O Voyage rerank-3 é um reordenador de texto concebido para melhorar a qualidade dos elementos recuperados. Recebendo uma consulta e uma lista de documentos candidatos, examina em conjunto cada par e devolve os candidatos por ordem de relevância. Embeddings e pesquisa por palavras-chave podem primeiro reduzir uma coleção extensa a uma lista restrita gerível; o rerank-3 aplica depois uma avaliação de relevância mais pormenorizada a essa lista. A saída são elementos de pesquisa pontuados para uma aplicação apresentar ou encaminhar para uma etapa separada de geração de resposta.
Rerank 3 centrado na qualidade O fabricante posiciona o rerank-3 como a edição centrada na precisão e o rerank-3-lite como a edição para pesquisa sensível à latência. A terceira geração atualiza a estrutura e a mistura de treino, com melhorias particulares na recuperação de documentos longos e código-fonte face aos antecessores 2.5 correspondentes. O produtor avalia-o em documentação técnica, código, material multilingue e outros domínios documentais. Esses resultados sustentam a função de recuperação; selecione a edição usando as perguntas e os documentos candidatos relevantes para a sua própria coleção.
Documentos longos com contexto suficiente Um candidato longo pode conter contexto útil muito além do parágrafo inicial. Forneça uma secção ou documento coerente com o título e o material envolvente relevante, para que o modelo avalie a relação entre a pergunta real e o conteúdo. Para uma pesquisa de políticas de produto, preserve os cabeçalhos e as exceções em torno da passagem de interesse. Se várias secções recuperadas vierem da mesma fonte, conserve os identificadores do documento e das secções; a aplicação pode então mostrar a origem dos elementos selecionados.
A janela de contexto é partilhada pela consulta e por cada candidato. O guia atual do fabricante especifica 32 000 tokens para esse par, incluindo uma consulta de no máximo 8 000 tokens. Uma consulta de 3 000 tokens deixa, por isso, no máximo 29 000 tokens para cada documento. Prepare a entrada de forma a caber o conteúdo essencial, sobretudo quando um preâmbulo longo ou texto padronizado repetido ocuparia a janela. A opção documentada de truncagem está ativada por predefinição e pode encurtar texto excessivo da consulta ou do documento antes da pontuação. Inspecione o que se conserva quando a posição da passagem importa.
Recuperação de código e informação técnica Na etapa de recuperação de um assistente de programação, os candidatos podem conter implementações de funções, documentação de API ou explicações técnicas em texto. Inclua os símbolos, assinaturas e contexto necessários para distinguir candidatos semelhantes. Uma consulta como «Encontre a função que normaliza caminhos preservando um separador final» fornece um comportamento concreto para corresponder. Acrescente condições relevantes de linguagem, plataforma ou versão. Após a classificação, examine o código selecionado e as suas dependências antes de o utilizar como contexto; uma pontuação de relevância não prova que uma implementação satisfaz todos os requisitos indicados.
As instruções definem a relevância O modelo conserva a capacidade de reordenação com cumprimento de instruções introduzida no Rerank 2.5. Acrescente uma instrução concisa antes ou depois da consulta quando a intenção do utilizador precisar de esclarecimento. Para pesquisa de documentos de investigação, explique se o foco é o título, um método específico ou um domínio de aplicação. Para um catálogo interno, especifique se o pedido trata de instalação, resolução de problemas ou compatibilidade. Mantenha essa instrução alinhada com a pergunta; preferências adicionais em conflito com o pedido principal podem alterar o que a classificação procura otimizar.
Prepare documentos candidatos e orçamentos A entrada é uma lista de cadeias de texto. Extraia texto utilizável dos documentos de origem, preserve limites de secção significativos e mantenha um mapa ordenado de registos junto da lista. O fabricante permite até 1 000 documentos num pedido. Especifica também um teto agregado de entrada de 600 000 tokens: tokens da consulta multiplicados pelo número de documentos, mais a soma de todos os tokens dos documentos. Isto difere do limite de contexto por par. Reduzir texto redundante da consulta pode preservar tanto a capacidade do par como o orçamento global do pedido.
Conte tokens para o modelo relevante, em vez de assumir que uma contagem de palavras ou caracteres equivale a tokens. Para candidatos grandes, selecione passagens coerentes ou divida o material por cabeçalhos úteis, conservando a informação da fonte principal. A reordenação é mais útil depois de a primeira pesquisa já ter encontrado candidatos plausíveis: não pode classificar uma fonte em falta que nunca entrou na lista.
