents
Parâmetromaterial_typesContratotext
Parâmetromaterial_conditionsContratoDefina a sua consulta real e uma matriz não vazia de documentos de texto originais. Os índices dos resultados referem-se a essa matriz original.

Ciclo de vida: synchronous_result_then_owned_library

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tarifários

As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.

Modo rápido
Não especificado Quando o modo rápido está selecionado
Modo flex
Não especificado Quando o modo flex está selecionado
Esforço máximo de raciocínio
Não especificado Quando o esforço máximo de raciocínio usa o ajuste predefinido (default)

Tarifas Ailoot

Preços por configuração

Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.

ConfiguraçãoTabela de tarifasUnidade de faturaçãoCusto
ConfiguraçãoTarifas base por tokenTabela de tarifasTarifa baseUnidade 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
Configuraçãotoken totalTabela de tarifas—Unidade de faturação/ 1K tokensCusto
Entrada · token total $0.0001 / 1K tokens

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 →

Exemplos de pedidos

Ailoot Ultra · Reordenação

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_QUERY:?Set the actual documented input value}"\nexport AILOOT_QUERY\n: "${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'jina-reranker-v2-base-multilingual', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n

Receber e guardar os resultados

Ailoot Ultra · Reordenação

Resultado JSON nativo original completo com o modelo de resposta configurado, os índices dos documentos originais, as pontuações de relevância, as cadeias de documentos e a utilização nativa de tokens. Conserve todos os campos reais de resultados e de utilização.

Guardar todos os resultados concluídos

Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.

Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.

Se for necessário verificar a resposta original

Conserve o X-Client-Request-ID real e a resposta completa. Consulte os recursos originais pertencentes ao utilizador e os respetivos URLs assinados exatos de conteúdo; nunca volte a enviar uma criação incerta.

Campos da resposta
CampoTipoSignificado
CampomodelTipostringSignificadoModelo exato de resposta exigido pelo consumidor configurado da origem.
Camporesults[].indexTipointegerSignificadoÍndice único do documento de entrada original.
Camporesults[].relevance_scoreTiponumberSignificadoPontuação finita de relevância.
Camporesults[].documentTipostringSignificadoDocumento de texto original exigido por este consumidor de respostas configurado.
Campousage.total_tokensTipointegerSignificadoContagem nativa de tokens finita e não negativa exigida pelo tarifário atualmente aceite.
Erros e passos seguintes
RespostaCondiçãoPasso seguinte
Resposta400 · invalid_request_errorCondiçãoO corpo JSON ou o ID canónico explícito do modelo é inválido.Passo seguinteConserve a resposta e corrija o campo indicado no pedido.
Resposta401 · authentication_errorCondiçãoA chave API da Ailoot é inválida.Passo seguinteUtilize a sua chave API autorizada da Ailoot.
Resposta403 · permission_errorCondiçãoO grupo da chave não permite este método.Passo seguinteConserve os detalhes do erro devolvido.
Resposta404 · not_found_errorCondiçãoO método selecionado não tem uma rota autorizada.Passo seguinteConserve os detalhes do erro devolvido.
Resposta422 · price_unavailableCondiçãoO tarifário aceite não consegue obter a quantidade de entrada ou o limite de que necessita.Passo seguinteConserve a resposta; utilize a representação da entrada exigida pelo tarifário aceite.
Resposta503 · CondiçãoO armazenamento, a rota, o preço do método ou a reserva de que necessita não está disponível.Passo seguinteConserve a resposta original completa. Uma reserva incerta não autoriza o reenvio.
Resposta502 · billing_requires_checkCondiçãoO resultado, a utilização ou a liquidação original requer verificação.Passo seguinteConserve o ID real do pedido e a resposta original. Consulte o registo existente pertencente ao utilizador; não volte a enviar o pedido de criação.

