Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.
mongodb/rerank-2.5-liteKorzysta z Twojego salda według powyższych cen. Nowe konta zaczynają z darmowym użyciem.
Ustawienia
VoyageAI by MongoDB: rerank-2.5-lite to model rerankingu od VoyageAI by MongoDB. Należy do kategorii rerank, co oznacza, że jego zadaniem jest przyjęcie zestawu dokumentów kandydujących i uporządkowanie ich według trafności względem zapytania, a nie generowanie nowego tekstu. Został udostępniony przez dostawcę 2026-07-27.
Model przyjmuje tekst jako dane wejściowe i zwraca wynik rerankingu, więc wysyłasz mu zapytanie wraz z dokumentami, które chcesz ocenić, a on zwraca je w bardziej użytecznej kolejności. Ma długość kontekstu 32000 tokenów i maksymalne wyjście 28800. Ponieważ działa tylko na tekście, wszelkie fragmenty kandydujące, które chcesz uszeregować, muszą być dostarczone jako tekst. Dostawca opisuje go jako reranker zoptymalizowany zarówno pod kątem opóźnienia, jak i jakości, i podaje 7.16% poprawy dokładności wyszukiwania względem Cohere Rerank v3.5 w 93 zbiorach danych, a także przewyższanie Cohere Rerank v3.5.
Praktyczne zastosowanie wynika z powyższego. Jeśli już prowadzisz etap wyszukiwania, czy to wyszukiwanie wektorowe, wyszukiwanie słów kluczowych, czy hybrydę obu, ten model może działać po nim i zmieniać kolejność najlepszych kandydatów, zanim trafią do twojej aplikacji lub twojego modelu językowego. Pomaga to, gdy pierwszy etap zwraca wyniki prawdopodobne, ale niedoskonale uporządkowane, co jest częste w wyszukiwaniu w dokumentacji, zgłoszeniach wsparcia, katalogach produktów lub wewnętrznych bazach wiedzy. Jest również przydatny w potokach generowania wspomaganego wyszukiwaniem, gdzie jakość fragmentów umieszczonych blisko początku promptu ma bezpośredni wpływ na odpowiedź, oraz w pracy ewaluacyjnej, gdzie chcesz spójnego uporządkowania według trafności w ustalonym zestawie kandydatów. Nacisk na opóźnienie czyni go rozsądnym wyborem, gdy reranking odbywa się na ścieżce żądania, a nie w zadaniu wsadowym.
Wywołujesz go przez API zgodne z OpenAI w api14, używając identyfikatora modelu "mongodb/rerank-2.5-lite". Ponieważ endpoint jest zgodny z formatem OpenAI, możesz skierować istniejącego klienta OpenAI na api14, zmieniając bazowy URL i podając swój klucz api14, a następnie przekazać identyfikator modelu w żądaniu. Dla tego modelu nie są obsługiwane żadne dodatkowe parametry żądania, więc ogranicz wywołania do standardowych pól akceptowanych przez endpoint, zamiast polegać na opcjach specyficznych dla dostawcy, takich jak niestandardowe obcinanie lub ustawienia instrukcji.
Pamiętaj o długości kontekstu podczas składania danych wejściowych: zapytanie i dokumenty, które przesyłasz, dzielą budżet 32000 tokenów, więc bardzo duże zestawy kandydatów trzeba przyciąć lub podzielić przed wysłaniem. Jeśli twoim zadaniem jest generowanie tekstu, a nie jego porządkowanie, właściwym narzędziem jest zamiast tego model czatu lub uzupełniania, a jeśli musisz uszeregować obrazy lub inne dane wejściowe inne niż tekst, ten model tego nie obejmuje.
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);
Ta społeczność nie ma jeszcze wątków. Załóż pierwszy wątek o VoyageAI by MongoDB: rerank-2.5-lite.