Resultados classificados e utilização posterior O resultado contém pontuações de relevância e índices referentes aos documentos de entrada originais, ordenados por relevância decrescente. A opção top_k limita o número de resultados classificados devolvidos; caso contrário, são devolvidos todos os candidatos de entrada. A interface REST do fabricante também permite incluir o texto do documento. Utilize cada índice original para recuperar o título, o identificador da fonte e os metadados necessários à aplicação e apresente os itens selecionados ou inclua o texto relevante no contexto de apoio de uma resposta.
Inspecione os primeiros resultados à luz da pergunta e mantenha visível a identidade das fontes. Uma classificação relativa elevada não verifica a precisão factual de um documento, e uma lista restrita só com maus candidatos continua a ter um primeiro item. Separe a seleção por relevância da decisão sobre se os elementos selecionados são suficientes para responder ao utilizador.
Migração de edição O fabricante descreve o rerank-3 como sucessor de substituição direta do rerank-2.5, com a mesma semântica de API e pontuações calibradas para a distribuição do antecessor correspondente. Essa compatibilidade permite manter uma etapa de recuperação e uma correspondência de registos existentes. Compare ordens de resultados significativas e qualquer limiar de pontuação no corpus atual antes de confiar na migração. Mantenha rerank-3 e rerank-3-lite como escolhas distintas: limites e cumprimento de instruções partilhados não tornam idênticas as suas prioridades de qualidade e latência.
", "aboutText": "O Voyage rerank-3 é um reordenador de texto concebido para melhorar a qualidade dos elementos recuperados. Recebendo uma consulta e uma lista de documentos candidatos, examina em conjunto cada par e devolve os candidatos por ordem de relevância. Embeddings e pesquisa por palavras-chave podem primeiro reduzir uma coleção extensa a uma lista restrita gerível; o rerank-3 aplica depois uma avaliação de relevância mais pormenorizada a essa lista. A saída são elementos de pesquisa pontuados para uma aplicação apresentar ou encaminhar para uma etapa separada de geração de resposta.\n\nRerank 3 centrado na qualidade\nO fabricante posiciona o rerank-3 como a edição centrada na precisão e o rerank-3-lite como a edição para pesquisa sensível à latência. A terceira geração atualiza a estrutura e a mistura de treino, com melhorias particulares na recuperação de documentos longos e código-fonte face aos antecessores 2.5 correspondentes. O produtor avalia-o em documentação técnica, código, material multilingue e outros domínios documentais. Esses resultados sustentam a função de recuperação; selecione a edição usando as perguntas e os documentos candidatos relevantes para a sua própria coleção.\n\nDocumentos longos com contexto suficiente\nUm candidato longo pode conter contexto útil muito além do parágrafo inicial. Forneça uma secção ou documento coerente com o título e o material envolvente relevante, para que o modelo avalie a relação entre a pergunta real e o conteúdo. Para uma pesquisa de políticas de produto, preserve os cabeçalhos e as exceções em torno da passagem de interesse. Se várias secções recuperadas vierem da mesma fonte, conserve os identificadores do documento e das secções; a aplicação pode então mostrar a origem dos elementos selecionados.\n\nA janela de contexto é partilhada pela consulta e por cada candidato. O guia atual do fabricante especifica 32 000 tokens para esse par, incluindo uma consulta de no máximo 8 000 tokens. Uma consulta de 3 000 tokens deixa, por isso, no máximo 29 000 tokens para cada documento. Prepare a entrada de forma a caber o conteúdo essencial, sobretudo quando um preâmbulo longo ou texto padronizado repetido ocuparia a janela. A opção documentada de truncagem está ativada por predefinição e pode encurtar texto excessivo da consulta ou do documento antes da pontuação. Inspecione o que se conserva quando a posição da passagem importa.\n\nRecuperação de código e informação técnica\nNa etapa de recuperação de um assistente de programação, os candidatos podem conter implementações de funções, documentação de API ou explicações técnicas em texto. Inclua os símbolos, assinaturas e contexto necessários para distinguir candidatos semelhantes. Uma consulta como «Encontre a função que normaliza caminhos preservando um separador final» fornece um comportamento concreto para corresponder. Acrescente condições relevantes de linguagem, plataforma ou versão. Após a classificação, examine o código selecionado e as suas dependências antes de o utilizar como contexto; uma pontuação de relevância não prova que uma implementação satisfaz todos os requisitos indicados.\n\nAs instruções definem a relevância\nO modelo conserva a capacidade de reordenação com cumprimento de instruções introduzida no Rerank 2.5. Acrescente uma instrução concisa antes ou depois da consulta quando a intenção do utilizador precisar de esclarecimento. Para pesquisa de documentos de investigação, explique se o foco é o título, um método específico ou um domínio de aplicação. Para um catálogo interno, especifique se o pedido trata de instalação, resolução de problemas ou compatibilidade. Mantenha essa instrução alinhada com a pergunta; preferências adicionais em conflito com o pedido principal podem alterar o que a classificação procura otimizar.