Как работает Rerank 4 Fast?
Rerank 4 Fast — модель Cohere для переранжирования результатов поиска и RAG: ставит выше документы, которые действительно отвечают на запрос. Контекст 32K подходит для длинных фрагментов, поддержка более 100 языков — для многоязычных каталогов, а предварительная обработка данных не требуется. В BotHub модель открывается в одном окне с генеративными моделями, подключается по OpenAI-совместимому API, доступна без VPN и зарубежной карты с оплатой в рублях по факту, а шифрование AES-GCM и отказ от хранения данных закрывают приватность. Применяйте её для уточнения выдачи внутреннего поиска, отбора контекста для RAG-ассистентов, сортировки каталога и фильтрации результатов в агентных сценариях.Частые вопросы о Rerank 4 Fast
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
rerank-4-fast — это ранжировщик от Cohere: он получает запрос и набор документов и расставляет их по смысловой близости к запросу. Пригодится в поиске по базе знаний, RAG-системах, подборе товаров и фильтрации выдачи, когда нужно быстро отобрать действительно релевантные фрагменты перед передачей их другой модели.
Как таковой текст rerank-4-fast не пишет: его ответ — упорядоченный список документов с оценками релевантности. В наших данных указан контекст до 32768 токенов на входе и лимит вывода 29491 токен, поэтому объём обрабатываемого запроса и набора документов стоит держать в этих рамках.
Отметки о рассуждениях перед ответом в наших данных нет. rerank-4-fast относится к классу ранжировщиков: его задача — оценить, насколько документ соответствует запросу, и выдать порядок, а не вести диалог или объяснять ход мыслей. Если нужны пошаговые разборы, их лучше поручить отдельной текстовой модели.
В наших данных вызов функций и структурированный вывод JSON не отмечены. При этом результат ранжирования сам по себе устроен просто: это список документов с оценками соответствия запросу, и его удобно разбирать в коде и передавать дальше по вашему пайплайну.
Приём изображений, аудио и видео в наших данных не отмечен — модель рассчитана на работу с текстом. На вход ей подаются текстовый запрос и текстовые документы или фрагменты, поэтому картинки и записи стоит заранее перевести в текст и уже потом отправлять на ранжирование.
Отдельных замеров качества на русском в наших данных нет. Ранжировщик сравнивает смысл запроса и документа, поэтому с русским текстом он работать может, но насколько уверенно — зависит от обучающих данных. Проверьте это на своей выборке: прогоните типичные запросы и посмотрите на порядок выдачи.