VoyageAI by MongoDB: rerank-2.5-lite

VoyageAI von MongoDB: rerank-2.5-lite ist ein Reranking-Modell von Voyage AI, einem Anbieter, dessen Reranking-Familie jetzt Teil von MongoDB ist. Es gehört zur Kategorie Rerank, seine Aufgabe ist es also nicht, Text zu generieren, sondern eine Menge von Kandidatendokumenten zu nehmen und sie nach Relevanz für eine Anfrage neu zu ordnen. Der Anbieter hat es am 2026-07-27 veröffentlicht. Wenn Sie eine Retrieval-Pipeline bauen und bereits einen ersten Durchlauf von Ergebnissen aus einer Vektor- oder Keyword-Suche haben, ist dieses Modell die zweite Stufe, die entscheidet, welche dieser Ergebnisse tatsächlich an die Spitze gehören.

Das Modell akzeptiert Texteingabe und erzeugt eine Reranking-Ausgabe. Es hat eine Kontextlänge von 32000 Tokens und eine maximale Ausgabe von 28800. Auf der Eingabeseite wird nur Text unterstützt, es gibt hier also keine Bild- oder Audioverarbeitung. Der Anbieter gibt an, dass rerank-2.5-lite sowohl auf Latenz als auch auf Qualität optimiert ist und dass es über 93 Datensätze hinweg eine Verbesserung der Retrieval-Genauigkeit von 7,16% gegenüber Cohere Rerank v3.5 liefert. Der Anbieter gibt außerdem an, dass es Cohere Rerank v3.5 übertroffen hat, was der Vergleichspunkt ist, den Voyage AI veröffentlicht hat.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungen hin. Die offensichtliche ist die Suche: Nehmen Sie die Top 50 oder 100 Treffer aus einem Retriever der ersten Stufe, führen Sie sie zusammen mit der Benutzeranfrage durch dieses Modell und behalten Sie nur die am höchsten bewerteten wenigen für die Antwort oder den nächsten Schritt. Dasselbe Muster gilt für retrieval augmented generation, wo ein Reranker die Menge an irrelevantem Kontext reduziert, die an ein Generator-Modell gesendet wird. Es passt auch zu Dokumentenranking-Aufgaben, etwa zum Ordnen von Artikeln aus internen Wissensdatenbanken oder Support-Tickets gegen eine natürlichsprachliche Anfrage, und zu jeder Pipeline, bei der Präzision an der Spitze einer Liste wichtiger ist als reine Trefferquote.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "voyageai/rerank-2.5-lite" auf. Da der Endpunkt dem OpenAI-Schema folgt, können Sie einen vorhandenen OpenAI-Client auf api14 richten und eine Anfrage in der üblichen Form senden, wobei die Modell-ID auf diese Zeichenfolge gesetzt wird. Die Liste der unterstützten Parameter des Modells ist leer, es gibt also keine zusätzlichen Abstimmungsschrauben über das hinaus, was die Rerank-Anfrage selbst erfordert. Planen Sie, dass die Anfrage die Anfrage und die zu bewertenden Dokumente enthält, und erwarten Sie ein Reranking-Ergebnis statt generierter Prosa.

Eine Sache, die Sie abwägen sollten, ist, dass dies ein Reranker ist, kein Chat- oder Completion-Modell. Wenn Sie einen Assistenten benötigen, der Antworten schreibt, zusammenfasst oder Tools aufruft, ist ein generatives Modell die richtige Wahl, und dieses Modell würde nur als unterstützende Stufe davor dienen. Es ist außerdem nur Text, multimodales Retrieval liegt also außerhalb des Rahmens. Innerhalb dieser Grenzen richtet sich rerank-2.5-lite an Teams, die einen Reranker der zweiten Stufe mit niedriger Latenz und den von Voyage AI veröffentlichten Genauigkeitsansprüchen wollen.