Source: https://ailoot.ai/models/pt-pt/qwen3-rerank/ Canonical: https://ailoot.ai/models/pt-pt/qwen3-rerank/ Language: pt-pt # Qwen: Qwen3 Rerank [Markdown](https://ailoot.ai/models/pt-pt/qwen3-rerank/index.md) · [JSON](https://ailoot.ai/models/pt-pt/qwen3-rerank/facts.json) ## [Qwen: Qwen3 Rerank](https://ailoot.ai/models/pt-pt/qwen3-rerank/) Qwen3 Rerank ordena texto candidato para uma consulta e instrução fornecidas. O perfil exato qwen3-rerank aceita listas de documentos textuais e devolve pontuações de relevância indexadas com metadados de utilização para fluxos de recuperação e seleção documental. - [**Ailoot Ultra · Reordenação** `POST /v1/rerank` `qwen3-rerank`](https://ailoot.ai/models/pt-pt/qwen3-rerank/#method-0) 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. Qwen3 Rerank avalia texto candidato face a uma consulta e a uma instrução de ordenação fornecidas. O seletor exato configurado é qwen3-rerank. O seu papel é ordenar os candidatos fornecidos para trabalho de recuperação e seleção documental; o pedido mantém juntos a consulta, a instrução e os excertos candidatos, para que a avaliação de relevância possa ser rastreada até às entradas. Prepare os documentos como um vetor de cadeias de texto, com um excerto candidato em cada entrada. Guarde um mapeamento separado entre cada posição do vetor e o seu próprio identificador de documento, título ou localização na fonte. Isto permite à aplicação voltar a ligar um resultado ordenado ao excerto original sem acrescentar objetos de identificação não documentados ao vetor de cadeias. Para uma pesquisa de apoio, os candidatos podem ser as secções pertinentes já recuperadas de um guia do produto; a consulta deve indicar a necessidade real de informação do utilizador. O pedido documentado exige model, documents, query, top\_n e instruct. Os campos query e instruct são cadeias, e top\_n é um inteiro fornecido explicitamente. O exemplo publicado usa três textos candidatos, top\_n=2 e uma instrução para recuperar excertos relevantes que respondam a uma consulta de pesquisa na Web. Use instruct para indicar a relação importante para a ordenação, mantendo a pergunta real em query e o material a avaliar em documents. O guia da operação indica um comprimento máximo de entrada de 30K. Mantenha os excertos candidatos focados no texto necessário para avaliar a sua relevância, conservando títulos ou contexto próximo quando estes mudam o significado. Preserve os limites das fontes, para que um excerto selecionado continue a poder ser verificado no documento original. O perfil exato do pedido e os campos obrigatórios continuam a ser a base de preparação da entrada. O resultado estruturado devolvido contém entradas results com index e relevance\_score. index refere-se à posição do candidato no vetor documents original, em vez de à sua posição na lista de resultados ordenados. Guarde a ordem devolvida e use cada index para recuperar o texto de entrada correspondente. Preserve todos os resultados devolvidos, para que a aplicação possa examinar juntos os candidatos selecionados e as respetivas pontuações. Guarde a resposta JSON completa, incluindo model, id da resposta e usage.total\_tokens. O texto do documento devolvido pode estar ausente; mantenha, por isso, o vetor original de candidatos disponível ao processar os índices. As pontuações de relevância e a utilização declarada têm papéis separados: as pontuações descrevem o resultado da ordenação, enquanto a utilização regista a quantidade declarada para a operação. Nenhuma substitui o excerto de origem que sustenta uma resposta posterior. Para um fluxo de recuperação, use a ordenação para selecionar os excertos que o passo seguinte deve examinar ou citar. Compare um excerto selecionado com a consulta e a instrução antes de apresentar o conteúdo como prova. Uma posição elevada na lista de resultados identifica um candidato a examinar; a resposta final da aplicação deve continuar ligada ao texto real e ao seu identificador de origem. Verifique o resultado com consultas representativas e os conjuntos de candidatos usados pela aplicação. Confirme que os índices correspondem aos textos originais pretendidos, que a ordenação serve a instrução fornecida e que os excertos escolhidos respondem à pergunta. Guarde juntos o seletor exato, a consulta, a instrução, o mapeamento de candidatos e a resposta completa, produzindo um registo reutilizável de seleção por relevância para o passo seguinte de recuperação ou tratamento documental. **Ailoot Ultra · Reordenação** `POST /v1/rerank` `qwen3-rerank` [`qwen3-rerank`](https://ailoot.ai/models/pt-pt/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) Qwen /`qwen3-rerank` ### Introdução Qwen3 Rerank ordena texto candidato para uma consulta e instrução fornecidas. O perfil exato qwen3-rerank aceita listas de documentos textuais e devolve pontuações de relevância indexadas com metadados de utilização para fluxos de recuperação e seleção documental. Entradas aceites Texto Resultados structured ### Disponível no Ailoot · entradas e métodos **Ailoot Ultra · Reordenação** `POST /v1/rerank` Entrada `text` Saída `structured` Formato de saída application/json | Campo | Tipo | Requisito | Valores e limites | Predefinição | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObrigatório | Valores e limites qwen3-rerank Condições: Seletor literal do modelo. | Predefinição— | | Campo`documents` | Tipo`array` | RequisitoObrigatório | Valores e limites Condições: Passagens de texto candidatas, conservadas pela ordem de entrada original. | Predefinição— | | Campo`query` | Tipo`string` | RequisitoObrigatório | Valores e limites Condições: Consulta de relevância. | Predefinição— | | Campo`top_n` | Tipo`integer` | RequisitoObrigatório | Valores e limites Condições: Número pretendido de resultados ordenados; não é indicado qualquer mínimo, máximo ou valor predefinido não documentado. | Predefinição— | | Campo`instruct` | Tipo`string` | RequisitoObrigatório | Valores e limites Condições: Instrução que descreve a tarefa de recuperação de informação. | Predefinição— | Combinações de materiais de entrada Parâmetros e ciclo de vida do método | Parâmetro | Contrato | | --- | --- | | Parâmetro`content_type` | Contratoapplication/json | | Parâmetro`required` | Contratomodel, documents, query, top\_n, instruct | | Parâmetro`optional` | Contrato | | Parâmetro`material_types` | Contratotext | | Parâmetro`additional_properties` | Contratotrue | Ciclo de vida: `synchronous` ### 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. | 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 | | Configuraçãotoken total | Tabela de tarifas— | Unidade de faturação/ 1K tokens | Custo Entrada · token total **$0.00014** / 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 →](https://ailoot.ai/docs/pt-pt/billing/reserve/) ### Exemplos de pedidos #### Ailoot Ultra · Reordenação JSON · reordene os textos ```json { "model": "qwen3-rerank", "query": "Which passage discusses text ranking?", "documents": [ "Text ranking orders candidate passages by relevance.", "Quantum computing studies computation using quantum systems.", "Pretrained language models can improve text ranking." ], "top_n": 2, "instruct": "Given a web search query, retrieve relevant passages that answer the query." } ``` ### Receber e guardar os resultados #### Ailoot Ultra · Reordenação Leia os índices e as pontuações de relevância e associe cada índice aos seus documentos originais. Pode não ser devolvida uma cópia do documento. ##### Se for necessário verificar a resposta original Conserve a resposta original e o id do pedido após um envio de resultado ambíguo; nunca o repita. Campos da resposta | Campo | Tipo | Significado | | --- | --- | --- | | Campo`results[].index` | Tipointeger | SignificadoÍndice do documento de entrada original correspondente. | | Campo`results[].relevance_score` | Tiponumber | SignificadoPontuação de relevância devolvida. | | Campo`model` | Tipostring | SignificadoModelo real da resposta. | | Campo`id` | Tipostring | SignificadoIdentificador real da resposta. | | Campo`usage.total_tokens` | Tipointeger | SignificadoTotal de tokens medido utilizado para faturação. | Erros e passos seguintes | Resposta | Condição | Passo seguinte | | --- | --- | --- | | Resposta400 · `invalid_request_error` | CondiçãoJSON ou seleção obrigatória de modelo inválida. | Passo seguinteCorrija a entrada indicada antes de efetuar um novo pedido. | | Resposta401 · `authentication_error` | CondiçãoChave de API inválida. | Passo seguinteUtilize a sua chave API válida da Ailoot. | | Resposta503 · `price_unavailable` | CondiçãoOs preços estruturados do método ou a autorização de acesso não estão disponíveis. | Passo seguinteConserve a resposta original; não repita um envio de resultado ambíguo. | ### Aliases #### Aliases do modelo **Ailoot Ultra** [`qwen3-rerank`](https://ailoot.ai/models/pt-pt/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) #### Aliases dos caminhos dos métodos Use os caminhos dos métodos indicados acima. #### IDs de chamada relacionados [`qwen3-rerank`](https://ailoot.ai/models/pt-pt/#m=qwen3-rerank&route=Ultra&caller=qwen3-rerank&fmt=rerank) FAQ · Qwen: Qwen3 Rerank Que entradas e resultados estão disponíveis? `POST /v1/rerank` · `qwen3-rerank`: `text` → `structured` Que campos utiliza o pedido? `POST /v1/rerank` · `qwen3-rerank`: `model`, `documents`, `query`, `top_n`, `instruct` Ligue o Ailoot ao Claude Code, OpenCode, Hermes ou à sua aplicação. ## A empresa e a sua carteira de projetos A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. ## Compre tokens com desconto. Desconto por subscrição para trabalho regular. Códigos promocionais — até 50% na compra de tokens. Subscrição Escolha um plano com desconto para os pedidos regulares. Código promocional até 50% Introduza o código na compra. O preço é recalculado conforme a campanha em vigor. Custos no histórico O modelo, os tokens e o montante são guardados para cada pedido. [Escolher subscrição](https://ailoot.ai/docs/pt-pt/billing/subscriptions/) · [Ver preços dos modelos](https://ailoot.ai/models/pt-pt/) ## Ligue a API ao produto que vende. SaaS, aplicações e bots — ao abrigo da oferta e do contrato de licença Ailoot. Para revenda, peça uma licença de revendedor. Aplicação comercial Integre geração de texto, imagens, vídeo e som nas funcionalidades pagas do seu serviço. Licença de revendedor Envie uma descrição do projeto e do modelo de acesso. Peça condições escritas de utilização e revenda. Documentos no site A oferta, o contrato de licença e a política de tratamento de dados estão disponíveis antes da ligação. [Pedir licença de revendedor](mailto:support@ailoot.ai) · [Oferta e contrato de licença](https://ailoot.ai/legal/offer?lang=pt-pt) ## Ailoot · A empresa e a sua carteira de projetos A Ailoot assenta numa experiência operacional consolidada, numa ampla base de clientes, num serviço estável e no acompanhamento contínuo dos KPI. A empresa e a sua carteira de projetos: milhões de clientes; vendas mensais na ordem dos milhares de milhões. A Ailoot aplica essa experiência operacional ao acesso por API a funcionalidades de IA nos produtos dos clientes, agentes, aplicações e automatizações.