Qwen-Rerank

复制成功！

加入对比

概述

基于 Qwen3.7底座训练的多语言通用文本重排序模型。相较 Qwen3-rerank，在通用与 Web 检索、代码检索、指令遵循、Agentic 与 Memory 检索等方面大幅提升；在 MTEB、websearch 等评测任务上均取得更优效果，其中 websearch 相对提升约 35%。

输入

文本

输出

文本

功能

前缀补全

调用通义千问 API 时启用 Partial Mode，可让模型严格接续您提供的前缀文本进行生成。查看文档

函数调用

通过函数调用将大模型与外部工具和系统连接起来。查看文档

缓存

Context Cache 会缓存长上下文请求的公共前缀，减少重复计算、提升响应速度并降低成本。查看文档

结构化输出

结构化输出可确保模型返回符合预期格式的 JSON 字符串。查看文档

批量任务

异步批量处理请求，降低调用成本。查看文档

联网搜索

启用联网搜索后，模型可基于实时检索的数据进行回答。查看文档

微调

基于样本数据训练模型，使其更适配特定任务。查看文档

定价

文本输入
¥0.5/M tokens

速率限制与上下文

最大输入
32K
上下文
32K
TPM每分钟 Token 数
9M
RPM每分钟请求数
3K

API 参考

调用API

复制成功！

123456789101112131415161718

curl --location 'https://maas.qianwenaiapi.com/api/v1/services/rerank/text-rerank/text-rerank' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen3.7-text-rerank",
    "input": {
        "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"
        ]
    },
    "parameters": {
        "top_n": 5,
        "return_documents": true
    }
}'