VoyageAI by MongoDB: rerank-2.5-lite

VoyageAI par MongoDB : rerank-2.5-lite est un modèle de reranking de Voyage AI, un fournisseur dont la famille de reranking fait désormais partie de MongoDB. Il appartient à la catégorie rerank, donc son rôle n'est pas de générer du texte mais de prendre un ensemble de documents candidats et de les réordonner par pertinence vis-à-vis d'une requête. Le fournisseur l'a publié le 2026-07-27. Si vous construisez un pipeline de retrieval et disposez déjà d'une première passe de résultats issue d'une recherche vectorielle ou par mots-clés, ce modèle est la seconde étape qui décide lesquels de ces résultats méritent réellement d'être en tête.

Le modèle accepte du texte en entrée et produit une sortie de reranking. Il a une longueur de contexte de 32000 tokens et une sortie maximale de 28800. Seul le texte est pris en charge côté entrée, donc aucun traitement d'image ou d'audio ici. Le fournisseur indique que rerank-2.5-lite est optimisé à la fois pour la latence et la qualité, et qu'il apporte une amélioration de 7.16% de la précision de retrieval par rapport à Cohere Rerank v3.5 sur 93 jeux de données. Le fournisseur indique aussi qu'il surpasse Cohere Rerank v3.5, qui est le point de comparaison que Voyage AI a choisi de publier.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Le plus évident est la recherche : prenez les 50 ou 100 meilleurs résultats d'un retriever de première étape, faites-les passer dans ce modèle avec la requête de l'utilisateur, et ne conservez que les quelques meilleurs scores pour la réponse ou l'étape suivante. Le même schéma s'applique à la génération augmentée par retrieval, où un reranker réduit la quantité de contexte non pertinent envoyé à un modèle générateur. Il convient aussi aux tâches de classement de documents, comme ordonner des articles d'une base de connaissances interne ou des tickets de support par rapport à une requête en langage naturel, et à tout pipeline où la précision en tête de liste compte plus que le rappel brut.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'id de modèle "voyageai/rerank-2.5-lite". Comme le point d'accès suit le schéma OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et envoyer une requête sous la forme habituelle, avec l'id de modèle défini sur cette chaîne. La liste des paramètres pris en charge par le modèle est vide, donc il n'y a pas de réglages supplémentaires à définir au-delà de ce que la requête de rerank elle-même exige. Prévoyez que la requête transporte la requête et les documents à scorer, et attendez-vous à un résultat de reranking plutôt qu'à de la prose générée.

Un point à peser est qu'il s'agit d'un reranker, pas d'un modèle de chat ou de complétion. Si vous avez besoin d'un assistant qui rédige des réponses, résume ou appelle des outils, un modèle génératif est le bon choix, et ce modèle ne servirait que d'étape de support en amont. Il est aussi uniquement textuel, donc le retrieval multimodal est hors périmètre. Dans ces limites, rerank-2.5-lite vise les équipes qui veulent un reranker de seconde étape à faible latence avec les affirmations de précision que Voyage AI publie.