{ "aboutHtml": "

Voyage rerank-3 je besedilni model za ponovno razvrščanje, zasnovan za izboljšanje kakovosti pridobljenih dokazov. Ob poizvedbi in seznamu kandidatnih dokumentov skupaj preuči vsak par ter vrne kandidate, urejene po relevantnosti. Vdelave in iskanje po ključnih besedah lahko najprej zožijo veliko zbirko na obvladljiv ožji izbor; rerank-3 nato na njem izvede podrobnejšo presojo relevantnosti. Njegov izhod so ocenjeni iskalni dokazi, ki jih aplikacija prikaže ali posreduje v ločeni korak ustvarjanja odgovora.

Kakovostno usmerjeni Rerank 3 Proizvajalec rerank-3 umešča kot izdajo, osredotočeno na natančnost, rerank-3-lite pa kot izdajo za iskanje, občutljivo na zakasnitev. Tretja generacija posodablja ogrodje in učno mešanico ter v primerjavi z ustreznima predhodnikoma 2.5 posebej izboljšuje pridobivanje dolgih dokumentov in izvorne kode. Ponudnik jo ocenjuje na tehnični dokumentaciji, kodi, večjezičnem gradivu in drugih dokumentnih področjih. Ti rezultati podpirajo njeno vlogo pridobivanja; izdajo izberite z vprašanji in kandidatnimi dokumenti, pomembnimi za lastno zbirko.

Dolgi dokumenti z dovolj konteksta Dolg kandidat lahko vsebuje uporaben kontekst precej za uvodnim odstavkom. Priložite skladen razdelek ali dokument z naslovom in ustreznim okoliškim gradivom, da lahko model presodi povezavo dejanskega vprašanja z vsebino. Pri iskanju pravil za izdelek ohranite naslove in izjeme okoli zanimivega odlomka. Če več pridobljenih razdelkov izvira iz istega vira, ohranite njihove identifikatorje dokumenta in razdelka; aplikacija lahko nato prikaže izvor izbranih dokazov.

Kontekstno okno si delita poizvedba in vsak kandidat. Trenutni proizvajalčev vodnik za ta par določa 32.000 žetonov, vključno s poizvedbo z največ 8.000 žetoni. Poizvedba s 3.000 žetoni zato za vsak dokument pusti največ 29.000 žetonov. Vhod pripravite tako, da njegova bistvena vsebina ustreza, zlasti kadar bi dolg uvod ali ponavljajoče se standardno besedilo sicer porabila okno. Dokumentirana možnost krajšanja je privzeto omogočena in lahko pred ocenjevanjem skrajša predolgo poizvedbo ali besedilo dokumenta. Kadar je položaj odlomka pomemben, preglejte ohranjeno vsebino.

Pridobivanje kode in tehničnega gradiva Pri stopnji pridobivanja programerskega pomočnika lahko kandidati kot besedilo vsebujejo implementacije funkcij, dokumentacijo API ali tehnična pojasnila. Vključite simbole, podpise in kontekst, potrebne za razlikovanje podobnih kandidatov. Poizvedba, kot je »Poišči funkcijo, ki normalizira poti in pri tem ohrani zaključno ločilo«, določi konkretno obnašanje za ujemanje. Dodajte morebitne omejitve jezika, platforme ali različice. Po razvrstitvi preučite izbrano kodo in njene odvisnosti, preden jo uporabite kot kontekst; ocena relevantnosti ne dokazuje, da implementacija izpolnjuje vsako navedeno zahtevo.

Navodila določajo relevantnost Model ohranja zmožnost ponovnega razvrščanja po navodilih, uvedeno v Rerank 2.5. Kadar je treba pojasniti uporabnikov namen, pred poizvedbo ali za njo dodajte kratko navodilo. Pri iskanju raziskovalnih dokumentov pojasnite, ali je poudarek na naslovu, določeni metodi ali področju uporabe. Pri notranjem katalogu določite, ali zahteva zadeva namestitev, odpravljanje težav ali združljivost. Navodilo naj bo usklajeno z vprašanjem; dodatne preference, ki nasprotujejo glavni zahtevi, lahko spremenijo cilj optimizacije razvrstitve.

Pripravite kandidatne dokumente in proračune Vhod je seznam besedilnih nizov. Iz izvornih dokumentov izluščite uporabno besedilo, ohranite smiselne meje razdelkov in ob seznamu hranite urejeno preslikavo zapisov. Proizvajalec v eni zahtevi dopušča do 1.000 dokumentov. Določa tudi skupno zgornjo mejo vhoda 600.000 žetonov: žetoni poizvedbe, pomnoženi s številom dokumentov, plus vsota vseh žetonov dokumentov. To se razlikuje od omejitve konteksta posameznega para. Zmanjšanje odvečnega besedila poizvedbe lahko ohrani zmogljivost para in skupni proračun zahteve.

Žetone štejte za ustrezni model, namesto da predpostavljate, da je število besed ali znakov enako številu žetonov. Pri velikih kandidatih izberite skladne odlomke ali gradivo razdelite po uporabnih naslovih, pri čemer ohranite podatke o nadrejenem viru. Ponovno razvrščanje je najuporabnejše, ko prvo iskanje že izpostavi verjetne kandidate: manjkajočega vira, ki ni prišel na seznam, ne more razvrstiti.