Aliases

Aliases do modelo

Ailoot Ultra jina-reranker-v2-base-multilingual

Aliases dos caminhos dos métodos

Use os caminhos dos métodos indicados acima.

IDs de chamada relacionados

jina-reranker-v2-base-multilingual

", "method_identity": { "effective_request_model_id": "jina-reranker-v2-base-multilingual", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "jina-reranker-v2-base-multilingual", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|jina-reranker-v2-base-multilingual", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "O corpo JSON ou o ID canónico explícito do modelo é inválido.", "http_status": 400, "recovery": "Conserve a resposta e corrija o campo indicado no pedido.", "type": "invalid_request_error" }, { "code": null, "condition": "A chave API da Ailoot é inválida.", "http_status": 401, "recovery": "Utilize a sua chave API autorizada da Ailoot.", "type": "authentication_error" }, { "code": null, "condition": "O grupo da chave não permite este método.", "http_status": 403, "recovery": "Conserve os detalhes do erro devolvido.", "type": "permission_error" }, { "code": null, "condition": "O método selecionado não tem uma rota autorizada.", "http_status": 404, "recovery": "Conserve os detalhes do erro devolvido.", "type": "not_found_error" }, { "code": null, "condition": "O tarifário aceite não consegue obter a quantidade de entrada ou o limite de que necessita.", "http_status": 422, "recovery": "Conserve a resposta; utilize a representação da entrada exigida pelo tarifário aceite.", "type": "price_unavailable" }, { "code": null, "condition": "O armazenamento, a rota, o preço do método ou a reserva de que necessita não está disponível.", "http_status": 503, "recovery": "Conserve a resposta original completa. Uma reserva incerta não autoriza o reenvio.", "type": null }, { "code": null, "condition": "O resultado, a utilização ou a liquidação original requer verificação.", "http_status": 502, "recovery": "Conserve o ID real do pedido e a resposta original. Consulte o registo existente pertencente ao utilizador; não volte a enviar o pedido de criação.", "type": "billing_requires_check" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [], "unknown": "Conserve o X-Client-Request-ID real e a resposta completa. Consulte os recursos originais pertencentes ao utilizador e os respetivos URLs assinados exatos de conteúdo; nunca volte a enviar uma criação incerta." }, "outputs": { "all_results": "Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.", "family": "rerank", "fields": [ { "description": "Modelo exato de resposta exigido pelo consumidor configurado da origem.", "name": "model", "type": "string" }, { "description": "Índice único do documento de entrada original.", "name": "results[].index", "type": "integer" }, { "description": "Pontuação finita de relevância.", "name": "results[].relevance_score", "type": "number" }, { "description": "Documento de texto original exigido por este consumidor de respostas configurado.", "name": "results[].document", "type": "string" }, { "description": "Contagem nativa de tokens finita e não negativa exigida pelo tarifário atualmente aceite.", "name": "usage.total_tokens", "type": "integer" } ], "result": "Resultado JSON nativo original completo com o modelo de resposta configurado, os índices dos documentos originais, as pontuações de relevância, as cadeias de documentos e a utilização nativa de tokens. Conserve todos os campos reais de resultados e de utilização." }, "parameters": [ { "default_known": false, "enum": [ "jina-reranker-v2-base-multilingual" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "query", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "documents", "required": true, "type": "array" } ], "request_schema": { "properties": { "documents": { "items": { "type": "string" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "jina-reranker-v2-base-multilingual" ], "type": "string" }, "query": { "type": "string" } }, "required": [ "model", "documents" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "documents": "${ACTUAL_DOCUMENTS}", "model": "jina-reranker-v2-base-multilingual", "query": "${ACTUAL_QUERY}" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Defina a sua consulta real e uma matriz não vazia de documentos de texto originais. Os índices dos resultados referem-se a essa matriz original." ], "material_types": [ "text" ], "required": [ "model", "documents" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/rerank" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "rerank", "fields": [ { "description": "Exact response model required by the configured Source consumer.", "name": "model", "type": "string" }, { "description": "Unique original input document index.", "name": "results[].index", "type": "integer" }, { "description": "Finite relevance score.", "name": "results[].relevance_score", "type": "number" }, { "description": "Original text document required by this configured response consumer.", "name": "results[].document", "type": "string" }, { "description": "Finite nonnegative native token count required by the current accepted tariff.", "name": "usage.total_tokens", "type": "integer" } ], "result": "Complete original native JSON result with the configured response model, original document indices, relevance scores, document strings and native token usage. Retain every actual result and usage field." } }, "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": { "quoted_unit": "/ 1K tokens" }, "label": "total token", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_QUERY:?Set the actual documented input value}\"\nexport AILOOT_QUERY\n: \"${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}\"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'jina-reranker-v2-base-multilingual', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "hints": [ "Set your actual query and nonempty array of original text documents. Result indices refer to that original array.", "The minimum example omits top_n, return_documents, instruct and other optional controls.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Reordenação", "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": { "total_token": 1e-07 } }, "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": { "quoted_unit": "/ 1K tokens" }, "label": "total token", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } ], "request_model_id": "jina-reranker-v2-base-multilingual", "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": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } } ], "model_id": "jina-reranker-v2-base-multilingual", "nativeProvenance": { "input_facts_canonical_sha256": "2c2405e1e70b3dddb4718987b787c23321e4b2746f5957636bd00a1d66d8b1f6", "input_html_sha256": "706e26122b9276b57e4a5970516d4e065dc5d61b20948e9fdcf719892f583f8a", "private_audit_sha256": "9085f6389459fa40d660fa3020bbfd9949935122cb96ca468a91881e1495b54b", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/pt-pt/jina-reranker-v2-base-multilingual/", "description": "Jina Reranker v2 Base Multilingual avalia a relevância de textos candidatos face a uma consulta e ordena-os por relevância. O seu codificador cruzado trata recuperação multilingue, enquanto o auxiliar de reordenação do fabricante divide documentos mais longos em blocos em função de uma janela de modelo de 1 024 tokens.", "locale": "pt-pt", "md_url": "https://ailoot.ai/models/pt-pt/jina-reranker-v2-base-multilingual/index.md", "title": "jina-reranker-v2-base-multilingual — Ailoot", "url": "https://ailoot.ai/models/pt-pt/jina-reranker-v2-base-multilingual/" }, "rawModel": { "about": "Jina Reranker v2 Base Multilingual é um modelo de ordenação de texto para a segunda etapa da recuperação. Forneça uma consulta e documentos ou passagens candidatos; o modelo avalia cada par consulta–documento e devolve uma pontuação de relevância. O resultado útil é um conjunto de candidatos melhor ordenado para pesquisa ou um fluxo aumentado por recuperação. Não escreve a resposta à consulta nem cria embeddings de documentos.\n\n### Prepare a consulta e as passagens candidatas\n\nEscreva a consulta de forma a indicar a necessidade de informação. Forneça depois os textos encontrados numa etapa anterior de recuperação. Mantenha um identificador estável junto de cada candidato para permitir associar a pontuação de relevância ao documento, secção ou registo original.\n\nPara uma pesquisa de suporte, utilize a pergunta efetiva e excertos candidatos que contenham o procedimento relevante. Uma consulta sobre a reposição de um dispositivo específico deve ser associada a passagens que preservem o nome do dispositivo, a versão e as condições de reposição. Uma passagem que apenas menciona o dispositivo pode ser menos útil do que uma que explica a operação solicitada. Forneça o conteúdo de que o modelo necessita para comparar, em vez de apenas um título de documento.