हम cookies इस्तेमाल करते हैं. Cookies और ब्राउज़र स्टोरेज आपको साइन इन रखते हैं और आपकी प्राथमिकताएं याद रखते हैं। आपकी अनुमति से हम यह भी मापते हैं कि साइट कैसे इस्तेमाल होती है। आप कभी भी । हमारी cookie नीति देखें।
mongodb/rerank-2.5-liteऊपर दी गई कीमतों पर आपके बैलेंस से चलता है। नए अकाउंट मुफ्त उपयोग से शुरू होते हैं।
सेटिंग्स
VoyageAI by MongoDB: rerank-2.5-lite, VoyageAI by MongoDB का एक रीरैंकिंग मॉडल है। यह rerank श्रेणी में आता है, जिसका अर्थ है कि इसका काम नया टेक्स्ट बनाना नहीं, बल्कि उम्मीदवार दस्तावेज़ों के एक सेट को लेकर उन्हें किसी क्वेरी से प्रासंगिकता के आधार पर फिर से क्रम में लगाना है। इसे प्रदाता ने 2026-07-27 को जारी किया था।
मॉडल इनपुट के रूप में टेक्स्ट लेता है और rerank आउटपुट देता है, इसलिए आप इसे एक क्वेरी के साथ वे दस्तावेज़ भेजते हैं जिन्हें आप स्कोर कराना चाहते हैं और यह उन्हें अधिक उपयोगी क्रम में लौटाता है। इसकी context length 32000 tokens है और अधिकतम आउटपुट 28800 है। चूंकि यह केवल टेक्स्ट पर काम करता है, इसलिए रैंक करने के लिए आपके द्वारा दिए जाने वाले किसी भी उम्मीदवार पैसेज को टेक्स्ट के रूप में देना होगा। प्रदाता इसे latency और quality दोनों के लिए अनुकूलित reranker बताता है, और 93 datasets पर Cohere Rerank v3.5 की तुलना में retrieval accuracy में 7.16% सुधार दर्ज करता है, साथ ही Cohere Rerank v3.5 से बेहतर प्रदर्शन करता है।
व्यावहारिक उपयोग इसी से निकलता है। यदि आप पहले से एक retrieval चरण चलाते हैं, चाहे वह vector search हो, keyword search हो या दोनों का hybrid हो, तो यह मॉडल उसके बाद बैठकर शीर्ष उम्मीदवारों को आपके एप्लिकेशन या आपके language model तक पहुंचने से पहले फिर से क्रम में लगा सकता है। यह तब मदद करता है जब पहला चरण संभावित लेकिन अपूर्ण क्रम वाले परिणाम लौटाता है, जो documentation, support tickets, product catalogues या internal knowledge bases पर search में आम है। यह retrieval augmented generation pipelines में भी उपयोगी है, जहां prompt के शीर्ष के पास रखे गए passages की गुणवत्ता का सीधा असर उत्तर पर पड़ता है, और evaluation कार्य में भी जहां आप उम्मीदवारों के एक निश्चित सेट पर एक सुसंगत relevance क्रम चाहते हैं। latency पर जोर इसे तब उचित विकल्प बनाता है जब reranking batch job के बजाय request path पर हो रही हो।
आप इसे api14 के OpenAI-compatible API के माध्यम से model id "mongodb/rerank-2.5-lite" का उपयोग करके कॉल करते हैं। चूंकि endpoint OpenAI प्रारूप का पालन करता है, आप base URL बदलकर और अपनी api14 key देकर किसी मौजूदा OpenAI client को api14 की ओर इंगित कर सकते हैं, फिर अपने अनुरोध में model id पास कर सकते हैं। इस मॉडल के लिए कोई अतिरिक्त request parameters समर्थित नहीं हैं, इसलिए अपनी कॉल्स को endpoint द्वारा स्वीकार किए जाने वाले मानक फ़ील्ड्स तक सीमित रखें, बजाय custom truncation या instruction settings जैसे provider specific विकल्पों पर निर्भर रहने के।
इनपुट जोड़ते समय context length का ध्यान रखें: क्वेरी और आपके द्वारा सबमिट किए गए दस्तावेज़ 32000 token के बजट को साझा करते हैं, इसलिए बहुत बड़े उम्मीदवार सेटों को भेजने से पहले छोटा करना या विभाजित करना आवश्यक है। यदि आपका कार्य टेक्स्ट को क्रम में लगाने के बजाय टेक्स्ट बनाना है, तो chat या completion मॉडल सही उपकरण है, और यदि आपको images या अन्य non-text इनपुट रैंक करने हैं, तो यह मॉडल उसको कवर नहीं करता।
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);
इस कम्युनिटी में अभी कोई टॉपिक नहीं है। VoyageAI by MongoDB: rerank-2.5-lite के बारे में पहला टॉपिक खोलें।