Razvrščeni rezultati in nadaljnja uporaba Rezultat vsebuje ocene relevantnosti in indekse, ki se nanašajo na izvirne vhodne dokumente, razvrščene po padajoči relevantnosti. Možnost top_k omeji število vrnjenih razvrščenih rezultatov; sicer se vrnejo vsi vhodni kandidati. Proizvajalčev vmesnik REST omogoča tudi vključitev besedila dokumenta. Z vsakim izvirnim indeksom pridobite naslov, identifikator vira in morebitne metapodatke, ki jih aplikacija potrebuje, nato prikažite izbrane elemente ali ustrezno besedilo vključite v kontekst dokazov za odgovor.

Najboljše rezultate primerjajte z vprašanjem in ohranite vidno identiteto virov. Visoka relativna uvrstitev ne preverja stvarne pravilnosti dokumenta, ožji izbor s samimi slabimi kandidati pa bo še vedno imel prvi element. Izbiro po relevantnosti ločite od odločitve, ali izbrani dokazi zadoščajo za odgovor uporabniku.

Prehod med izdajami Proizvajalec rerank-3 opisuje kot neposredno zamenljivega naslednika rerank-2.5 z enako semantiko API in ocenami, kalibriranimi na porazdelitev ustreznega predhodnika. Ta združljivost podpira ohranitev obstoječe stopnje pridobivanja in preslikave zapisov. Preden se zanesete na prehod, primerjajte smiselne vrstne rede rezultatov in morebitni prag ocene na trenutnem korpusu. Modela rerank-3 in rerank-3-lite ohranite kot ločeni izbiri: skupne omejitve in sledenje navodilom ne pomenijo enakih prednostnih nalog glede kakovosti in zakasnitve.

", "aboutText": "Voyage rerank-3 je besedilni model za ponovno razvrščanje, zasnovan za izboljšanje kakovosti pridobljenih dokazov. Ob poizvedbi in seznamu kandidatnih dokumentov skupaj preuči vsak par ter vrne kandidate, urejene po relevantnosti. Vdelave in iskanje po ključnih besedah lahko najprej zožijo veliko zbirko na obvladljiv ožji izbor; rerank-3 nato na njem izvede podrobnejšo presojo relevantnosti. Njegov izhod so ocenjeni iskalni dokazi, ki jih aplikacija prikaže ali posreduje v ločeni korak ustvarjanja odgovora.\n\nKakovostno usmerjeni Rerank 3\nProizvajalec rerank-3 umešča kot izdajo, osredotočeno na natančnost, rerank-3-lite pa kot izdajo za iskanje, občutljivo na zakasnitev. Tretja generacija posodablja ogrodje in učno mešanico ter v primerjavi z ustreznima predhodnikoma 2.5 posebej izboljšuje pridobivanje dolgih dokumentov in izvorne kode. Ponudnik jo ocenjuje na tehnični dokumentaciji, kodi, večjezičnem gradivu in drugih dokumentnih področjih. Ti rezultati podpirajo njeno vlogo pridobivanja; izdajo izberite z vprašanji in kandidatnimi dokumenti, pomembnimi za lastno zbirko.\n\nDolgi dokumenti z dovolj konteksta\nDolg kandidat lahko vsebuje uporaben kontekst precej za uvodnim odstavkom. Priložite skladen razdelek ali dokument z naslovom in ustreznim okoliškim gradivom, da lahko model presodi povezavo dejanskega vprašanja z vsebino. Pri iskanju pravil za izdelek ohranite naslove in izjeme okoli zanimivega odlomka. Če več pridobljenih razdelkov izvira iz istega vira, ohranite njihove identifikatorje dokumenta in razdelka; aplikacija lahko nato prikaže izvor izbranih dokazov.\n\nKontekstno okno si delita poizvedba in vsak kandidat. Trenutni proizvajalčev vodnik za ta par določa 32.000 žetonov, vključno s poizvedbo z največ 8.000 žetoni. Poizvedba s 3.000 žetoni zato za vsak dokument pusti največ 29.000 žetonov. Vhod pripravite tako, da njegova bistvena vsebina ustreza, zlasti kadar bi dolg uvod ali ponavljajoče se standardno besedilo sicer porabila okno. Dokumentirana možnost krajšanja je privzeto omogočena in lahko pred ocenjevanjem skrajša predolgo poizvedbo ali besedilo dokumenta. Kadar je položaj odlomka pomemben, preglejte ohranjeno vsebino.\n\nPridobivanje kode in tehničnega gradiva\nPri stopnji pridobivanja programerskega pomočnika lahko kandidati kot besedilo vsebujejo implementacije funkcij, dokumentacijo API ali tehnična pojasnila. Vključite simbole, podpise in kontekst, potrebne za razlikovanje podobnih kandidatov. Poizvedba, kot je »Poišči funkcijo, ki normalizira poti in pri tem ohrani zaključno ločilo«, določi konkretno obnašanje za ujemanje. Dodajte morebitne omejitve jezika, platforme ali različice. Po razvrstitvi preučite izbrano kodo in njene odvisnosti, preden jo uporabite kot kontekst; ocena relevantnosti ne dokazuje, da implementacija izpolnjuje vsako navedeno zahtevo.\n\nNavodila določajo relevantnost\nModel ohranja zmožnost ponovnega razvrščanja po navodilih, uvedeno v Rerank 2.5. Kadar je treba pojasniti uporabnikov namen, pred poizvedbo ali za njo dodajte kratko navodilo. Pri iskanju raziskovalnih dokumentov pojasnite, ali je poudarek na naslovu, določeni metodi ali področju uporabe. Pri notranjem katalogu določite, ali zahteva zadeva namestitev, odpravljanje težav ali združljivost. Navodilo naj bo usklajeno z vprašanjem; dodatne preference, ki nasprotujejo glavni zahtevi, lahko spremenijo cilj optimizacije razvrstitve.\n\nPripravite kandidatne dokumente in proračune\nVhod je seznam besedilnih nizov. Iz izvornih dokumentov izluščite uporabno besedilo, ohranite smiselne meje razdelkov in ob seznamu hranite urejeno preslikavo zapisov. Proizvajalec v eni zahtevi dopušča do 1.000 dokumentov. Določa tudi skupno zgornjo mejo vhoda 600.000 žetonov: žetoni poizvedbe, pomnoženi s številom dokumentov, plus vsota vseh žetonov dokumentov. To se razlikuje od omejitve konteksta posameznega para. Zmanjšanje odvečnega besedila poizvedbe lahko ohrani zmogljivost para in skupni proračun zahteve.\n\nŽetone štejte za ustrezni model, namesto da predpostavljate, da je število besed ali znakov enako številu žetonov. Pri velikih kandidatih izberite skladne odlomke ali gradivo razdelite po uporabnih naslovih, pri čemer ohranite podatke o nadrejenem viru. Ponovno razvrščanje je najuporabnejše, ko prvo iskanje že izpostavi verjetne kandidate: manjkajočega vira, ki ni prišel na seznam, ne more razvrstiti.\n\nRazvrščeni rezultati in nadaljnja uporaba\nRezultat vsebuje ocene relevantnosti in indekse, ki se nanašajo na izvirne vhodne dokumente, razvrščene po padajoči relevantnosti. Možnost top_k omeji število vrnjenih razvrščenih rezultatov; sicer se vrnejo vsi vhodni kandidati. Proizvajalčev vmesnik REST omogoča tudi vključitev besedila dokumenta. Z vsakim izvirnim indeksom pridobite naslov, identifikator vira in morebitne metapodatke, ki jih aplikacija potrebuje, nato prikažite izbrane elemente ali ustrezno besedilo vključite v kontekst dokazov za odgovor.\n\nNajboljše rezultate primerjajte z vprašanjem in ohranite vidno identiteto virov. Visoka relativna uvrstitev ne preverja stvarne pravilnosti dokumenta, ožji izbor s samimi slabimi kandidati pa bo še vedno imel prvi element. Izbiro po relevantnosti ločite od odločitve, ali izbrani dokazi zadoščajo za odgovor uporabniku.\n\nPrehod med izdajami\nProizvajalec rerank-3 opisuje kot neposredno zamenljivega naslednika rerank-2.5 z enako semantiko API in ocenami, kalibriranimi na porazdelitev ustreznega predhodnika. Ta združljivost podpira ohranitev obstoječe stopnje pridobivanja in preslikave zapisov. Preden se zanesete na prehod, primerjajte smiselne vrstne rede rezultatov in morebitni prag ocene na trenutnem korpusu. Modela rerank-3 in rerank-3-lite ohranite kot ločeni izbiri: skupne omejitve in sledenje navodilom ne pomenijo enakih prednostnih nalog glede kakovosti in zakasnitve.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e420f1dcaa2c9ce93ec899929de45056bb7cd0f5a0515d371e452dca33f56959", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
•