\n\nUtilize passagens coerentes. Um cabeçalho de tabela, uma definição ou uma exceção pode alterar a relação de um parágrafo com a consulta, pelo que não deve ser removido apenas para tornar todos os candidatos igualmente curtos. O modelo de reordenação avalia os candidatos fornecidos; não consegue recuperar um documento relevante que a etapa anterior tenha omitido.\n\n### Pontuação de pares consulta–documento\n\nEste é um codificador cruzado: a consulta e um texto candidato são processados em conjunto. A interface de pontuação direta devolve uma pontuação de relevância de vírgula flutuante para cada par correspondente. Pontuações mais altas indicam maior relevância nessa comparação. A pontuação é um sinal de ordenação, em vez de uma explicação gerada ou prova de que o documento é verdadeiro.\n\nO fabricante disponibiliza também um auxiliar de reordenação que devolve documentos ordenados com as respetivas pontuações. Um controlo de melhores resultados seleciona quantos candidatos ordenados preservar. Preserve os seus identificadores e texto ao transmiti-los à etapa seguinte. Num fluxo de resposta a perguntas, o modelo seguinte continua a precisar da consulta e das evidências selecionadas; a lista ordenada não é, por si só, uma pergunta respondida.\n\nAo comparar alterações na recuperação, mantenha a consulta e os critérios de avaliação fixos. Inspecione se as passagens promovidas aos primeiros lugares contêm efetivamente as informações solicitadas. Defina qualquer limiar de filtragem com exemplos da sua própria coleção, em vez de tratar uma pontuação de relevância como uma medida universal da correção de uma resposta.\n\n### Janela do modelo e documentos mais longos\n\nO modelo suporta um comprimento de contexto de até 1 024 tokens. O seu auxiliar documentado `rerank()` trata documentos mais longos através de uma abordagem de janela deslizante, pontua as partes separadamente e combina-as em resultados ao nível do documento. A divisão em blocos é um comportamento desse auxiliar; não deve ser confundida com uma entrada única do modelo que tenha uma janela de contexto ilimitada.\n\nO auxiliar expõe controlos de comprimento da consulta e dos blocos e uma definição de sobreposição. A sua sobreposição predefinida documentada é 80. O exemplo de utilização publicado especifica um comprimento máximo de consulta de 512 e um comprimento de bloco de 1 024; estas são definições do auxiliar no exemplo que devem ser mantidas distintas de uma promessa de que todos os clientes ou rotas as utilizam.\n\nPara um manual longo, preserve texto próximo suficiente para que uma instrução e as suas condições apareçam juntas. Ao avaliar o resultado, inspecione a parte relevante de um documento bem classificado, em vez de pressupor que todas as suas secções respondem igualmente bem à consulta.\n\n### Recuperação de texto multilingue e especializado\n\nO modelo v2 é multilingue. Os exemplos do fabricante ordenam passagens em inglês, alemão, espanhol, chinês e japonês face a consultas em inglês. Isto suporta uma coleção em que o material relevante está escrito em vários idiomas sem exigir que cada candidato seja primeiro traduzido para o idioma da consulta.\n\nO âmbito de tarefas documentado inclui também recuperação de código e ordenação de representações textuais relacionadas com funções ou SQL. Estas continuam a ser tarefas de ordenação por relevância: o modelo avalia o texto fornecido. Não executa uma função, não executa SQL nem produz um resultado de ferramenta apenas porque esses tipos de candidatos aparecem no conjunto recuperado.\n\n### Edição e limites práticos\n\nMantenha este perfil v2 Base Multilingual separado do modelo de reordenação anterior da Jina, apenas em inglês, de Jina Reranker v3 e dos perfis de reordenação multimodal. São modelos diferentes, com características diferentes de tarefas e entrada. A entrada deste perfil é constituída por pares consulta–texto; conteúdo de imagem ou vídeo necessita de uma representação ou modelo próprio adequado.\n\nA implementação de referência do fabricante suporta pontuações diretas e um auxiliar de ordenação de documentos, com atenção acelerada opcional. Estas opções de implementação afetam a preparação e o processamento das entradas; não estabelecem que todas as integrações exponham controlos idênticos.