Model rerank memberikan skor ulang pada dokumen yang dikembalikan oleh pengambilan awal sehingga hasil yang paling relevan muncul di bagian atas.
Ikhtisar model
PentingModel gte-rerank akan dihentikan pada 30 Mei 2026. Beralihlah ke qwen3-rerank.
Singapore
Model
Max documents
Max input tokens per item
Max input tokens per request
Supported languages
Scenarios
qwen3-rerank
500
4.000
120.000
Lebih dari 100 bahasa utama, seperti Tionghoa, Inggris, Spanyol, Prancis, Portugis, Indonesia, Jepang, Korea, Jerman, dan Rusia.
Text semantic retrieval
Aplikasi RAG
Beijing
Model
Max documents
Max input tokens per item
Max input tokens per request
Supported languages
Scenarios
qwen3-vl-rerank
Text: 100
Image: 40
Video: 4
8.000
120.000
33 bahasa utama, seperti Mandarin, Inggris, Jepang, Korea, Prancis, dan Jerman
Image clustering
Cross-modal search
Image retrieval
Video retrieval
gte-rerank-v2
500
4.000
30.000
Lebih dari 50 bahasa, termasuk Mandarin, Inggris, Jepang, Korea, Thailand, Spanyol, Prancis, Portugis, Jerman, Indonesia, dan Arab
Text semantic retrieval
Aplikasi RAG
Max input tokens per item: Token maksimum per kueri atau dokumen. Jika input satu kueri atau dokumen melebihi batas ini, API akan mengembalikan error HTTP 400 dan tidak memotong input.
Max documents: Dokumen maksimum per permintaan. Untuk qwen3-vl-rerank, batasnya bervariasi berdasarkan jenis dokumen (teks, gambar, video, atau campuran).
Max input tokens per request: Dihitung sebagai Query Tokens × Jumlah dokumen + Total token dokumen. Tidak boleh melebihi batas per permintaan.
Batasan input
Model
Image
Video
qwen3-vl-rerank
JPEG, PNG, WEBP, BMP, TIFF, ICO, DIB, ICNS, dan SGI (URL atau Base64 didukung)
Setiap model menggunakan titik akhir yang berbeda:
qwen3-rerank: POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-api/v1/reranks
qwen3-vl-rerank / gte-rerank-v2: POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank
Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.
Kedua API tersebut berbeda dalam struktur badan permintaan dan format respons. Lihat contoh permintaan dan respons untuk setiap model.
Permintaan
Header permintaan
Content-Typestring(Wajib)
Tipe konten permintaan. Harus berupa application/json.
Authorizationstring(Wajib)
Mengotentikasi permintaan dengan Kunci API Model Studio. Contoh: Bearer sk-xxxx.
Isi permintaan
modelstring(Wajib)
Nama model. Nilai yang didukung: qwen3-rerank, gte-rerank-v2, qwen3-vl-rerank.
inputobject(Wajib)
Konten input.
Untuk qwen3-rerank tanpa objek input, letakkan query dan dokumen pada level yang sama dengan model.
Properti
querystring | object(Wajib)
Teks kueri (maksimal 4.000 token).
qwen3-vl-rerank mendukung dua format query:
Format string: Masukkan langsung string teks, misalnya "query": "What is a rerank model?".
Format objek: Masukkan dictionary yang menentukan tipe modalitas dan nilainya sebagai {"tipe modalitas": "konten input"}. Tipe yang didukung: text dan image.
Kueri teks: "query": {"text": "What is a text rerank model?"}
Kueri gambar: "query": {"image": "URL Gambar atau string Base64"}
documentsarray(Wajib)
Dokumen kandidat untuk diurutkan. Setiap elemen berupa string.
qwen3-vl-rerank menerima dictionary atau string per elemen: {"tipe modalitas": "URL teks/gambar/video"}. Tipe yang didukung: text, image, video.
Teks: Kunci adalah text, nilai berupa string. String biasa tanpa pembungkus dictionary juga dapat digunakan.
Gambar: Kunci adalah image, nilai berupa URL atau URI Data Base64 (data:image/{format};base64,{data}, di mana {format} adalah jpeg/png dan {data} adalah string terenkripsi).
