Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.

qwen3-reranker-8b est un reranker : il n'écrit pas de texte, mais évalue dans quelle mesure un document répond à une requête. Il est utilisé comme deuxième étape de recherche après une base vectorielle comme Qdrant ou pgvector, afin de retrier les candidats et de ne transmettre au RAG que les fragments les plus pertinents. Il est adapté à la recherche sémantique, aux sélections et aux recommandations.

Aucun au sens habituel : ce n'est pas un modèle génératif. En sortie, vous obtenez des scores de pertinence qui permettent d'établir l'ordre des documents. Dans nos données, la limite de sortie est de 4096 jetons, et la longueur de la paire requête-document est limitée par un contexte de 4095 jetons. Si vous avez besoin d'un texte cohérent, connectez un modèle génératif dans la même fenêtre.

Dans nos données, le mode de raisonnement n'est pas indiqué pour qwen3-reranker-8b, et un reranker n'en a généralement pas besoin : le modèle compare la requête au document et renvoie un score de pertinence. La logique et l'explication sont construites par le modèle génératif auquel vous transmettez les fragments sélectionnés.

Dans nos données, l'appel de fonctions et la sortie structurée ne sont pas indiqués. En pratique, le reranker est appelé comme une étape distincte du pipeline : vous envoyez la requête et la liste des documents, vous obtenez les scores et vous les organisez vous-même dans la structure souhaitée. La connexion s'effectue via l'API BotHub compatible avec OpenAI.

La réception de fichiers autres que du texte n'est pas indiquée dans nos données, attendez-vous donc à des paires textuelles : requête et fragments de documents. Si vous avez besoin d'images, d'audio ou de vidéo dans votre pipeline, passez à un modèle approprié dans la même fenêtre — vous n'aurez pas à réécrire l'intégration.

La langue des requêtes et des documents n'est pas spécifiée dans nos données, nous ne pouvons donc pas garantir la précision en russe. La gamme Qwen3 se développe en tant que multilingue, mais il est préférable de tester le reranker sur votre propre corpus : rassemblez un échantillon de requêtes en russe et comparez l'ordre des résultats avant et après.