\n\nPrepare documentos candidatos e orçamentos\nA entrada é uma lista de cadeias de texto. Extraia texto utilizável dos documentos de origem, preserve limites de secção significativos e mantenha um mapa ordenado de registos junto da lista. O fabricante permite até 1 000 documentos num pedido. Especifica também um teto agregado de entrada de 600 000 tokens: tokens da consulta multiplicados pelo número de documentos, mais a soma de todos os tokens dos documentos. Isto difere do limite de contexto por par. Reduzir texto redundante da consulta pode preservar tanto a capacidade do par como o orçamento global do pedido.\n\nConte tokens para o modelo relevante, em vez de assumir que uma contagem de palavras ou caracteres equivale a tokens. Para candidatos grandes, selecione passagens coerentes ou divida o material por cabeçalhos úteis, conservando a informação da fonte principal. A reordenação é mais útil depois de a primeira pesquisa já ter encontrado candidatos plausíveis: não pode classificar uma fonte em falta que nunca entrou na lista.\n\nResultados classificados e utilização posterior\nO resultado contém pontuações de relevância e índices referentes aos documentos de entrada originais, ordenados por relevância decrescente. A opção top_k limita o número de resultados classificados devolvidos; caso contrário, são devolvidos todos os candidatos de entrada. A interface REST do fabricante também permite incluir o texto do documento. Utilize cada índice original para recuperar o título, o identificador da fonte e os metadados necessários à aplicação e apresente os itens selecionados ou inclua o texto relevante no contexto de apoio de uma resposta.\n\nInspecione os primeiros resultados à luz da pergunta e mantenha visível a identidade das fontes. Uma classificação relativa elevada não verifica a precisão factual de um documento, e uma lista restrita só com maus candidatos continua a ter um primeiro item. Separe a seleção por relevância da decisão sobre se os elementos selecionados são suficientes para responder ao utilizador.\n\nMigração de edição\nO fabricante descreve o rerank-3 como sucessor de substituição direta do rerank-2.5, com a mesma semântica de API e pontuações calibradas para a distribuição do antecessor correspondente. Essa compatibilidade permite manter uma etapa de recuperação e uma correspondência de registos existentes. Compare ordens de resultados significativas e qualquer limiar de pontuação no corpus atual antes de confiar na migração. Mantenha rerank-3 e rerank-3-lite como escolhas distintas: limites e cumprimento de instruções partilhados não tornam idênticas as suas prioridades de qualidade e latência.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "c56cbe978aa62a26b285f4c6faf98258c06dba733df8d0e5e55051611c25b298", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "voyageai/rerank-3O Voyage rerank-3 é a edição Rerank 3 centrada na qualidade para pontuar a relevância entre consultas e documentos. Reordena candidatos de texto recuperados, suporta instruções de relevância em linguagem natural e trata pares de 32 000 tokens para pesquisa de documentos longos, código e bases de conhecimento.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
O Voyage rerank-3 é um reordenador de texto concebido para melhorar a qualidade dos elementos recuperados. Recebendo uma consulta e uma lista de documentos candidatos, examina em conjunto cada par e devolve os candidatos por ordem de relevância. Embeddings e pesquisa por palavras-chave podem primeiro reduzir uma coleção extensa a uma lista restrita gerível; o rerank-3 aplica depois uma avaliação de relevância mais pormenorizada a essa lista. A saída são elementos de pesquisa pontuados para uma aplicação apresentar ou encaminhar para uma etapa separada de geração de resposta.
Rerank 3 centrado na qualidade O fabricante posiciona o rerank-3 como a edição centrada na precisão e o rerank-3-lite como a edição para pesquisa sensível à latência. A terceira geração atualiza a estrutura e a mistura de treino, com melhorias particulares na recuperação de documentos longos e código-fonte face aos antecessores 2.5 correspondentes. O produtor avalia-o em documentação técnica, código, material multilingue e outros domínios documentais. Esses resultados sustentam a função de recuperação; selecione a edição usando as perguntas e os documentos candidatos relevantes para a sua própria coleção.
Documentos longos com contexto suficiente Um candidato longo pode conter contexto útil muito além do parágrafo inicial. Forneça uma secção ou documento coerente com o título e o material envolvente relevante, para que o modelo avalie a relação entre a pergunta real e o conteúdo. Para uma pesquisa de políticas de produto, preserve os cabeçalhos e as exceções em torno da passagem de interesse. Se várias secções recuperadas vierem da mesma fonte, conserve os identificadores do documento e das secções; a aplicação pode então mostrar a origem dos elementos selecionados.
