Cómo funciona Rerank 4 Pro?
Rerank 4 Pro es un modelo de ranking de Cohere para búsqueda y RAG: reordena los fragmentos encontrados por relevancia, funciona con una ventana de contexto de 32K tokens y admite más de 100 idiomas. No requiere preprocesamiento de datos: los documentos se envían al modelo tal como están en su base de datos. En BotHub, el modelo se invoca a través de una API única compatible con OpenAI: cambie el nombre del modelo en la solicitud y compare los resultados con otros sin reescribir la integración. Acceso desde Rusia sin VPN ni tarjeta extranjera, pago en rublos según uso, los tokens no caducan. Escenarios: mejora de resultados de búsqueda corporativa en documentación interna, aumento de la precisión de respuestas de asistentes RAG, selección de fragmentos relevantes antes de enviarlos al modelo de lenguaje, análisis de catálogos multilingües y soporte para pipelines de investigación.Preguntas frecuentes sobre Rerank 4 Pro
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.
Es un reranker: no escribe respuestas, sino que evalúa la relevancia del par «consulta-documento» y reordena los fragmentos encontrados por orden de pertinencia. Es adecuado para mejorar la búsqueda y los sistemas RAG: toma los mejores candidatos de una búsqueda convencional y deja solo los que realmente necesita.
No escribe texto terminado: el resultado son puntuaciones de relevancia y el orden de los documentos, no una narrativa coherente. En una sola pasada, admite un contexto de hasta 32 768 tokens, por lo que puede enviar fragmentos largos y compararlos con la consulta. Según nuestros datos, el volumen de salida es de hasta 29 491 tokens.
No hay información específica sobre razonamiento previo en nuestros datos. Por su función, un reranker no razona como los modelos de chat: proporciona inmediatamente una puntuación de pertinencia para cada par «consulta-documento». Si necesita una argumentación paso a paso, utilice un modelo de texto independiente junto a él.
No hay confirmación sobre llamadas a funciones o salida estructurada en nuestros datos. Sin embargo, el resultado del reranker es una lista ordenada de documentos con puntuaciones, fácil de procesar mediante código. Las llamadas a funciones y el JSON estricto suelen ser responsabilidad de un modelo generativo complementario.
Nuestros datos no indican soporte para imágenes, audio o video: el trabajo se centra en texto (consultas y documentos candidatos), y las puntuaciones también se devuelven en formato de texto. Si necesita analizar imágenes o audio, BotHub cuenta con modelos multimodales específicos para ello.
No hay información específica sobre la calidad del ruso en nuestros datos, por lo que no podemos garantizarla. La comparación entre consulta y documento no requiere generación de texto, por lo que puede enviar materiales en ruso, pero le recomendamos verificar la calidad con su propia colección y consultas.