Cómo funciona Rerank 3?
Rerank 3 es un modelo de reclasificación para la segunda etapa de búsqueda: usted envía la consulta y los candidatos encontrados, y obtiene un orden donde lo relevante aparece primero. Según el proveedor, es un reemplazo directo de rerank-2.5 con un aumento del 0.80% en NDCG@10 en promedio según evaluaciones de dominio y 3.35% en documentos largos, por lo que no es necesario reescribir la integración. En BotHub, el modelo está conectado a una API única compatible con OpenAI junto con más de 250 modelos, disponible sin VPN ni tarjeta extranjera, con pago en rublos según uso. Escenarios: asistentes RAG para bases de conocimiento internas, búsqueda en soporte y sitios web, selección de respuestas para contratos largos, resultados en tiendas online. Para equipos, ofrecemos contrato, factura, intercambio electrónico de documentos y límites en el panel de administración.Preguntas frecuentes sobre Rerank 3
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.
rerank-3 es un modelo de clasificación de MongoDB: compara la consulta con documentos y reordena los resultados por relevancia. Se utiliza como segunda etapa sobre la búsqueda convencional, en sistemas RAG y al seleccionar fragmentos, para asegurar que lo más relevante aparezca primero. Contexto: hasta 32 000 tokens.
No escribe texto terminado: usted obtiene puntuaciones de relevancia y una lista ordenada de fragmentos. El contexto de entrada es de hasta 32 000 tokens, y el límite de salida en nuestros datos es de hasta 28 800 tokens, pero se utiliza para el resultado de la clasificación, no para texto coherente.
No hay indicios de razonamiento previo en nuestros datos, y el modelo no lo necesita para su tarea: no reflexiona en voz alta, sino que compara directamente la consulta con los documentos y establece el orden de relevancia. Si necesita explicaciones paso a paso, es mejor obtenerlas de un modelo generativo.
No hay confirmación de llamadas a funciones o salida estructurada en nuestros datos, por lo que no podemos afirmarlo. En la práctica, el modelo no devuelve texto arbitrario, sino el resultado de la clasificación: el orden de los fragmentos y las puntuaciones de relevancia que usted recibe a través de la API. Verifique el formato exacto de respuesta en la documentación.
No hay indicios de que acepte algo más que texto en nuestros datos. El modelo trabaja con texto: la consulta y los documentos se envían como texto, y evalúa qué tan bien coinciden. Para imágenes, audio y video, necesitará un modelo diferente de otra clase.
No hay evaluaciones de calidad para el idioma ruso en nuestros datos, por lo que no podemos hacer promesas concretas. La falta de esta indicación no significa que el idioma no sea compatible: pruebe el modelo con sus propios pares reales de 'consulta-fragmento' y compare el orden de los resultados con el esperado antes de ponerlo en producción.