Cohere: Rerank 4 Pro

कोहेयर: रीरैंक 4 प्रो कोहेयर का एक रीरैंकिंग मॉडल है, जिसे एक AI सर्च फाउंडेशन मॉडल के रूप में बनाया गया है। इसका काम सर्च और रिट्रीवल-ऑगमेंटेड जनरेशन सिस्टम्स में सामने आने वाली जानकारी की प्रासंगिकता को बेहतर बनाना है। टेक्स्ट जनरेट करने के बजाय, यह उम्मीदवार दस्तावेज़ों को स्कोर और पुनः क्रमित करता है ताकि सबसे प्रासंगिक दस्तावेज़ पहले दिखाई दें। इसे प्रदाता ने 2026-04-06 को जारी किया था और यह रीरैंक श्रेणी में आता है।

यह मॉडल इनपुट के रूप में टेक्स्ट लेता है और रीरैंक आउटपुट उत्पन्न करता है। इसकी कॉन्टेक्स्ट विंडो 32,768 टोकन है और अधिकतम आउटपुट 29,491 है, जो इसे एक ही पास में एक क्वेरी के साथ उम्मीदवार पैसेज के एक बड़े सेट पर विचार करने की गुंजाइश देता है। कोहेयर इसे बहुभाषी बताता है, जिसमें 100 से अधिक भाषाओं का समर्थन शामिल है, और इसके लिए किसी डेटा प्री-प्रोसेसिंग की आवश्यकता नहीं होती। यह संयोजन उन रिट्रीवल पाइपलाइनों के लिए मायने रखता है जहाँ दस्तावेज़ मिश्रित फॉर्मेट और भाषाओं में आते हैं और आप स्कोरिंग से पहले एक क्लीनिंग चरण नहीं बनाना चाहते।

व्यावहारिक उपयोग इन विशेषताओं से सीधे निकलता है। यदि आप एक सर्च सिस्टम या RAG पाइपलाइन चलाते हैं, तो आप रीरैंक 4 प्रो को प्रारंभिक रिट्रीवल चरण के बाद दूसरे चरण के रूप में उपयोग कर सकते हैं: एक तेज़ वेक्टर या कीवर्ड सर्च से उम्मीदवारों का एक व्यापक सेट निकालें, फिर मॉडल को उपयोगकर्ता या लैंग्वेज मॉडल तक पहुँचने से पहले क्वेरी के प्रति प्रासंगिकता के आधार पर उन्हें पुनः क्रमित करने दें। बहुभाषी कवरेज गैर-अंग्रेज़ी कॉर्पोरा के लिए भी यही दृष्टिकोण व्यावहारिक बनाता है, बिना प्रत्येक भाषा के लिए अलग पाइपलाइन बनाए रखने की आवश्यकता के, और आवश्यक प्री-प्रोसेसिंग का अभाव इनजेशन को सरल रखता है। सामान्य उपयोगों में एंटरप्राइज़ सर्च, डॉक्युमेंटेशन और सपोर्ट नॉलेज बेस, और कोई भी RAG सेटअप शामिल है जहाँ शीर्ष कुछ रिट्रीव्ड पैसेज की गुणवत्ता उत्तर की गुणवत्ता तय करती है।

आप इसे api14 के OpenAI-संगत API के माध्यम से मॉडल आईडी "cohere/rerank-4-pro" का उपयोग करके कॉल करते हैं। चूँकि एंडपॉइंट OpenAI फॉर्मेट का पालन करता है, आप अपने मौजूदा OpenAI-शैली क्लाइंट कोड को api14 की ओर इंगित कर सकते हैं और अपने इंटीग्रेशन को फिर से लिखने के बजाय मॉडल आईडी बदल सकते हैं। यह मॉडल मानक रिक्वेस्ट शेप के अलावा कोई अतिरिक्त समर्थित रिक्वेस्ट पैरामीटर उजागर नहीं करता, इसलिए कॉन्फ़िगर करने के लिए कोई विशेष ट्यूनिंग सतह नहीं है; आप अपनी क्वेरी और दस्तावेज़ भेजते हैं और रीरैंक परिणाम पढ़ते हैं।

एक बात ध्यान में रखनी चाहिए, वह है दायरा। यह एक रीरैंकिंग मॉडल है, चैट या टेक्स्ट जनरेशन मॉडल नहीं, इसलिए यह उत्तर नहीं लिखेगा या बातचीत नहीं करेगा। यदि आपका कार्य गद्य लिखना, सारांश बनाना, या सामग्री पर तर्क करना है, तो एक सामान्य लैंग्वेज मॉडल बेहतर फिट है, और रीरैंक 4 प्रो का सर्वोत्तम उपयोग उसके साथ, उसके सामने प्रासंगिकता परत के रूप में किया जाता है।