Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.

qwen3-reranker-8b es un reranker: no escribe texto, sino que evalúa cuánto responde un documento a una consulta. Se coloca como segunda etapa de búsqueda después de una base vectorial como Qdrant o pgvector, para reordenar a los candidatos y enviar al RAG solo los fragmentos más relevantes. Es adecuado para búsqueda semántica, selecciones y recomendaciones.

Ninguno en el sentido habitual: no es un modelo generativo. Como salida, obtienes puntuaciones de relevancia con las que se establece el orden de los documentos. En nuestros datos, el límite de salida es de 4096 tokens, y la longitud del par consulta-documento está limitada por un contexto de 4095 tokens. Si necesitas texto coherente, conecta un modelo generativo en la misma ventana.

En nuestros datos, el modo de razonamiento no está marcado para qwen3-reranker-8b, y normalmente no es necesario para un reranker: el modelo compara la consulta con el documento y devuelve una puntuación de relevancia. La lógica y la explicación las construye el modelo generativo al que le pasas los fragmentos seleccionados.

En nuestros datos, la llamada a funciones y la salida estructurada no están marcadas. En la práctica, el reranker se invoca como un paso separado del pipeline: envías la consulta y la lista de documentos, obtienes las puntuaciones y tú mismo las organizas en la estructura necesaria. La conexión se realiza a través de la API de BotHub, compatible con OpenAI.

La recepción de archivos distintos al texto no está marcada en nuestros datos, así que cuenta con pares de texto: consulta y fragmentos de documentos. Si necesitas imágenes, audio o video en el pipeline, cambia a un modelo adecuado en la misma ventana; no tendrás que reescribir la integración.

El idioma de las consultas y documentos no está fijado en nuestros datos, por lo que no prometeremos precisión en ruso. La línea Qwen3 se desarrolla como multilingüe, pero es más correcto probar el reranker en tu propio corpus: recopila una muestra de consultas en ruso y compara el orden de los resultados antes y después.