Video: Kunci adalah video, nilai harus berupa URL yang dapat diakses publik.
parametersobject(Opsional)
Parameter opsional.
Untuk qwen3-rerank, objek parameters tidak diperlukan. Letakkan top_n dan instruct pada level yang sama dengan model.
Properti
top_nint(Opsional)
Jumlah dokumen dengan peringkat tertinggi yang akan dikembalikan. Default: semua dokumen. Nilai yang melebihi jumlah total dokumen akan mengembalikan semua dokumen.
return_documentsbool(Opsional)
Apakah akan menyertakan teks dokumen dalam hasil. Default: false. Model yang mendukung: gte-rerank-v2, qwen3-vl-rerank.
instructstring(Opsional)
Instruksi penyusunan ulang kustom. Berlaku untuk qwen3-rerank dan qwen3-vl-rerank. Memandu model untuk menerapkan kebijakan penyusunan ulang yang berbeda. Contoh:
Tugas pengambilan Q&A (default): "Given a web search query, retrieve relevant passages that answer the query."
Fokus: Menemukan jawaban. Model memprioritaskan apakah dokumen menjawab kueri.
Contoh: Kueri "Bagaimana cara mencegah pilek?" – Dokumen "Mencuci tangan secara rutin mencegah pilek" mendapat skor tinggi; "Pilek adalah penyakit umum" mendapat skor rendah (relevan secara topik tetapi tidak menjawab).
Tugas penyusunan ulang berdasarkan kesamaan semantik: "Retrieve semantically similar text."
Fokus: Menentukan kesetaraan semantik. Model mengevaluasi apakah kueri dan dokumen memiliki makna inti yang konsisten, terlepas dari diksi atau struktur.
Contoh: Dalam skenario FAQ, "Bagaimana cara mengganti kata sandi saya?" dan "Apa yang harus saya lakukan jika lupa kata sandi?" dianggap serupa secara semantik (skor tinggi). Model fokus pada apakah keduanya mencerminkan maksud pengguna yang sama.
Tulis instruksi dalam bahasa Inggris. Default: tugas pengambilan Q&A. Instruksi tambahan tersedia di repositori model.
fpsfloat(Opsional)
Hanya untuk qwen3-vl-rerank. Mengontrol jumlah frame video yang diekstraksi. Nilai lebih kecil = lebih sedikit frame. Rentang: 0–1 (default: 1,0).
qwen3-rerank
# Ini adalah URL wilayah Singapura. Ganti WorkspaceId dengan workspace ID Anda yang sebenarnya. URL berbeda-beda tergantung wilayah.
curl --request POST \
--url https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/compatible-mode/v1/reranks \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "qwen3-rerank",
"documents": [
"Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance.",
"Quantum computing is a cutting-edge field of computer science.",
"The development of pre-trained language models has brought new advancements to rerank models."
],
"query": "What is a rerank model?",
"top_n": 2,
"instruct": "Given a web search query, retrieve relevant passages that answer the query."
}'
Ganti WorkspaceId dengan workspace ID Anda yang sebenarnya.
qwen3-vl-rerank
Text query
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "qwen3-vl-rerank",
"input":{
"query": {"text": "What is a rerank model?"},
"documents": [
{"text": "Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance."},
{"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
{"video": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250107/lbcemt/new+video.mp4"}
]
},
"parameters": {
"return_documents": true,
"top_n": 2,
"fps": 1.0
}
}'
Image query
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "qwen3-vl-rerank",
"input":{
"query": {"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
"documents": [
{"text": "Text rerank models are widely used in search engines and recommendation systems to sort candidate captions based on text relevance."},
{"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
{"video": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250107/lbcemt/new+video.mp4"}
]
},
"parameters": {
"return_documents": true,
"top_n": 2,
"fps": 1.0
}
}'
gte-rerank-v2
curl --location 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
"model": "gte-rerank-v2",
"input":{
"query": "What is a rerank model?",
"documents": [
"Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance.",
"Quantum computing is a cutting-edge field of computer science.",
"The development of pre-trained language models has brought new advancements to rerank models."
