Reranker

Maximiza la relevancia de la búsqueda y la precisión de RAG con nuestra API de reranking de vanguardia.

API de Reranker

Pruebe nuestra API de reranker de vanguardia para maximizar la relevancia de su búsqueda y la precisión de RAG. ¡Empezando gratis!


Número de documentos devueltos
top_n
top_k
Número máximo de documentos mejor clasificados a devolver.

Pedido
POST
curl "https://api.jina.ai/v1/rerank" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $JINA_API_KEY" \
-d @- <<EOFEOF
{ "model": null, "query": "Organic skincare products for sensitive skin", "top_n": 3, "documents": [ "Organic skincare for sensitive skin with aloe vera and chamomile: Imagine the soothing embrace of na…ing, healthy complexion.", "New makeup trends focus on bold colors and innovative techniques: Step into the world of cutting-edg…atement with every look.", "Bio-Hautpflege für empfindliche Haut mit Aloe Vera und Kamille: Erleben Sie die wohltuende Wirkung u…einen strahlenden Teint.", "Neue Make-up-Trends setzen auf kräftige Farben und innovative Techniken: Tauchen Sie ein in die Welt…jedes Mal ein Statement.", "Cuidado de la piel orgánico para piel sensible con aloe vera y manzanilla: Descubre el poder de la n…el radiante y saludable.", "Las nuevas tendencias de maquillaje se centran en colores vivos y técnicas innovadoras: Entra en el … y destaca en cada look.", "针对敏感肌专门设计的天然有机护肤产品:体验由芦荟和洋甘菊提取物带来的自然呵护。我们的护肤产品特别为敏感肌设计,温和滋润,保护您的肌肤不受刺激。让您的肌肤告别不适,迎来健康光彩。", "新的化妆趋势注重鲜艳的颜色和创新的技巧:进入化妆艺术的新纪元,本季的化妆趋势以大胆的颜色和创新的技巧为主。无论是霓虹眼线还是全息高光,每一款妆容都能让您脱颖而出,展现独特魅力。", "敏感肌のために特別に設計された天然有機スキンケア製品: アロエベラとカモミールのやさしい力で、自然の抱擁を感じてください。敏感肌用に特別に設計された私たちのスキンケア製品は、肌に優しく栄養を与え、保護します。肌トラブルにさようなら、輝く健康な肌にこんにちは。", "新しいメイクのトレンドは鮮やかな色と革新的な技術に焦点を当てています: 今シーズンのメイクアップトレンドは、大胆な色彩と革新的な技術に注目しています。ネオンアイライナーからホログラフィックハイライターまで、クリエイティビティを解き放ち、毎回ユニークなルックを演出しましょう。" + agregar entrada ], "return_documents": false }
EOFEOF


v3.5: Reranking listwise más rápido con atención híbrida y autodistilación

jina-reranker-v3.5 es un reranker listwise multilingüe de 0,6 mil millones de parámetros con una ventana de contexto de 131K. La atención híbrida y la autodestilación lo hacen más rápido y más robusto entre dominios que v3, y es un reemplazo directo: el esquema de la solicitud no cambia.

m0: Reranker de documentos multimodales y multilingües

Nuestro nuevo reranker multimodal multilingüe para recuperar documentos visuales en varios idiomas, con rendimiento SOTA en documentos largos multilingües y tareas de búsqueda de código.
El objetivo de un sistema de búsqueda es encontrar los resultados más relevantes de forma rápida y eficaz. Tradicionalmente, se han utilizado métodos como BM25 o tf-idf para clasificar los resultados de búsqueda según la concordancia de palabras clave. En muchas bases de datos vectoriales se han implementado métodos recientes, como la similitud de coseno basada en embedding. Estos métodos son sencillos, pero a veces pueden pasar por alto las sutilezas del lenguaje y, lo más importante, la interacción entre los documentos y la intención de una consulta. Aquí es donde brilla el "reranker". Un reranker es un modelo de IA avanzado que toma el conjunto inicial de resultados de una búsqueda (a menudo proporcionado por una búsqueda incrustada/basada en tokens) y los reevalúa para garantizar que se alineen más estrechamente con la intención del usuario. Va más allá de la coincidencia superficial de términos para considerar la interacción más profunda entre la consulta de búsqueda y el contenido de los documentos.

1
Recuperación inicial
Un sistema de búsqueda utiliza embeddings/BM25 para encontrar un amplio conjunto de documentos potencialmente relevantes en función de la consulta del usuario.

2
Reranking
Luego, el reranker toma estos resultados y los analiza a un nivel más granular, considerando los matices de cómo los términos de consulta interactúan con el contenido del documento.

3
Resultados mejorados
Reordena los resultados de la búsqueda, colocando en la parte superior los que considera más relevantes, en base a este análisis más profundo.