A janela de contexto é partilhada pela consulta e por cada candidato. O guia atual do fabricante especifica 32 000 tokens para esse par, incluindo uma consulta de no máximo 8 000 tokens. Uma consulta de 3 000 tokens deixa, por isso, no máximo 29 000 tokens para cada documento. Prepare a entrada de forma a caber o conteúdo essencial, sobretudo quando um preâmbulo longo ou texto padronizado repetido ocuparia a janela. A opção documentada de truncagem está ativada por predefinição e pode encurtar texto excessivo da consulta ou do documento antes da pontuação. Inspecione o que se conserva quando a posição da passagem importa.
Recuperação de código e informação técnica Na etapa de recuperação de um assistente de programação, os candidatos podem conter implementações de funções, documentação de API ou explicações técnicas em texto. Inclua os símbolos, assinaturas e contexto necessários para distinguir candidatos semelhantes. Uma consulta como «Encontre a função que normaliza caminhos preservando um separador final» fornece um comportamento concreto para corresponder. Acrescente condições relevantes de linguagem, plataforma ou versão. Após a classificação, examine o código selecionado e as suas dependências antes de o utilizar como contexto; uma pontuação de relevância não prova que uma implementação satisfaz todos os requisitos indicados.
As instruções definem a relevância O modelo conserva a capacidade de reordenação com cumprimento de instruções introduzida no Rerank 2.5. Acrescente uma instrução concisa antes ou depois da consulta quando a intenção do utilizador precisar de esclarecimento. Para pesquisa de documentos de investigação, explique se o foco é o título, um método específico ou um domínio de aplicação. Para um catálogo interno, especifique se o pedido trata de instalação, resolução de problemas ou compatibilidade. Mantenha essa instrução alinhada com a pergunta; preferências adicionais em conflito com o pedido principal podem alterar o que a classificação procura otimizar.
Prepare documentos candidatos e orçamentos A entrada é uma lista de cadeias de texto. Extraia texto utilizável dos documentos de origem, preserve limites de secção significativos e mantenha um mapa ordenado de registos junto da lista. O fabricante permite até 1 000 documentos num pedido. Especifica também um teto agregado de entrada de 600 000 tokens: tokens da consulta multiplicados pelo número de documentos, mais a soma de todos os tokens dos documentos. Isto difere do limite de contexto por par. Reduzir texto redundante da consulta pode preservar tanto a capacidade do par como o orçamento global do pedido.
Conte tokens para o modelo relevante, em vez de assumir que uma contagem de palavras ou caracteres equivale a tokens. Para candidatos grandes, selecione passagens coerentes ou divida o material por cabeçalhos úteis, conservando a informação da fonte principal. A reordenação é mais útil depois de a primeira pesquisa já ter encontrado candidatos plausíveis: não pode classificar uma fonte em falta que nunca entrou na lista.
Resultados classificados e utilização posterior O resultado contém pontuações de relevância e índices referentes aos documentos de entrada originais, ordenados por relevância decrescente. A opção top_k limita o número de resultados classificados devolvidos; caso contrário, são devolvidos todos os candidatos de entrada. A interface REST do fabricante também permite incluir o texto do documento. Utilize cada índice original para recuperar o título, o identificador da fonte e os metadados necessários à aplicação e apresente os itens selecionados ou inclua o texto relevante no contexto de apoio de uma resposta.
Inspecione os primeiros resultados à luz da pergunta e mantenha visível a identidade das fontes. Uma classificação relativa elevada não verifica a precisão factual de um documento, e uma lista restrita só com maus candidatos continua a ter um primeiro item. Separe a seleção por relevância da decisão sobre se os elementos selecionados são suficientes para responder ao utilizador.
Migração de edição O fabricante descreve o rerank-3 como sucessor de substituição direta do rerank-2.5, com a mesma semântica de API e pontuações calibradas para a distribuição do antecessor correspondente. Essa compatibilidade permite manter uma etapa de recuperação e uma correspondência de registos existentes. Compare ordens de resultados significativas e qualquer limiar de pontuação no corpus atual antes de confiar na migração. Mantenha rerank-3 e rerank-3-lite como escolhas distintas: limites e cumprimento de instruções partilhados não tornam idênticas as suas prioridades de qualidade e latência.
POST /v1/reranktextrerank| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campodocuments | Tipoarray | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites voyageai/rerank-3 | 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 faturação/ 1K tokens | Custo Entrada $0.0001 / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "documents": [\n "Paris is the capital of France.",\n "Berlin is the capital of Germany."\n ],\n "model": "voyageai/rerank-3",\n "query": "What is the capital of France?",\n "top_n": 3\n}set -eu\n: "${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']='voyageai/rerank-3'\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 voyageai/rerank-3
Use os caminhos dos métodos indicados acima.