VoyageAI by MongoDB: rerank-3

VoyageAI by MongoDB /voyageai/rerank-3

Začetek

Voyage rerank-3 je kakovostno usmerjena izdaja Rerank 3 za ocenjevanje relevantnosti para poizvedba–dokument. Preureja pridobljene besedilne kandidate, podpira navodila o relevantnosti v naravnem jeziku in obdeluje pare z 32.000 žetoni za iskanje po dolgih dokumentih, kodi in bazah znanja.

Dovoljeni vhodi
Besedilo
Rezultati
Razvrščeni rezultati
O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Voyage rerank-3 je besedilni model za ponovno razvrščanje, zasnovan za izboljšanje kakovosti pridobljenih dokazov. Ob poizvedbi in seznamu kandidatnih dokumentov skupaj preuči vsak par ter vrne kandidate, urejene po relevantnosti. Vdelave in iskanje po ključnih besedah lahko najprej zožijo veliko zbirko na obvladljiv ožji izbor; rerank-3 nato na njem izvede podrobnejšo presojo relevantnosti. Njegov izhod so ocenjeni iskalni dokazi, ki jih aplikacija prikaže ali posreduje v ločeni korak ustvarjanja odgovora.

Kakovostno usmerjeni Rerank 3 Proizvajalec rerank-3 umešča kot izdajo, osredotočeno na natančnost, rerank-3-lite pa kot izdajo za iskanje, občutljivo na zakasnitev. Tretja generacija posodablja ogrodje in učno mešanico ter v primerjavi z ustreznima predhodnikoma 2.5 posebej izboljšuje pridobivanje dolgih dokumentov in izvorne kode. Ponudnik jo ocenjuje na tehnični dokumentaciji, kodi, večjezičnem gradivu in drugih dokumentnih področjih. Ti rezultati podpirajo njeno vlogo pridobivanja; izdajo izberite z vprašanji in kandidatnimi dokumenti, pomembnimi za lastno zbirko.

Dolgi dokumenti z dovolj konteksta Dolg kandidat lahko vsebuje uporaben kontekst precej za uvodnim odstavkom. Priložite skladen razdelek ali dokument z naslovom in ustreznim okoliškim gradivom, da lahko model presodi povezavo dejanskega vprašanja z vsebino. Pri iskanju pravil za izdelek ohranite naslove in izjeme okoli zanimivega odlomka. Če več pridobljenih razdelkov izvira iz istega vira, ohranite njihove identifikatorje dokumenta in razdelka; aplikacija lahko nato prikaže izvor izbranih dokazov.

