Cohere: Rerank v3.5

Cohere: Rerank v3.5 es un modelo de reranking de Cohere, listado bajo la categoría rerank. Está hecho por Cohere y se identifica en api14 mediante el id de modelo cohere/rerank-v3.5. En lugar de generar texto libre, el modelo está construido para reordenar resultados de búsqueda de modo que los elementos más relevantes aparezcan primero.

El modelo toma texto como entrada y produce una salida de rerank. Su longitud de contexto es de 4096 tokens, y la salida máxima es de 3686. Cohere describe Rerank v3.5 como diseñado para reordenar resultados de búsqueda para mejorar la relevancia, con soporte para reranking de datos multiaspecto y semiestructurados en más de 100 idiomas. Trabaja sobre entrada de texto y devuelve resultados reordenados en lugar de prosa, lo que determina cómo deberías esperar integrarlo.

Los casos de uso prácticos se derivan directamente de ese comportamiento. Rerank v3.5 es adecuado para refinar resultados de búsqueda semántica o por palabras clave, donde un paso inicial de recuperación devuelve un conjunto de candidatos y el reranker reordena esos candidatos por relevancia. Debido a que maneja datos multiaspecto y semiestructurados y cubre más de 100 idiomas, puede usarse en canalizaciones de búsqueda multilingües y en configuraciones donde los registros llevan varios campos o atributos que importan para la relevancia. Los patrones comunes incluyen mejorar el orden de los documentos devueltos por una búsqueda vectorial o una búsqueda por palabras clave antes de que esos resultados se muestren a un usuario o se pasen a otro paso.

Llamas al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo cohere/rerank-v3.5. Según los metadatos del modelo, la lista de parámetros soportados está vacía, por lo que no hay parámetros de solicitud más allá de lo que la propia API requiere documentados para este modelo. Planifica tu integración en torno al id de modelo y al flujo de entrada de texto a salida de rerank, y no asumas que hay disponibles parámetros ajustables de muestreo o similares.

Dada la longitud de contexto de 4096 tokens y la salida solo de rerank, este modelo encaja en tareas de recuperación y ordenación en lugar de generación, resumen o chat. Si necesitas un modelo que escriba texto, mantenga una conversación larga o maneje entradas que no sean texto, un modelo diferente en api14 encajaría mejor.