\n\nUtilize a saída ordenada para pesquisa multilingue, bases de conhecimento de suporte, recuperação de documentos e seleção de evidências antes da geração. Reveja as primeiras passagens, preserve a correspondência original dos candidatos e distinga relevância de validade factual. Um resultado de recuperação útil destaca as evidências certas entre as fornecidas, deixando a tarefa seguinte — responder, resumir ou decidir — para o fluxo de trabalho adequado.", "alias_of": null, "aliases": [], "author": "Jina AI", "capabilities": { "context_length": 0, "manufacturer_input": [], "manufacturer_output": [] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ], "summary": "Todas as tarifas da configuração constam dos detalhes." } ], "ctx": null, "formats": [ "rerank" ], "id": "jina-reranker-v2-base-multilingual", "input": [ "text" ], "kind": "text", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "O corpo JSON ou o ID canónico explícito do modelo é inválido.", "http_status": 400, "recovery": "Conserve a resposta e corrija o campo indicado no pedido.", "type": "invalid_request_error" }, { "code": null, "condition": "A chave API da Ailoot é inválida.", "http_status": 401, "recovery": "Utilize a sua chave API autorizada da Ailoot.", "type": "authentication_error" }, { "code": null, "condition": "O grupo da chave não permite este método.", "http_status": 403, "recovery": "Conserve os detalhes do erro devolvido.", "type": "permission_error" }, { "code": null, "condition": "O método selecionado não tem uma rota autorizada.", "http_status": 404, "recovery": "Conserve os detalhes do erro devolvido.", "type": "not_found_error" }, { "code": null, "condition": "O tarifário aceite não consegue obter a quantidade de entrada ou o limite de que necessita.", "http_status": 422, "recovery": "Conserve a resposta; utilize a representação da entrada exigida pelo tarifário aceite.", "type": "price_unavailable" }, { "code": null, "condition": "O armazenamento, a rota, o preço do método ou a reserva de que necessita não está disponível.", "http_status": 503, "recovery": "Conserve a resposta original completa. Uma reserva incerta não autoriza o reenvio.", "type": null }, { "code": null, "condition": "O resultado, a utilização ou a liquidação original requer verificação.", "http_status": 502, "recovery": "Conserve o ID real do pedido e a resposta original. Consulte o registo existente pertencente ao utilizador; não volte a enviar o pedido de criação.", "type": "billing_requires_check" } ], "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [], "unknown": "Conserve o X-Client-Request-ID real e a resposta completa. Consulte os recursos originais pertencentes ao utilizador e os respetivos URLs assinados exatos de conteúdo; nunca volte a enviar uma criação incerta." }, "outputs": { "all_results": "Conserve a resposta completa e os cabeçalhos, todos os resultados efetivamente produzidos, os identificadores originais devolvidos e todos os campos de utilização. Recupere a operação original sem voltar a enviar o pedido de criação.", "family": "rerank", "fields": [ { "description": "Modelo exato de resposta exigido pelo consumidor configurado da origem.", "name": "model", "type": "string" }, { "description": "Índice único do documento de entrada original.", "name": "results[].index", "type": "integer" }, { "description": "Pontuação finita de relevância.", "name": "results[].relevance_score", "type": "number" }, { "description": "Documento de texto original exigido por este consumidor de respostas configurado.", "name": "results[].document", "type": "string" }, { "description": "Contagem nativa de tokens finita e não negativa exigida pelo tarifário atualmente aceite.", "name": "usage.total_tokens", "type": "integer" } ], "result": "Resultado JSON nativo original completo com o modelo de resposta configurado, os índices dos documentos originais, as pontuações de relevância, as cadeias de documentos e a utilização nativa de tokens. Conserve todos os campos reais de resultados e de utilização." }, "parameters": [ { "default_known": false, "enum": [ "jina-reranker-v2-base-multilingual" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "query", "required": false, "type": "string" }, { "default_known": false, "enum_known": false, "name": "documents", "required": true, "type": "array" } ], "request_schema": { "properties": { "documents": { "items": { "type": "string" }, "minItems": 1, "type": "array" }, "model": { "enum": [ "jina-reranker-v2-base-multilingual" ], "type": "string" }, "query": { "type": "string" } }, "required": [ "model", "documents" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "documents": "${ACTUAL_DOCUMENTS}", "model": "jina-reranker-v2-base-multilingual", "query": "${ACTUAL_QUERY}" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Defina a sua consulta real e uma matriz não vazia de documentos de texto originais. Os índices dos resultados referem-se a essa matriz original." ], "material_types": [ "text" ], "required": [ "model", "documents" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/rerank" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "rerank", "fields": [ { "description": "Exact response model required by the configured Source consumer.", "name": "model", "type": "string" }, { "description": "Unique original input document index.", "name": "results[].index", "type": "integer" }, { "description": "Finite relevance score.", "name": "results[].relevance_score", "type": "number" }, { "description": "Original text document required by this configured response consumer.", "name": "results[].document", "type": "string" }, { "description": "Finite nonnegative native token count required by the current accepted tariff.", "name": "usage.total_tokens", "type": "integer" } ], "result": "Complete original native JSON result with the configured response model, original document indices, relevance scores, document strings and native token usage. Retain every actual result and usage field." } }, "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": { "quoted_unit": "/ 1K tokens" }, "label": "total token", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_QUERY:?Set the actual documented input value}\"\nexport AILOOT_QUERY\n: \"${AILOOT_DOCUMENTS_JSON:?Set the actual documented input value}\"\nexport AILOOT_DOCUMENTS_JSON\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'jina-reranker-v2-base-multilingual', 'query': '${ACTUAL_QUERY}', 'documents': '${ACTUAL_DOCUMENTS}'}\nrequest['query']=os.environ['AILOOT_QUERY']\nrequest['documents']=json.loads(os.environ['AILOOT_DOCUMENTS_JSON'])\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/rerank \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "hints": [ "Set your actual query and nonempty array of original text documents. Result indices refer to that original array.", "The minimum example omits top_n, return_documents, instruct and other optional controls.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Reordenação", "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": { "total_token": 1e-07 } }, "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": { "quoted_unit": "/ 1K tokens" }, "label": "total token", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } ], "request_model_id": "jina-reranker-v2-base-multilingual", "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": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "total_token", "label": "total token", "native_amount_usd_per_unit": "0.0000001", "native_quantity": 1, "native_unit": "total_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "total_token" } ] } ], "model_aliases": [ { "canonical_model_id": "jina-reranker-v2-base-multilingual", "request_model_id": "jina-reranker-v2-base-multilingual", "route_label": "Ultra" } ], "name": "jina-reranker-v2-base-multilingual", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "short": "Jina Reranker v2 Base Multilingual avalia a relevância de textos candidatos face a uma consulta e ordena-os por relevância. O seu codificador cruzado trata recuperação multilingue, enquanto o auxiliar de reordenação do fabricante divide documentos mais longos em blocos em função de uma janela de modelo de 1 024 tokens." }, "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": "Jina Reranker v2 Base Multilingual avalia a relevância de textos candidatos face a uma consulta e ordena-os por relevância. O seu codificador cruzado trata recuperação multilingue, enquanto o auxiliar de reordenação do fabricante divide documentos mais longos em blocos em função de uma janela de modelo de 1 024 tokens.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "bef1fc7a55416f76d3a1d5ad1a1b67bb265bf36c59ab2b7c9531ddac87205a97", "renderer_sha256": "8caea4544177cc2b7d2cb3356b5f07bfd3660386d75f2714a6f603fa5e2a6cd2" }, "sourceRevision": "c2502320787ca99b99076e1c48941dcf4667465fd038e328f58238e9d31c6e6a" }