Wir verwenden Cookies. Cookies und Browserspeicher halten Sie angemeldet und merken sich Ihre Einstellungen. Mit Ihrer Zustimmung messen wir außerdem, wie die Website genutzt wird. Sie können jederzeit . Siehe unsere Cookie-Richtlinie.
mongodb/rerank-2.5-liteLäuft über Ihr Guthaben zu den oben genannten Preisen. Neue Konten starten mit kostenloser Nutzung.
Einstellungen
VoyageAI by MongoDB: rerank-2.5-lite ist ein Reranking-Modell von VoyageAI by MongoDB. Es gehört zur Kategorie Rerank, was bedeutet, dass seine Aufgabe darin besteht, eine Menge von Kandidatendokumenten entgegenzunehmen und sie nach Relevanz für eine Anfrage neu zu ordnen, anstatt neuen Text zu generieren. Es wurde vom Anbieter am 2026-07-27 veröffentlicht.
Das Modell akzeptiert Text als Eingabe und erzeugt eine Rerank-Ausgabe, Sie senden ihm also eine Anfrage zusammen mit den Dokumenten, die bewertet werden sollen, und es gibt sie in einer nützlicheren Reihenfolge zurück. Es hat eine Kontextlänge von 32000 Tokens und eine maximale Ausgabe von 28800. Da es nur mit Text arbeitet, müssen alle Kandidatenpassagen, die Sie ranken möchten, als Text bereitgestellt werden. Der Anbieter beschreibt es als einen Reranker, der sowohl auf Latenz als auch auf Qualität optimiert ist, und berichtet über eine Verbesserung der Retrieval-Genauigkeit um 7,16% gegenüber Cohere Rerank v3.5 über 93 Datensätze hinweg, zusammen mit einer besseren Leistung als Cohere Rerank v3.5.
Die praktische Eignung folgt daraus. Wenn Sie bereits einen Retrieval-Schritt ausführen, sei es Vektorsuche, Keyword-Suche oder eine Hybridform aus beiden, kann dieses Modell danach sitzen und die besten Kandidaten neu ordnen, bevor sie Ihre Anwendung oder Ihr Sprachmodell erreichen. Das hilft, wenn die erste Stufe plausible, aber unvollkommen geordnete Ergebnisse zurückgibt, was bei der Suche über Dokumentation, Support-Tickets, Produktkataloge oder interne Wissensdatenbanken häufig vorkommt. Es ist auch nützlich in Retrieval-Augmented-Generation-Pipelines, wo die Qualität der Passagen nahe dem Anfang des Prompts einen direkten Einfluss auf die Antwort hat, und in Evaluierungsarbeiten, bei denen Sie eine konsistente Relevanzreihenfolge über eine feste Menge von Kandidaten wünschen. Die Betonung der Latenz macht es zu einer vernünftigen Wahl, wenn das Reranking auf dem Anfragepfad statt in einem Batch-Job erfolgt.
Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "mongodb/rerank-2.5-lite" auf. Da der Endpunkt dem OpenAI-Format folgt, können Sie einen vorhandenen OpenAI-Client auf api14 richten, indem Sie die Basis-URL ändern und Ihren api14-Schlüssel angeben, und dann die Modell-ID in Ihrer Anfrage übergeben. Für dieses Modell werden keine zusätzlichen Anfrageparameter unterstützt, halten Sie Ihre Aufrufe also an die Standardfelder, die der Endpunkt akzeptiert, anstatt sich auf anbieterspezifische Optionen wie benutzerdefinierte Truncation- oder Instruction-Einstellungen zu verlassen.
Behalten Sie die Kontextlänge beim Zusammenstellen der Eingaben im Auge: Die Anfrage und die von Ihnen übermittelten Dokumente teilen sich das Budget von 32000 Tokens, sehr große Kandidatenmengen müssen also gekürzt oder aufgeteilt werden, bevor Sie sie senden. Wenn Ihre Aufgabe darin besteht, Text zu generieren statt ihn zu ordnen, ist ein Chat- oder Completion-Modell das richtige Werkzeug, und wenn Sie Bilder oder andere Nicht-Text-Eingaben ranken müssen, deckt dieses Modell das nicht ab.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.post("/rerank", { body: {
"model": "mongodb/rerank-2.5-lite",
"query": "What is the capital of France?",
"documents": [
"Paris is the capital of France.",
"Berlin is in Germany."
],
"top_n": 1
} });
console.log(result.results);
In dieser Community gibt es noch keine Themen. Eröffnen Sie das erste zu VoyageAI by MongoDB: rerank-2.5-lite.