Kontekstno okno si delita poizvedba in vsak kandidat. Trenutni proizvajalčev vodnik za ta par določa 32.000 žetonov, vključno s poizvedbo z največ 8.000 žetoni. Poizvedba s 3.000 žetoni zato za vsak dokument pusti največ 29.000 žetonov. Vhod pripravite tako, da njegova bistvena vsebina ustreza, zlasti kadar bi dolg uvod ali ponavljajoče se standardno besedilo sicer porabila okno. Dokumentirana možnost krajšanja je privzeto omogočena in lahko pred ocenjevanjem skrajša predolgo poizvedbo ali besedilo dokumenta. Kadar je položaj odlomka pomemben, preglejte ohranjeno vsebino.

Pridobivanje kode in tehničnega gradiva Pri stopnji pridobivanja programerskega pomočnika lahko kandidati kot besedilo vsebujejo implementacije funkcij, dokumentacijo API ali tehnična pojasnila. Vključite simbole, podpise in kontekst, potrebne za razlikovanje podobnih kandidatov. Poizvedba, kot je »Poišči funkcijo, ki normalizira poti in pri tem ohrani zaključno ločilo«, določi konkretno obnašanje za ujemanje. Dodajte morebitne omejitve jezika, platforme ali različice. Po razvrstitvi preučite izbrano kodo in njene odvisnosti, preden jo uporabite kot kontekst; ocena relevantnosti ne dokazuje, da implementacija izpolnjuje vsako navedeno zahtevo.

Navodila določajo relevantnost Model ohranja zmožnost ponovnega razvrščanja po navodilih, uvedeno v Rerank 2.5. Kadar je treba pojasniti uporabnikov namen, pred poizvedbo ali za njo dodajte kratko navodilo. Pri iskanju raziskovalnih dokumentov pojasnite, ali je poudarek na naslovu, določeni metodi ali področju uporabe. Pri notranjem katalogu določite, ali zahteva zadeva namestitev, odpravljanje težav ali združljivost. Navodilo naj bo usklajeno z vprašanjem; dodatne preference, ki nasprotujejo glavni zahtevi, lahko spremenijo cilj optimizacije razvrstitve.

Pripravite kandidatne dokumente in proračune Vhod je seznam besedilnih nizov. Iz izvornih dokumentov izluščite uporabno besedilo, ohranite smiselne meje razdelkov in ob seznamu hranite urejeno preslikavo zapisov. Proizvajalec v eni zahtevi dopušča do 1.000 dokumentov. Določa tudi skupno zgornjo mejo vhoda 600.000 žetonov: žetoni poizvedbe, pomnoženi s številom dokumentov, plus vsota vseh žetonov dokumentov. To se razlikuje od omejitve konteksta posameznega para. Zmanjšanje odvečnega besedila poizvedbe lahko ohrani zmogljivost para in skupni proračun zahteve.

Žetone štejte za ustrezni model, namesto da predpostavljate, da je število besed ali znakov enako številu žetonov. Pri velikih kandidatih izberite skladne odlomke ali gradivo razdelite po uporabnih naslovih, pri čemer ohranite podatke o nadrejenem viru. Ponovno razvrščanje je najuporabnejše, ko prvo iskanje že izpostavi verjetne kandidate: manjkajočega vira, ki ni prišel na seznam, ne more razvrstiti.

Razvrščeni rezultati in nadaljnja uporaba Rezultat vsebuje ocene relevantnosti in indekse, ki se nanašajo na izvirne vhodne dokumente, razvrščene po padajoči relevantnosti. Možnost top_k omeji število vrnjenih razvrščenih rezultatov; sicer se vrnejo vsi vhodni kandidati. Proizvajalčev vmesnik REST omogoča tudi vključitev besedila dokumenta. Z vsakim izvirnim indeksom pridobite naslov, identifikator vira in morebitne metapodatke, ki jih aplikacija potrebuje, nato prikažite izbrane elemente ali ustrezno besedilo vključite v kontekst dokazov za odgovor.

Najboljše rezultate primerjajte z vprašanjem in ohranite vidno identiteto virov. Visoka relativna uvrstitev ne preverja stvarne pravilnosti dokumenta, ožji izbor s samimi slabimi kandidati pa bo še vedno imel prvi element. Izbiro po relevantnosti ločite od odločitve, ali izbrani dokazi zadoščajo za odgovor uporabniku.

Prehod med izdajami Proizvajalec rerank-3 opisuje kot neposredno zamenljivega naslednika rerank-2.5 z enako semantiko API in ocenami, kalibriranimi na porazdelitev ustreznega predhodnika. Ta združljivost podpira ohranitev obstoječe stopnje pridobivanja in preslikave zapisov. Preden se zanesete na prehod, primerjajte smiselne vrstne rede rezultatov in morebitni prag ocene na trenutnem korpusu. Modela rerank-3 in rerank-3-lite ohranite kot ločeni izbiri: skupne omejitve in sledenje navodilom ne pomenijo enakih prednostnih nalog glede kakovosti in zakasnitve.