]
},
"parameters": {
"return_documents": true,
"top_n": 2
}
}'
Respons
request_idstring
Identifikasi unik permintaan untuk pelacakan dan troubleshooting.
outputobject
Output tugas.
Untuk qwen3-rerank, respons tidak berisi objek output. Array results berada di level teratas.
Properti
resultsarray
Hasil penyusunan ulang, diurutkan berdasarkan relevance_score menurun.
Properti
documentdict
Objek dokumen asli. Hanya dikembalikan jika return_documents bernilai true. Format: {"text": "Teks dokumen asli"}.
indexint
Indeks dokumen dalam array documents input.
relevance_scoredouble
Relevansi semantik antara dokumen dan kueri. Rentang: 0,0–1,0 (semakin tinggi = semakin relevan).
CatatanSkor bersifat relatif terhadap permintaan saat ini dan tidak dapat dibandingkan lintas permintaan.
usageobject
Statistik penggunaan token.
Properti
total_tokensint
Total token yang dikonsumsi oleh permintaan.
codestring
Kode error. Hanya dikembalikan untuk permintaan yang gagal. Lihat Kode error.
messagestring
Pesan error detail. Hanya dikembalikan untuk permintaan yang gagal. Lihat Kode error.
{
"output": {
"results": [
{
"document": {
"text": "Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance."
},
"index": 0,
"relevance_score": 0.9334521178273196
},
{
"document": {
"text": "The development of pre-trained language models has brought new advancements to rerank models."
},
"index": 2,
"relevance_score": 0.34100082626411193
}
]
},
"usage": {
"total_tokens": 79
},
"request_id": "85ba5752-1900-47d2-8896-23f99b13f6e1"
}
Respons gagal
Jika permintaan gagal, code dan message menunjukkan penyebab error.
Nama parameter SDK sesuai dengan API HTTP, tetapi strukturnya berbeda. HTTP menggunakan objek input dan parameters bersarang; SDK menggunakan struktur datar.
import dashscope
# Wilayah Tiongkok (Beijing). Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya. Konfigurasi bervariasi tergantung wilayah.
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"
def text_rerank():
resp = dashscope.TextReRank.call(
model="gte-rerank-v2",
query="What is a rerank model?",
documents=[
"Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance.",
"Quantum computing is a cutting-edge field of computer science.",
"The development of pre-trained language models has brought new advancements to rerank models."
],
top_n=2,
return_documents=True
)
print(resp)
if __name__ == '__main__':
text_rerank()
Gunakan qwen3-vl-rerank untuk penyusunan ulang multimodal dengan kueri gambar.
import dashscope
from http import HTTPStatus
import json
# Wilayah Tiongkok (Beijing). Ganti {WorkspaceId} dengan workspace ID Anda yang sebenarnya.
dashscope.base_http_api_url = "https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1"
def vl_rerank():
resp = dashscope.TextReRank.call(
model="qwen3-vl-rerank",
query={"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
documents=[
{"text": "Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance."},
{"image": "https://img.alicdn.com/imgextra/i3/O1CN01rdstgY1uiZWt8gqSL_!!6000000006071-0-tps-1970-356.jpg"},
{"video": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250107/lbcemt/new+video.mp4"}
],
top_n=2,
return_documents=True
)
if resp.status_code == HTTPStatus.OK:
print(json.dumps(resp, default=str, ensure_ascii=False, indent=4))
else:
print(resp)
if __name__ == '__main__':
vl_rerank()
Contoh output
CatatanSDK membungkus respons HTTP. Untuk permintaan sukses, code dan message selalu berupa string kosong.
{
"status_code": 200,
"request_id": "4b0805c0-6b36-490d-8bc1-4365f4c89905",
"code": "",
"message": "",
"output": {
"results": [
{
"index": 0,
"relevance_score": 0.9334521178273196,
"document": {
"text": "Rerank models are widely used in search engines and recommendation systems. They sort candidate documents based on text relevance."
}
},
{
"index": 2,
"relevance_score": 0.34100082626411193,
"document": {
"text": "The development of pre-trained language models has brought new advancements to rerank models."
}
}
]
},
"usage": {
"total_tokens": 79
}
}
Kode error
Jika pemanggilan model gagal dan mengembalikan pesan error, lihat Kode error untuk penyelesaian.