VoyageAI by MongoDB: rerank-2.5-lite

VoyageAI by MongoDB: rerank-2.5-lite is een reranking-model van Voyage AI, een provider wiens reranking-familie nu deel uitmaakt van MongoDB. Het valt in de rerank-categorie, dus het doel is niet om tekst te genereren, maar om een set kandidaat-documenten te nemen en deze te herordenen op relevantie voor een query. De provider heeft het uitgebracht op 2026-07-27. Als je een retrieval-pipeline bouwt en al een eerste ronde resultaten hebt uit een vector- of zoekopdracht op trefwoorden, dan is dit model de tweede fase die bepaalt welke van die resultaten daadwerkelijk bovenaan horen.

Het model accepteert tekstinvoer en produceert een reranking-uitvoer. Het heeft een contextlengte van 32000 tokens en een maximale uitvoer van 28800. Alleen tekst wordt ondersteund aan de invoerzijde, dus er is hier geen beeld- of audiostreamverwerking. De provider stelt dat rerank-2.5-lite is geoptimaliseerd voor zowel latentie als kwaliteit, en dat het een verbetering van 7.16% in retrieval-nauwkeurigheid levert ten opzichte van Cohere Rerank v3.5 over 93 datasets. De provider stelt ook dat het beter presteerde dan Cohere Rerank v3.5, het vergelijkingspunt dat Voyage AI koos om te publiceren.

Die capaciteiten wijzen op een vrij specifieke set toepassingen. De voor de hand liggende is zoeken: neem de top 50 of 100 treffers uit een eerste-fase-retriever, haal ze door dit model met de gebruikersquery, en houd alleen de hoogst scorende paar over voor het antwoord of de volgende stap. Hetzelfde patroon geldt voor retrieval augmented generation, waar een reranker de hoeveelheid irrelevante context vermindert die naar een generatormodel wordt gestuurd. Het past ook bij documentranking-taken, zoals het ordenen van artikelen uit een interne kennisbank of supporttickets tegen een natuurlijketaalquery, en bij elke pipeline waar precisie bovenaan een lijst belangrijker is dan ruwe recall.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "voyageai/rerank-2.5-lite". Omdat het endpoint het OpenAI-schema volgt, kun je een bestaande OpenAI-client op api14 richten en een verzoek in de gebruikelijke vorm sturen, met het model-id ingesteld op die string. De lijst met ondersteunde parameters van het model is leeg, dus er zijn geen extra afstemknoppen in te stellen naast wat het rerank-verzoek zelf vereist. Reken erop dat het verzoek de query en de te scoren documenten bevat, en verwacht een reranking-resultaat in plaats van gegenereerd proza.

Eén ding om af te wegen is dat dit een reranker is, geen chat- of completion-model. Als je een assistent nodig hebt die antwoorden schrijft, samenvattingen maakt of tools aanroept, dan is een generatief model de juiste keuze, en dit model zou alleen dienen als ondersteunende fase ervoor. Het is ook alleen tekst, dus multimodale retrieval valt buiten bereik. Binnen die grenzen is rerank-2.5-lite gericht op teams die een tweede-fase-reranker met lage latentie willen met de nauwkeurigheidsclaims die Voyage AI publiceert.