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Ponovno razvrščanje POST /v1/rerank
Vhod
text
Izhod
rerank
Izhodni format
json
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljedocumentsVrstaarrayZahtevaObveznoVrednosti in omejitvePrivzeto—
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
voyageai/rerank-3
Privzeto—
PoljeproviderVrstaschemaZahtevaIzbirnoVrednosti in omejitvePrivzeto—
PoljequeryVrstastringZahtevaObveznoVrednosti in omejitvePrivzeto—
Poljesession_idVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljetop_nVrstaintegerZahtevaIzbirnoVrednosti in omejitve
Najmanj: 1
Privzeto—
PoljetraceVrstaschemaZahtevaIzbirnoVrednosti in omejitvePrivzeto—
PoljeuserVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljedocuments[].textVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Poljedocuments[].imageVrstastringZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Kombinacije vhodnih gradiv

text_rerank · Obvezno: query, documents array with minItems1

Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametercontent_typeSpecifikacijaapplication/json
ParameterrequiredSpecifikacijamodel, query, documents
Parametermaterial_typesSpecifikacijatext
Parameteroptional_controlsSpecifikacijaprovider, session_id, top_n, trace, user
Parametermultimodal_input_bindingSpecifikacijanull

Življenjski cikel: synchronous

Pošljite natančni ID modela in ohranite celoten izvorni odgovor.

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način
Ni navedeno Ko je izbran hitri način
Način flex
Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja
Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

NastavitevCenovna lestvicaObračunska enotaStrošek
NastavitevOsnovne cene žetonovCenovna lestvicaOsnovna cenaObračunska enota—Strošek
Vhod · Vhodni žetoni — / 1K žetonov
Izhod · Izhodni žetoni — / 1K žetonov
Vhod · Branje predpomnilnika — / 1K žetonov
Vhod · Zapis v predpomnilnik — / 1K žetonov
Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
NastavitevUltraCenovna lestvica—Obračunska enota/ 1K žetonovStrošek
Vhod $0.0001 / 1K žetonov

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Ponovno razvrščanje

{\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}

Prejmi in shrani rezultate

Ailoot Ultra · Ponovno razvrščanje

json

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Ohranijo se vsak dejanski indeks rezultata, relevance_score s končno vrednostjo in izvirni objekt dokumenta. Indeksi se povezujejo z izvirnim poljem dokumentov. Celoten izvirni JSON se shrani in vrne šele po obračunu.

Če je treba preveriti izvirni odgovor

Ohranite prvotno operacijo in celoten/delni odgovor; ne ponovite POST.

Polja odgovora
PoljeVrsta
PoljemodelVrstastring
PoljeidVrstastring
PoljeproviderVrstastring
Poljeresults[].indexVrstainteger
Poljeresults[].relevance_scoreVrstanumber
Poljeresults[].document.textVrstastring
Poljeresults[].document.imageVrstastring
Poljeusage.search_unitsVrstainteger
Poljeusage.total_tokensVrstainteger
Poljeusage.costVrstanumber
Napake in naslednji koraki
OdgovorPogojNaslednji korak
Odgovor400 · invalid_request_errorPogojNeveljavno obvezno polje, predstavitev ali vrednostNaslednji korakPopravite navedeno polje zahteve.

