Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.
mongodb/rerank-2.5-liteUsa o seu saldo, aos preços acima. Novas contas começam com uso grátis.
Configurações
VoyageAI by MongoDB: rerank-2.5-lite é um modelo de reranking da VoyageAI by MongoDB. Enquadra-se na categoria rerank, o que significa que a sua função é receber um conjunto de documentos candidatos e reordená-los por relevância em relação a uma consulta, em vez de gerar novo texto. Foi lançado pelo fornecedor em 2026-07-27.
O modelo aceita texto como entrada e produz uma saída de rerank, pelo que lhe envia uma consulta juntamente com os documentos que pretende pontuar e ele devolve-os numa ordem mais útil. Tem um comprimento de contexto de 32000 tokens e uma saída máxima de 28800. Como funciona apenas com texto, quaisquer passagens candidatas que pretenda classificar têm de ser fornecidas como texto. O fornecedor descreve-o como um reranker otimizado tanto para latência como para qualidade, e reporta uma melhoria de 7,16% na precisão de recuperação em relação ao Cohere Rerank v3.5 em 93 conjuntos de dados, além de superar o Cohere Rerank v3.5.
O encaixe prático decorre daí. Se já executa uma etapa de recuperação, seja pesquisa vetorial, pesquisa por palavras-chave ou um híbrido das duas, este modelo pode ficar depois dela e reordenar os principais candidatos antes de chegarem à sua aplicação ou ao seu modelo de linguagem. Isso ajuda quando a primeira etapa devolve resultados plausíveis mas com ordenação imperfeita, o que é comum em pesquisa sobre documentação, tickets de suporte, catálogos de produtos ou bases de conhecimento internas. Também é útil em pipelines de geração aumentada por recuperação, onde a qualidade das passagens colocadas perto do topo do prompt tem um efeito direto na resposta, e em trabalho de avaliação onde pretende uma ordenação de relevância consistente num conjunto fixo de candidatos. A ênfase na latência torna-o uma escolha razoável quando o reranking acontece no caminho do pedido em vez de num trabalho em lote.
Chama-o através da API compatível com OpenAI da api14 usando o id de modelo "mongodb/rerank-2.5-lite". Como o endpoint segue o formato OpenAI, pode apontar um cliente OpenAI existente para a api14 alterando o URL base e fornecendo a sua chave api14, e depois passar o id de modelo no seu pedido. Não são suportados parâmetros de pedido adicionais para este modelo, por isso mantenha as suas chamadas aos campos padrão que o endpoint aceita em vez de depender de opções específicas do fornecedor, como definições personalizadas de truncagem ou de instruções.
Tenha em conta o comprimento de contexto ao montar as entradas: a consulta e os documentos que submete partilham o orçamento de 32000 tokens, por isso conjuntos de candidatos muito grandes precisam de ser reduzidos ou divididos antes de os enviar. Se a sua tarefa é gerar texto em vez de o ordenar, um modelo de chat ou de completion é a ferramenta certa, e se precisa de classificar imagens ou outras entradas que não sejam texto, este modelo não cobre isso.
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);
Esta comunidade ainda não tem tópicos. Abra o primeiro sobre VoyageAI by MongoDB: rerank-2.5-lite.