跳转到主要内容
Rerank v5.0 Pro 按文档与查询的相关性重新排序。适用于重视检索质量的复杂查询,在将候选片段交给 LLM 前筛选相关内容。 先检索候选文档,再进行重排序。响应包含相关性分数和原始文档索引,不生成回答或向量。在 MixRoute 上使用 /v1/rerank。

模型信息

厂商上下文窗口为每组查询与文档合计 32,768 tokens,不是整个文档列表共用的上限。实际请求限制取决于 MixRoute 路由。

请求字段

请求示例

设置 MIXROUTE_API_KEY 环境变量。Python 示例使用 requests 包。

响应字段

results[].index 是文档在原始 documents 数组中的索引,从 0 开始。results[].relevance_score 是相关性分数,数值越大表示越相关。仅在响应包含文档原文时读取 results[].document.text。

用量与计费

通过 usage.prompt_tokens 和 usage.total_tokens 读取报告的 token 用量。重排序不生成回答文本,因此 usage.completion_tokens 可以为 0。其他通用 token 字段不能替代这两个用量字段。 当前价格和可用路由请查看模型广场。控制台消费日志显示每个请求的实际费用;核对账单时应使用这些记录,不要把 usage 对象当作美元金额。 完整请求格式。