Druga imena

Druga imena modelov

Ailoot Ultra voyageai/rerank-3

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

voyageai/rerank-3

", "method_identity": { "effective_request_model_id": "voyageai/rerank-3", "fmt": "rerank", "http": "POST", "path": "/v1/rerank", "request_model_id": "voyageai/rerank-3", "route_label": "Ultra" }, "method_key": "Ultra|rerank|/v1/rerank|voyageai%2Frerank-3", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Neveljavno obvezno polje, predstavitev ali vrednost", "http_status": 400, "recovery": "Popravite navedeno polje zahteve.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Ohranite prvotno operacijo in celoten/delni odgovor; ne ponovite POST." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Ohranijo se vsak dejanski indeks rezultata, relevance_score s končno vrednostjo in izvirni objekt dokumenta. Indeksi se povezujejo z izvirnim poljem dokumentov. Celoten izvirni JSON se shrani in vrne šele po obračunu.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "voyageai/rerank-3" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Pošljite natančni ID modela in ohranite celoten izvorni odgovor." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32000, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "voyageai/rerank-3" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "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": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } ], "examples": [ { "code": "{\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}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "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\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "http": "POST", "in": null, "input": [ "text" ], "label": "Ponovno razvrščanje", "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": { "input_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": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } ], "request_model_id": "voyageai/rerank-3", "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": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } } ], "model_id": "voyageai/rerank-3", "nativeProvenance": { "input_facts_canonical_sha256": "1428b4c4a65d06bd379ad732e079064f32bf0c045b2f618630a6f84834acb730", "input_html_sha256": "cd398e588ddbaaa6bc62bd4cae038f474eab9e0741e96f3c9882bdcdc142a3cd", "private_audit_sha256": "d0947a4272965aa8950444670e8274d9898714ca7ea742f70a50e6fe47942ecf", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/voyageai-rerank-3/", "description": "Voyage rerank-3 je kakovostno usmerjena izdaja Rerank 3 za ocenjevanje relevantnosti para poizvedba–dokument. Preureja pridobljene besedilne kandidate, podpira navodila o relevantnosti v naravnem jeziku in obdeluje pare z 32.000 žetoni za iskanje po dolgih dokumentih, kodi in bazah znanja.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/voyageai-rerank-3/index.md", "title": "VoyageAI by MongoDB: rerank-3 — Ailoot", "url": "https://ailoot.ai/models/sl/voyageai-rerank-3/" }, "rawModel": { "about": "Voyage rerank-3 je besedilni model za ponovno razvrščanje, zasnovan za izboljšanje kakovosti pridobljenih dokazov. Ob poizvedbi in seznamu kandidatnih dokumentov skupaj preuči vsak par ter vrne kandidate, urejene po relevantnosti. Vdelave in iskanje po ključnih besedah lahko najprej zožijo veliko zbirko na obvladljiv ožji izbor; rerank-3 nato na njem izvede podrobnejšo presojo relevantnosti. Njegov izhod so ocenjeni iskalni dokazi, ki jih aplikacija prikaže ali posreduje v ločeni korak ustvarjanja odgovora.\n\nKakovostno usmerjeni Rerank 3\nProizvajalec rerank-3 umešča kot izdajo, osredotočeno na natančnost, rerank-3-lite pa kot izdajo za iskanje, občutljivo na zakasnitev. Tretja generacija posodablja ogrodje in učno mešanico ter v primerjavi z ustreznima predhodnikoma 2.5 posebej izboljšuje pridobivanje dolgih dokumentov in izvorne kode. Ponudnik jo ocenjuje na tehnični dokumentaciji, kodi, večjezičnem gradivu in drugih dokumentnih področjih. Ti rezultati podpirajo njeno vlogo pridobivanja; izdajo izberite z vprašanji in kandidatnimi dokumenti, pomembnimi za lastno zbirko.\n\nDolgi dokumenti z dovolj konteksta\nDolg kandidat lahko vsebuje uporaben kontekst precej za uvodnim odstavkom. Priložite skladen razdelek ali dokument z naslovom in ustreznim okoliškim gradivom, da lahko model presodi povezavo dejanskega vprašanja z vsebino. Pri iskanju pravil za izdelek ohranite naslove in izjeme okoli zanimivega odlomka. Če več pridobljenih razdelkov izvira iz istega vira, ohranite njihove identifikatorje dokumenta in razdelka; aplikacija lahko nato prikaže izvor izbranih dokazov.\n\nKontekstno okno si delita poizvedba in vsak kandidat. Trenutni proizvajalčev vodnik za ta par določa 32.000 žetonov, vključno s poizvedbo z največ 8.000 žetoni. Poizvedba s 3.000 žetoni zato za vsak dokument pusti največ 29.000 žetonov. Vhod pripravite tako, da njegova bistvena vsebina ustreza, zlasti kadar bi dolg uvod ali ponavljajoče se standardno besedilo sicer porabila okno. Dokumentirana možnost krajšanja je privzeto omogočena in lahko pred ocenjevanjem skrajša predolgo poizvedbo ali besedilo dokumenta. Kadar je položaj odlomka pomemben, preglejte ohranjeno vsebino.\n\nPridobivanje kode in tehničnega gradiva\nPri stopnji pridobivanja programerskega pomočnika lahko kandidati kot besedilo vsebujejo implementacije funkcij, dokumentacijo API ali tehnična pojasnila. Vključite simbole, podpise in kontekst, potrebne za razlikovanje podobnih kandidatov. Poizvedba, kot je »Poišči funkcijo, ki normalizira poti in pri tem ohrani zaključno ločilo«, določi konkretno obnašanje za ujemanje. Dodajte morebitne omejitve jezika, platforme ali različice. Po razvrstitvi preučite izbrano kodo in njene odvisnosti, preden jo uporabite kot kontekst; ocena relevantnosti ne dokazuje, da implementacija izpolnjuje vsako navedeno zahtevo.\n\nNavodila določajo relevantnost\nModel ohranja zmožnost ponovnega razvrščanja po navodilih, uvedeno v Rerank 2.5. Kadar je treba pojasniti uporabnikov namen, pred poizvedbo ali za njo dodajte kratko navodilo. Pri iskanju raziskovalnih dokumentov pojasnite, ali je poudarek na naslovu, določeni metodi ali področju uporabe. Pri notranjem katalogu določite, ali zahteva zadeva namestitev, odpravljanje težav ali združljivost. Navodilo naj bo usklajeno z vprašanjem; dodatne preference, ki nasprotujejo glavni zahtevi, lahko spremenijo cilj optimizacije razvrstitve.\n\nPripravite kandidatne dokumente in proračune\nVhod je seznam besedilnih nizov. Iz izvornih dokumentov izluščite uporabno besedilo, ohranite smiselne meje razdelkov in ob seznamu hranite urejeno preslikavo zapisov. Proizvajalec v eni zahtevi dopušča do 1.000 dokumentov. Določa tudi skupno zgornjo mejo vhoda 600.000 žetonov: žetoni poizvedbe, pomnoženi s številom dokumentov, plus vsota vseh žetonov dokumentov. To se razlikuje od omejitve konteksta posameznega para. Zmanjšanje odvečnega besedila poizvedbe lahko ohrani zmogljivost para in skupni proračun zahteve.