VoyageAI by MongoDB: rerank-2.5-lite

VoyageAI di MongoDB: rerank-2.5-lite è un modello di reranking di Voyage AI, un provider la cui famiglia di reranking ora fa parte di MongoDB. Si colloca nella categoria rerank, quindi il suo compito non è generare testo ma prendere un insieme di documenti candidati e riordinarli in base alla rilevanza rispetto a una query. Il provider lo ha rilasciato il 2026-07-27. Se stai costruendo una pipeline di retrieval e hai già una prima passata di risultati da una ricerca vettoriale o per parole chiave, questo modello è il secondo stadio che decide quali di quei risultati appartengono davvero in cima.

Il modello accetta input testuale e produce un output di reranking. Ha una lunghezza di contesto di 32000 token e un output massimo di 28800. Sul lato input è supportato solo il testo, quindi non c'è gestione di immagini o audio. Il provider dichiara che rerank-2.5-lite è ottimizzato sia per la latenza sia per la qualità, e che offre un miglioramento del 7.16% nell'accuratezza del retrieval rispetto a Cohere Rerank v3.5 su 93 dataset. Il provider dichiara inoltre che ha superato Cohere Rerank v3.5, che è il punto di confronto che Voyage AI ha scelto di pubblicare.

Queste capacità indicano un insieme di utilizzi piuttosto specifico. Quello ovvio è la ricerca: prendi i primi 50 o 100 risultati da un retriever di primo stadio, passali attraverso questo modello insieme alla query dell'utente e conserva solo i pochi con il punteggio più alto per la risposta o per il passo successivo. Lo stesso schema si applica alla retrieval augmented generation, dove un reranker riduce la quantità di contesto irrilevante inviata a un modello generatore. Si adatta anche a compiti di ranking di documenti, come ordinare articoli di una knowledge base interna o ticket di supporto rispetto a una query in linguaggio naturale, e a qualsiasi pipeline in cui la precisione in cima a una lista conta più del recall grezzo.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "voyageai/rerank-2.5-lite". Poiché l'endpoint segue lo schema OpenAI, puoi puntare un client OpenAI esistente su api14 e inviare una richiesta nella forma usuale, con il model id impostato su quella stringa. La lista dei parametri supportati dal modello è vuota, quindi non ci sono manopole di tuning extra da impostare oltre a ciò che richiede la richiesta di rerank stessa. Prevedi che la richiesta contenga la query e i documenti da valutare, e aspettati un risultato di reranking invece di prosa generata.

Una cosa da valutare è che questo è un reranker, non un modello di chat o completion. Se ti serve un assistente che scrive risposte, riassume o chiama strumenti, un modello generativo è la scelta giusta, e questo modello servirebbe solo come stadio di supporto davanti ad esso. È anche solo testuale, quindi il retrieval multimodale è fuori ambito. Entro questi limiti, rerank-2.5-lite è pensato per team che vogliono un reranker di secondo stadio a bassa latenza con le dichiarazioni di accuratezza che Voyage AI pubblica.