重排序 - Alibaba Cloud Model Studio

重排序最能發揮價值的情境：當初始檢索返回 20-100+ 個相關度參差不齊的候選結果時，重排序的精度提升最為顯著。如果檢索已返回高度相關的結果（如精確關鍵詞匹配），則重排序的價值較小。典型的 RAG 流程：先通過 Embedding 檢索 50-100 個候選結果，再通過重排序篩選 Top 5-10，最後傳入大語言模型。

前提條件

請先擷取API Key並配置API Key到環境變數。如需使用 SDK，請安裝SDK。

重排序文檔

將查詢和候選文檔列表傳給 API，模型將按相關性對文檔進行排序後返回。

文本重排序（qwen3-rerank）

OpenAI 相容
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": "什麼是重排序模型",
    "documents": [
      "重排序模型廣泛應用於搜尋引擎和推薦系統，按相關性對候選文本進行排序",
      "量子計算是計算科學的前沿領域",
      "預訓練語言模型的發展為重排序模型帶來了新的進展"
    ],
    "top_n": 2
  },
  cast_to=object
)

print(results)

import dashscope
from http import HTTPStatus

dashscope.base_http_api_url = 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1'

resp = dashscope.TextReRank.call(
  model="qwen3-rerank",
  query="什麼是重排序模型",
  documents=[
    "重排序模型廣泛應用於搜尋引擎和推薦系統，按相關性對候選文本進行排序",
    "量子計算是計算科學的前沿領域",
    "預訓練語言模型的發展為重排序模型帶來了新的進展"
  ],
  top_n=2,
  return_documents=True
)

if resp.status_code == HTTPStatus.OK:
  print(resp)

多模態重排序（qwen3-vl-rerank）

qwen3-vl-rerank 支援文本、圖片和視頻的混合排序。查詢可以是文本或圖片，文檔可以包含文本、圖片和視頻。

多模態重排序需要使用 DashScope SDK 或 API，不支援 OpenAI 相容介面。

Python

import dashscope
from http import HTTPStatus
import json

# 以下為華北2（北京）地區的配置，調用時請將{WorkspaceId}替換為真實的業務空間ID，各地區的配置不同。
dashscope.base_http_api_url = 'https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1'

resp = dashscope.TextReRank.call(
  model="qwen3-vl-rerank",
  query={"text": "什麼是文本排序模型"},
  documents=[
    {"text": "文本排序模型廣泛用於搜尋引擎和推薦系統中"},
    {"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
)

if resp.status_code == HTTPStatus.OK:
  print(json.dumps(resp, default=str, ensure_ascii=False, indent=4))

核心功能

使用指令提升排序效果（instruct）

instruct 參數可以引導模型使用不同的排序策略。請使用英文編寫指令。

問答檢索（預設）："Given a web search query, retrieve relevant passages that answer the query." 側重於尋找答案。對於查詢"如何預防感冒？"，"勤洗手可預防感冒"的分數會高於"感冒是一種常見病"（主題相關但未回答問題）。
語義相似性："Retrieve semantically similar text." 側重於語義等價，不受措辭影響。例如："如何修改密碼？"可匹配"忘記密碼怎麼辦？"（FAQ 情境）。

未設定時，模型預設使用問答檢索策略。

OpenAI 相容

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": "如何修改密碼？",
    "documents": [
      "點擊設定 > 安全 > 修改密碼即可更新憑據",
      "忘記密碼怎麼辦？",
      "我們的平台支援雙因素認證"
    ],
    "instruct": "Retrieve semantically similar text."
}'

返回前 N 個結果（top_n）

使用 top_n 僅返回排名最高的文檔。如未設定，則返回按相關性排序的所有文檔。如果 top_n 超過文檔總數，則返回所有文檔。

模型概覽

gte-rerank模型將於2026年05月30日下線，推薦使用qwen3-rerank模型替代。

新加坡
北京

模型	最大文檔數	單條最大 Token 數	單次請求最大 Token 數	支援語言	適用情境
qwen3-rerank	500	4,000	120,000	100+ 語言	語義文本搜尋、RAG 應用

模型	最大文檔數	單條最大 Token 數	單次請求最大 Token 數	支援語言	適用情境
qwen3-rerank	500	4,000	120,000	33 種語言	語義文本搜尋、RAG 應用
qwen3-vl-rerank	文本：100 圖片：40 視頻：4	8,000	120,000	33 種語言	多模態搜尋結果重排序
gte-rerank-v2	500	4,000	30,000	50+ 語言	語義文本搜尋、RAG 應用

模型

最大文檔數

單條最大 Token 數

單次請求最大 Token 數

支援語言

適用情境

qwen3-rerank

500

4,000

120,000

33 種語言

語義文本搜尋、RAG 應用

qwen3-vl-rerank

文本：100

圖片：40

視頻：4

8,000

120,000

33 種語言

多模態搜尋結果重排序

gte-rerank-v2

500

4,000

30,000

50+ 語言

語義文本搜尋、RAG 應用

關鍵術語：

單條最大 Token 數：單條查詢或文檔的最大 Token 數。單條查詢或文檔的輸入超過該限制時，API 會傳回 HTTP 400 錯誤，不會截斷輸入內容。
單次請求最大文檔數：單次請求允許的最大文檔數量。對於 qwen3-vl-rerank 模型，該限制會根據文件類型（文本、圖片、視頻、混合模態）的不同而有所差異。
單次請求最大 Token 數：計算公式為 查詢 Token 數 x 文檔數量 + 所有文檔 Token 總數，該值不能超過單次請求上限。

API 參考

參見排序模型（Rerank）。

錯誤碼

如果調用失敗，請參見錯誤碼。

限流

請參見限流。

​前提條件

​重排序文檔

​文本重排序（qwen3-rerank）

​多模態重排序（qwen3-vl-rerank）

​核心功能

​使用指令提升排序效果（instruct）

​返回前 N 個結果（top_n）

​模型概覽

​API 參考

​錯誤碼

​限流

前提條件

重排序文檔

文本重排序（qwen3-rerank）

多模態重排序（qwen3-vl-rerank）

核心功能

使用指令提升排序效果（instruct）

返回前 N 個結果（top_n）

模型概覽

API 參考

錯誤碼

限流