模型市场

Qwen-Rerank

复制成功！
加入对比
向量

概述

向量

gte-rerank-v2是通义实验室研发的多语言文本统一排序模型，面向全球多个主流语种，提供高水平的文本排序服务。通常用于语义检索、RAG等场景，可以简单、有效地提升文本检索的效果。给定查询 (Query) 和一系列候选文本 (documents)，模型会根据与查询的语义相关性从高到低对候选文本进行排序。

输入

文本

输出

文本

功能

前缀补全

您可在调用通义千问 API 时启用 Partial Mode，确保模型严格基于您的起始文本进行生成。查看文档

函数调用

您可以使用 函数调用 功能，通过引入外部工具，使得大模型可以与外部世界进行交互。查看文档

缓存

Context Cache 技术会缓存长上下文请求的公共前缀，减少推理时的重复计算，提升响应速度同时降低您的使用成本。查看文档

结构化输出

开启结构化输出功能可以确保大模型输出标准格式的 JSON 字符串。查看文档

批量任务

联网搜索

启用联网检索功能后，模型将基于实时检索数据进行回复。查看文档

微调

定价

  • 文本输入
    ¥0.8/M tokens

速率限制与上下文

  • 最大输入
    30K
  • 最大输出
    0
  • RPM每分钟请求数
    5.04K
  • TPM每分钟 Token 数
    4.98B
  • 上下文
    30K

API 参考

获取 API Key
复制成功！
1234567891011121314
curl --location 'https://dashscope.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "gte-rerank-v2",
    "query": "什么是文本排序模型",
    "documents": [
        "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
        "量子计算是计算科学的一个前沿领域",
        "预训练语言模型的发展给文本排序模型带来了新的进展"
    ],
    "top_n": 5,
    "return_documents": true
}'