文本排序
檢索系統在“召回”階段為保證效率，返回的結果可能不夠精準。排序模型能對召回的文檔進行二次精準排序，確保將與使用者查詢最相關的結果排在最前，有效提升應用準確率。
模型概覽
gte-rerank模型將於2026年05月30日下線，推薦使用qwen3-rerank模型替代。
新加坡
模型名稱 | 最大文檔數 | 單條最大輸入Token | 請求最大輸入Token | 語種支援 | 應用情境 |
qwen3-rerank | 500 | 4,000 | 120,000 | 中文、英語、西班牙語、法語、葡萄牙語、印尼語、日語、韓語、德語、俄羅斯語等100+主流語種 |
|
北京
模型名稱 | 最大文檔數 | 單條最大輸入Token | 請求最大輸入Token | 語種支援 | 應用情境 |
qwen3-rerank | 500 | 4,000 | 120,000 | 中文、英語、西班牙語、法語、葡萄牙語、印尼語、日語、韓語、德語、俄羅斯語等100+主流語種 |
|
qwen3-vl-rerank | 文本：100 圖片：40 視頻：4 | 8,000 | 120,000 | 中、英、日、韓、法、德等33種主流語言 |
|
gte-rerank-v2 | 500 | 4,000 | 30,000 | 中、英、日、韓、泰語、西、法、葡、德、印尼語、阿拉伯語等50餘語種 |
|
單條最大輸入Token：每個Query或Document的最大Token數量。輸入內容超長將被截斷。API僅基於截斷後的內容計算，這可能導致排序結果不準確。
單次請求最大文檔數：單次請求允許的最大文檔數量。對於 qwen3-vl-rerank 模型，該限制會根據文件類型（文本、圖片、視頻、混合模態）的不同而有所差異。
請求最大輸入Token：計算公式為
Query Tokens × Document 數量 + Document Tokens 總和，該值不得超過請求最大輸入Token。
輸入格式限制：
模型 | 圖片 | 視頻 |
qwen3-vl-rerank | JPEG, PNG, WEBP, BMP, TIFF, ICO, DIB, ICNS, SGI（支援URL或Base64） | MP4, AVI, MOV（僅支援URL） |
前提條件
您需要已擷取 API Key並配置API Key到環境變數DASHSCOPE_API_KEY。如果通過SDK調用，還需要安裝DashScope SDK。
HTTP調用
不同模型使用不同的API介面：
qwen3-rerank：
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-api/v1/reranksqwen3-vl-rerank / gte-rerank-v2：
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/rerank/text-rerank/text-rerank
調用時請將{WorkspaceId}替換為真實的業務空間ID。
兩種介面的請求體結構和響應格式不同，請參考對應模型的請求樣本和響應樣本。
請求 | qwen3-rerank調用時請將qwen3-vl-rerank文字查詢 圖片查詢 gte-rerank-v2 |
要求標頭（Headers） | |
Content-Type 請求內容類型。此參數必須設定為 | |
Authorization 請求身份認證。介面使用阿里雲百鍊API Key進行身份認證。樣本值：Bearer sk-xxxx。 | |
請求體（Request Body） | |
model 模型名稱。支援的模型：qwen3-rerank、gte-rerank-v2、qwen3-vl-rerank。 | |
input 輸入內容。 當使用 | |
parameters 選擇性參數。 當使用 |
響應 | 成功響應qwen3-rerankqwen3-vl-rerank / gte-rerank-v2失敗響應在訪問請求出錯的情況下，輸出的結果中會通過 |
request_id 請求唯一標識。可用於請求明細溯源和問題排查。 | |
output 任務輸出資訊。 當使用 | |
usage 輸出資訊統計。 | |
code 請求失敗的錯誤碼。請求成功時不會返回此參數，詳情請參見錯誤碼。 | |
message 請求失敗的詳細資料。請求成功時不會返回此參數，詳情請參見錯誤碼。 |
SDK調用
調用樣本
以下樣本展示了調用文檔排序模型API的程式碼範例。
SDK 的參數命名與HTTP介面基本一致，參數結構進行了一定封裝。比如 HTTP 使用嵌套的input和parameters結構，但SDK 使用扁平參數。請在開發時注意區分。
import dashscope
# 以下為華北2（北京）地區的配置，調用時請將{WorkspaceId}替換為真實的業務空間ID，各地區的配置不同。
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="什麼是文本排序模型",
documents=[
"文本排序模型廣泛用於搜尋引擎和推薦系統中，它們根據文本相關性對候選文本進行排序",
"量子計算是計算科學的一個前沿領域",
"預訓練語言模型的發展給文本排序模型帶來了新的進展"
],
top_n=2,
return_documents=True
)
print(resp)
if __name__ == '__main__':
text_rerank()以下樣本展示了使用qwen3-vl-rerank模型進行多模態排序（以圖片作為查詢）的程式碼範例。
import dashscope
from http import HTTPStatus
import json
# 以下為華北2（北京）地區的配置，調用時請將{WorkspaceId}替換為真實的業務空間ID。
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": "文本排序模型廣泛用於搜尋引擎和推薦系統中，它們根據文本相關性對候選文本進行排序"},
{"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()輸出樣本
SDK對原始HTTP響應進行了封裝，成功時會固定返回code和message欄位，值為空白字串。
{
"status_code": 200,
"request_id": "4b0805c0-6b36-490d-8bc1-4365f4c89905",
"code": "",
"message": "",
"output": {
"results": [
{
"index": 0,
"relevance_score": 0.9334521178273196,
"document": {
"text": "文本排序模型廣泛用於搜尋引擎和推薦系統中，它們根據文本相關性對候選文本進行排序"
}
},
{
"index": 2,
"relevance_score": 0.34100082626411193,
"document": {
"text": "預訓練語言模型的發展給文本排序模型帶來了新的進展"
}
}
]
},
"usage": {
"total_tokens": 79
}
}錯誤碼
如果模型調用失敗並返回報錯資訊，請參見錯誤碼進行解決。