El reranker puede mejorar significativamente la calidad de la búsqueda porque opera a nivel de subdocumento y subconsulta, lo que significa que analiza las palabras y frases individuales, sus significados y cómo se relacionan entre sí dentro de la consulta y los documentos. Esto da como resultado un conjunto de resultados de búsqueda más preciso y contextualmente relevante.
Jina Reranker v2, lanzado en junio de 2024, se creó para Agentic RAG: admite llamadas a funciones, recuperación multilingüe en más de 100 idiomas y búsqueda de código. Sigue disponible, aunque jina-reranker-v3.5 lo sustituye para el reranking de texto. Más información sobre el modelo v2.
Recuperación multilingüe
Reranker v2 permite la recuperación de documentos en más de 100 idiomas, independientemente del idioma de consulta.

Llamada de funciones y búsqueda de códigos
Reranker v2 clasifica fragmentos de código y firmas de funciones en función de consultas en lenguaje natural, ideal para aplicaciones Agentic RAG.

Soporte de datos tabulares y estructurados
Reranker v2 clasifica las tablas más relevantes basándose en consultas en lenguaje natural, lo que ayuda a ordenar diferentes esquemas de tablas e identificar el más relevante antes de generar una consulta SQL.

Dos formas de comprar

Suscríbete a nuestra API o compra a través de proveedores de la nube.
Recargue esta clave API con más tokens
Dependiendo de su ubicación, es posible que se le cobre en USD, EUR u otras monedas. Se pueden aplicar impuestos.
Ingrese la clave API correcta para recargar

Implementación local

Implemente Jina Reranker en AWS SageMaker y Microsoft Azure y pronto en Google Cloud Services, o comuníquese con nuestro equipo de ventas para obtener implementaciones personalizadas de Kubernetes para su nube privada virtual y servidores locales.
AWS SageMaker
Embeddings
Reranker
Microsoft Azure
Embeddings
Reranker
Google Cloud
Embeddings

Comparación de Reranker, Vector Search y BM25

La siguiente tabla proporciona una comparación completa de Reranker, Vector/Embeddings Search y BM25, destacando sus fortalezas y debilidades en varias categorías.
RerankerBúsqueda de vectoresBM25
Mejor paraPrecisión y relevancia de búsqueda mejoradasFiltrado inicial y rápidoRecuperación de texto general en consultas de amplio alcance
GranularidadDetallado: subdocumento y segmento de consultaAmplio: documentos completosIntermedio: varios segmentos de texto
Complejidad del tiempo de consultaAltoMedioBajo
Complejidad del tiempo de indexaciónNo requeridoAltoBajo, utiliza índice prediseñado
Complejidad del tiempo de entrenamientoAltoAltoNo requerido
Calidad de búsquedaSuperior para consultas matizadasEquilibrado entre eficiencia y precisiónConsistente y confiable para un amplio conjunto de consultas
FortalezasAltamente preciso con una profunda comprensión contextual.Rápido y eficiente, con precisión moderada.Altamente escalable, con eficacia establecida
Pruebe la API de reranker gratisPruebe la API de embedding gratis

Aprendiendo sobre Reranker

¿Qué es un reranker? ¿Por qué no es suficiente la búsqueda de vectores o la similitud de cosenos? Aprenda sobre los rerankers desde cero con nuestra guía completa.
Límite de velocidad
Los límites de velocidad se controlan de dos maneras: RPM (solicitudes por minuto) y TPM (tokens por minuto). Los límites se aplican por IP/clave API y se activan cuando se alcanza primero el umbral de RPM o TPM. Al proporcionar una clave API en el encabezado de la solicitud, controlamos los límites de velocidad por clave, no por dirección IP.
ProductoPunto final de APIDescripciónSin clave APIcon clave API gratuitacon clave API de pagocon clave API PremiumLatencia mediaRecuento de uso de tokensSolicitud permitida
API de Readerhttps://r.jina.aiConvertir la URL en texto compatible con LLM20 RPM500 RPM500 RPM5000 RPM7.9sContar el número de tokens en la respuesta de salida.GET/POST
API de Readerhttps://s.jina.aiBuscar en la web y convertir los resultados en texto compatible con LLM100 RPM100 RPM1000 RPM2.5sCada solicitud cuesta una cantidad fija de tokens, a partir de 10.000 tokensGET/POST
API de embeddinghttps://api.jina.ai/v1/embeddingsConvertir texto/imágenes en vectores de longitud fija100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depende del tamaño de entrada
Contar el número de tokens en la solicitud de entrada.POST
API de Rerankerhttps://api.jina.ai/v1/rerankReordenar documentos según la consulta100 RPM & 100,000 TPM500 RPM & 2,000,000 TPM5,000 RPM & 50,000,000 TPM
depende del tamaño de entrada
Contar el número de tokens en la solicitud de entrada.POST
Autocomprobación de licencia CC BY-NC

Preguntas comunes relacionadas con API
Preguntas comunes relacionadas con la facturación