Skip to main content

Rerank

Un modelo de reordenamiento vuelve a puntuar los documentos recuperados y promueve los resultados más relevantes, mejorando la precisión de la búsqueda cuando la recuperación inicial prioriza la velocidad sobre la exactitud.

Cuándo aporta más valor el reordenamiento: El reordenamiento funciona mejor cuando la recuperación inicial devuelve entre 20 y más de 100 candidatos con relevancia mixta, y aporta poco cuando los resultados ya son precisos (como coincidencias exactas de palabras clave). Un flujo de trabajo RAG típico recupera entre 50 y 100 candidatos con un modelo de incrustación y luego los reordena para seleccionar los 5–10 mejores para un modelo de lenguaje grande.

Requisitos previos

Obtenga una clave de API, configúrela como variable de entorno e instale el SDK.

Reordenar documentos

Pase una consulta y una lista de documentos candidatos a la API. El modelo devuelve los documentos ordenados por relevancia.

Reordenamiento de texto (qwen3-rerank)

  • Compatible con OpenAI
  • DashScope
import os
from openai import OpenAI

client = OpenAI(
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  base_url="https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-api/v1",
)

results = client.post(
  "/reranks",
  body={
    "model": "qwen3-rerank",
    "query": "What is a reranking model?",
    "documents": [
      "Reranking models are widely used in search engines and recommendation systems to sort candidate texts by relevance.",
      "Quantum computing is a cutting-edge field in computer science.",
      "The development of pretrained language models has led to new advancements in reranking models."
    ],
    "top_n": 2
  },
  cast_to=object
)

print(results)

Reordenamiento multimodal (qwen3-vl-rerank)

El modelo qwen3-vl-rerank reordena texto, imágenes y videos. La consulta puede ser texto o una imagen, y los documentos pueden contener cualquier combinación de estas modalidades.
El reordenamiento multimodal solo está disponible a través del SDK o la API de DashScope, no mediante el endpoint compatible con OpenAI.
Python
import os
import dashscope
import json

# La siguiente configuración corresponde a la región de China (Pekín). Sustituya {WorkspaceId} por el ID real de su espacio de trabajo. El valor de region varía según la región.
client = dashscope.Client(
  # Si no se ha configurado la variable de entorno, sustituya la siguiente línea por su API Key de Model Studio: api_key="sk-xxx"
  # Las API Key son específicas de cada región. Para obtener una API Key, consulte https://www.alibabacloud.com/help/model-studio/get-api-key
  api_key=os.getenv("DASHSCOPE_API_KEY"),
  workspace="{WorkspaceId}",
  region="cn-beijing",
)

resp = client.rerank.create(
  model="qwen3-vl-rerank",
  query={"text": "What is a text reranking model"},
  documents=[
    {"text": "Text reranking models are widely used in search engines and recommender systems."},
    {"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
    {"video": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250107/lbcemt/new+video.mp4"}
  ],
  top_n=2,
  return_documents=True
)

print(json.dumps(resp.model_dump(), ensure_ascii=False, indent=4))

Características principales

Reordenamiento con instrucciones (instruct)

El parámetro instruct establece la estrategia de clasificación. Escriba las instrucciones en inglés.
  • Recuperación de respuestas a preguntas (predeterminado): "Given a web search query, retrieve relevant passages that answer the query." Se centra en encontrar respuestas. Para "¿Cómo prevenir un resfriado?", "Lavarse las manos con frecuencia puede prevenir resfriados" obtiene una puntuación más alta que "Un resfriado es una enfermedad común", que es relevante temáticamente pero no es una respuesta.
  • Similitud semántica: "Retrieve semantically similar text." Se centra en la equivalencia semántica y es robusto ante diferencias de redacción. "¿Cómo cambio mi contraseña?" coincide con "¿Qué pasa si olvidé mi contraseña?", lo cual es útil para la deduplicación de preguntas frecuentes.
Si no se configura, el valor predeterminado es la recuperación de respuestas a preguntas.
OpenAI compatible
curl --request POST \
  --url https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-api/v1/reranks \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "model": "qwen3-rerank",
    "query": "How do I change my password?",
    "documents": [
      "Go to Settings > Security > Change Password to update your credentials.",
      "What if I forgot my password?",
      "Our platform supports two-factor authentication."
    ],
    "instruct": "Retrieve semantically similar text."
}'

Devolver los N mejores resultados (top_n)

Utilice top_n para devolver solo los documentos mejor clasificados. Si top_n no está configurado, se devuelven todos los documentos ordenados por relevancia. Si top_n supera el recuento de documentos de entrada, se devuelven todos los documentos.

Resumen de modelos

El modelo gte-rerank se descontinuó el 30 de mayo de 2026. Cambie a qwen3-rerank.
  • Singapore
  • Beijing

Modelo

Máximo de documentos

Máximo de tokens por documento

Máximo de tokens por solicitud

Idiomas admitidos

Casos de uso

qwen3-rerank

500

32,768

120,000

100+ idiomas

Búsqueda semántica de texto, aplicaciones RAG

Términos clave:
  • Máximo de tokens por documento: Máximo de tokens para una sola consulta o documento. Si una consulta o documento excede este límite, la API devuelve un error HTTP 400 y no trunca la entrada.
  • Máximo de documentos: Número máximo de documentos por solicitud. Para qwen3-vl-rerank, este límite varía según el tipo de documento (texto, imagen, video o mixto).
  • Máximo de tokens por solicitud: Se calcula como Query Tokens × Number of Documents + Total Document Tokens.

Referencia de API

Referencia de la API Rerank.

Códigos de error

Si una llamada falla, consulte Códigos de error.

Limitación de tasa

Limitación de tasa.