\n\nŽetone štejte za ustrezni model, namesto da predpostavljate, da je število besed ali znakov enako številu žetonov. Pri velikih kandidatih izberite skladne odlomke ali gradivo razdelite po uporabnih naslovih, pri čemer ohranite podatke o nadrejenem viru. Ponovno razvrščanje je najuporabnejše, ko prvo iskanje že izpostavi verjetne kandidate: manjkajočega vira, ki ni prišel na seznam, ne more razvrstiti.\n\nRazvrščeni rezultati in nadaljnja uporaba\nRezultat vsebuje ocene relevantnosti in indekse, ki se nanašajo na izvirne vhodne dokumente, razvrščene po padajoči relevantnosti. Možnost top_k omeji število vrnjenih razvrščenih rezultatov; sicer se vrnejo vsi vhodni kandidati. Proizvajalčev vmesnik REST omogoča tudi vključitev besedila dokumenta. Z vsakim izvirnim indeksom pridobite naslov, identifikator vira in morebitne metapodatke, ki jih aplikacija potrebuje, nato prikažite izbrane elemente ali ustrezno besedilo vključite v kontekst dokazov za odgovor.\n\nNajboljše rezultate primerjajte z vprašanjem in ohranite vidno identiteto virov. Visoka relativna uvrstitev ne preverja stvarne pravilnosti dokumenta, ožji izbor s samimi slabimi kandidati pa bo še vedno imel prvi element. Izbiro po relevantnosti ločite od odločitve, ali izbrani dokazi zadoščajo za odgovor uporabniku.\n\nPrehod med izdajami\nProizvajalec rerank-3 opisuje kot neposredno zamenljivega naslednika rerank-2.5 z enako semantiko API in ocenami, kalibriranimi na porazdelitev ustreznega predhodnika. Ta združljivost podpira ohranitev obstoječe stopnje pridobivanja in preslikave zapisov. Preden se zanesete na prehod, primerjajte smiselne vrstne rede rezultatov in morebitni prag ocene na trenutnem korpusu. Modela rerank-3 in rerank-3-lite ohranite kot ločeni izbiri: skupne omejitve in sledenje navodilom ne pomenijo enakih prednostnih nalog glede kakovosti in zakasnitve.", "alias_of": null, "aliases": [], "author": "VoyageAI by MongoDB", "available": null, "canonical_model": "voyageai/rerank-3", "capabilities": { "context_length": 32000, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ], "summary": "Celoten cenik konfiguracije je v podrobnostih." } ], "ctx": null, "entity_type": "model", "formats": [ "rerank" ], "id": "voyageai/rerank-3", "input": [ "text" ], "kind": "rerank", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "errors": [ { "code": null, "condition": "Neveljavno obvezno polje, predstavitev ali vrednost", "http_status": 400, "recovery": "Popravite navedeno polje zahteve.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Ohranite prvotno operacijo in celoten/delni odgovor; ne ponovite POST." }, "material_combinations": [ { "accepted": [ "string documents", "objects with text; image only for separately exact-supported multimodal model" ], "mode": "text_rerank", "required": [ "query", "documents array with minItems1" ] } ], "operation_modes": [ "rerank" ], "outputs": { "all_results": "Ohranijo se vsak dejanski indeks rezultata, relevance_score s končno vrednostjo in izvirni objekt dokumenta. Indeksi se povezujejo z izvirnim poljem dokumentov. Celoten izvirni JSON se shrani in vrne šele po obračunu.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "enum": null, "enum_known": false, "minItems": 1, "name": "documents", "required": true, "type": "array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "voyageai/rerank-3" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "provider", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "The search query to rerank documents against", "enum": null, "enum_known": false, "name": "query", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "enum": null, "enum_known": false, "maxLength": 256, "name": "session_id", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Number of most relevant documents to return", "enum": null, "enum_known": false, "minimum": 1, "name": "top_n", "required": false, "type": "integer" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "trace", "required": false, "type": "schema" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "enum": null, "enum_known": false, "maxLength": 256, "name": "user", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "documents[].text", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "description": "Official family image carrier is remote http/https URL or data:image URI; only for exact multimodal-model bindings.", "enum": null, "enum_known": false, "name": "documents[].image", "required": false, "type": "string" } ], "unsupported": [ "stream=true" ] }, "hints": [ "Pošljite natančni ID modela in ohranite celoten izvorni odgovor." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "multimodal_input_binding": null, "optional_controls": [ "provider", "session_id", "top_n", "trace", "user" ], "required": [ "model", "query", "documents" ] }, "lifecycle": { "cancel": null, "idempotency_header": null, "job_retrieve": null, "mode": "synchronous", "streaming": false, "unknown": "Preserve original operation and full/partial reply; do not replay POST." }, "manufacturer_capability": { "context_length": 32000, "manufacturer_input": [ "text" ], "manufacturer_output": [ "rerank" ] }, "method": { "http": "POST", "path": "/v1/rerank" }, "method_aliases": [], "operation_modes": [ "rerank" ], "output": { "all_results": "Every actual result index, finite relevance_score and original document object is retained. Indices bind the original document array. Entire original JSON is stored and returned only after settlement.", "family": "rerank", "fields": [ { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "id", "type": "string" }, { "description": null, "name": "provider", "type": "string" }, { "description": null, "name": "results[].index", "type": "integer" }, { "description": null, "name": "results[].relevance_score", "type": "number" }, { "description": null, "name": "results[].document.text", "type": "string" }, { "description": null, "name": "results[].document.image", "type": "string" }, { "description": null, "name": "usage.search_units", "type": "integer" }, { "description": null, "name": "usage.total_tokens", "type": "integer" }, { "description": null, "name": "usage.cost", "type": "number" } ], "format": "json", "schema": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } }, "schema": { "request": { "description": "Rerank request input", "example": { "documents": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "model": "cohere/rerank-v3.5", "query": "What is the capital of France?", "top_n": 3 }, "properties": { "documents": { "description": "The list of documents to rerank. Documents may be plain strings, or structured objects with `text` and/or `image` for multimodal models.", "example": [ "Paris is the capital of France.", "Berlin is the capital of Germany." ], "items": { "anyOf": [ { "type": "string" }, { "description": "A structured document with optional text and/or image content. At least one of `text` or `image` must be provided.", "properties": { "image": { "description": "An image associated with the document, as a remote URL (http/https) or a base64-encoded data URI (data:image/...).", "example": "https://upload.wikimedia.org/wikipedia/commons/thumb/8/8b/Phytogenic.png", "type": "string" }, "text": { "description": "The document text", "example": "AI enables robots to perceive, plan, and act autonomously.", "type": "string" } }, "type": "object" } ], "description": "A document to rerank. Either a plain string, or a structured object with optional `text` and/or `image`." }, "minItems": 1, "type": "array" }, "model": { "enum": [ "voyageai/rerank-3" ], "type": "string" }, "provider": { "allOf": [ { "$ref": "#/components/schemas/ProviderPreferences" }, { "description": "Provider routing preferences for the request." } ] }, "query": { "description": "The search query to rerank documents against", "example": "What is the capital of France?", "type": "string" }, "session_id": { "description": "A unique identifier for grouping related requests (e.g., a conversation or agent workflow). Used for observability grouping in Broadcast and private logging; never sent to the provider. If provided in both the request body and the x-session-id header, the body value takes precedence. Maximum of 256 characters.", "example": "session-1234", "maxLength": 256, "type": "string" }, "top_n": { "description": "Number of most relevant documents to return", "example": 3, "minimum": 1, "type": "integer" }, "trace": { "$ref": "#/components/schemas/TraceConfig" }, "user": { "description": "A unique identifier representing your end-user. Forwarded to Broadcast and private logging as the end-user id; never sent to the provider.", "example": "user-1234", "maxLength": 256, "type": "string" } }, "required": [ "model", "query", "documents" ], "type": "object" }, "response": { "description": "Rerank response containing ranked results", "example": { "id": "gen-rerank-1234567890-abc", "model": "cohere/rerank-v3.5", "results": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "usage": { "search_units": 1, "total_tokens": 150 } }, "properties": { "id": { "description": "Unique identifier for the rerank response (ORID format)", "example": "gen-rerank-1234567890-abc", "type": "string" }, "model": { "description": "The model used for reranking", "example": "cohere/rerank-v3.5", "type": "string" }, "provider": { "description": "The provider that served the rerank request", "example": "Cohere", "type": "string" }, "results": { "description": "List of rerank results sorted by relevance", "example": [ { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 } ], "items": { "description": "A single rerank result", "example": { "document": { "text": "Paris is the capital of France." }, "index": 0, "relevance_score": 0.98 }, "properties": { "document": { "description": "The document object echoing the original input (text and/or image)", "properties": { "image": { "description": "The image (URL or data URI) from the original document", "example": "https://example.com/image.png", "type": "string" }, "text": { "description": "The document text", "example": "Paris is the capital of France.", "type": "string" } }, "type": "object" }, "index": { "description": "Index of the document in the original input list", "example": 0, "type": "integer" }, "relevance_score": { "description": "Relevance score of the document to the query", "example": 0.98, "format": "double", "type": "number" } }, "required": [ "index", "relevance_score", "document" ], "type": "object" }, "type": "array" }, "usage": { "description": "Usage statistics", "example": { "search_units": 1, "total_tokens": 150 }, "properties": { "cost": { "description": "Cost of the request in credits", "example": 0.001, "format": "double", "type": "number" }, "search_units": { "description": "Number of search units consumed (Cohere billing)", "example": 1, "type": "integer" }, "total_tokens": { "description": "Total number of tokens used", "example": 150, "type": "integer" } }, "type": "object" } }, "required": [ "model", "results" ], "type": "object" } } }, "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": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } ], "examples": [ { "code": "{\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}", "label": "Retained official request structure; documentary example", "language": "json" }, { "code": "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\n", "label": "Use your actual request material and retain the complete result", "language": "bash", "material_policy": "Use real owner-supplied state/questions or query/documents. No invented file ID, document, image URL, job ID or returned result." } ], "family": "rerank", "fast_multiplier": null, "flex_multiplier": null, "fmt": "rerank", "http": "POST", "in": null, "input": [ "text" ], "label": "Ponovno razvrščanje", "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": { "input_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": { "native_endpoint": "rerank", "quoted_unit": "/ 1K tokens" }, "label": "Ultra", "units": [ { "amount": "0.0001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } ], "request_model_id": "voyageai/rerank-3", "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": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.0000001", "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" } ] } ], "model_aliases": [ { "canonical_model_id": "voyageai/rerank-3", "request_model_id": "voyageai/rerank-3", "route_label": "Ultra" } ], "name": "VoyageAI by MongoDB: rerank-3", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "public_id": "voyageai/rerank-3", "short": "Voyage rerank-3 je kakovostno usmerjena izdaja Rerank 3 za ocenjevanje relevantnosti para poizvedba–dokument. Preureja pridobljene besedilne kandidate, podpira navodila o relevantnosti v naravnem jeziku in obdeluje pare z 32.000 žetoni za iskanje po dolgih dokumentih, kodi in bazah znanja." }, "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": "Voyage rerank-3 je kakovostno usmerjena izdaja Rerank 3 za ocenjevanje relevantnosti para poizvedba–dokument. Preureja pridobljene besedilne kandidate, podpira navodila o relevantnosti v naravnem jeziku in obdeluje pare z 32.000 žetoni za iskanje po dolgih dokumentih, kodi in bazah znanja.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "3cf533c6095d8310556fe656f4ae247796cbccea86811e49988ce89f6433a820", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "c04b2caca55f1e346a434133a15ce9d1ad1df260d60783690277d2118d4dead3" }