能力与用途
用途与定位:官方文档说明检索系统在召回阶段为保证效率返回的结果可能不够精准,排序模型能对召回的文档进行二次精准排序,确保最相关结果排在最前。qwen3-rerank 的应用场景标注为文本语义检索与 RAG 应用。 规格与调用约束:模型概览表中 qwen3-rerank 的最大文档数为 500,单条最大输入 Token 为 4,000;单条 Query 或 Document 超过限制时 API 返回 HTTP 400 且不会截断输入。可选参数 top_n 控制返回条数,return_documents(默认 false,以减少网络传输开销)控制是否返回文档原文,instruct 支持自定义排序任务类型说明(如问答检索任务的默认指令,或 FAQ 场景的语义相似度指令),建议用英文撰写,不指定时默认按问答检索任务排序。 接口与兼容:qwen3-rerank 支持 DashScope HTTP 接口(请求体为 input/parameters 嵌套结构)、dashscope CLI、Python/Node.js SDK,以及 OpenAI 兼容接口 POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/compatible-api/v1/reranks(扁平结构);注意 gte-rerank-v2 与 qwen3-vl-rerank 不支持 OpenAI 兼容接口。调用前需获取 API Key 并配置环境变量 DASHSCOPE_API_KEY,通过 SDK 调用还需安装 DashScope SDK,HTTP 与 SDK 的参数结构有差异(HTTP 嵌套、SDK 扁平)。 选型参考与限制:若需要多模态(图片/视频)排序应选 qwen3-vl-rerank,其文档配额按文本 100、图片 40、视频 4 区分;若单条文档很长或语种需求达 201 种,可评估 qwen3.7-text-rerank(单条 30,000 Token)。qwen3-rerank 的 500 文档批量与 4,000 Token 单条上限适合典型 RAG 重排链路。响应中的 relevance_score 取值 0.0 到 1.0,仅用于本次请求内排序,不可跨请求比较。采购前应核验:业务空间 ID 与地域(如 cn-beijing)、限流规则、gte-rerank 2026 年 5 月 30 日下线公告、以及 instruct 指令策略是否匹配业务排序意图。
暂无经过核验的逐项评分,暂不绘制能力雷达或综合排名。
数据与来源
- 资料提供方
- 阿里云大模型服务平台百炼(Model Studio)
- 官方说明
- 核对官方资料 ↗
- 站内资料更新
- 2026-11-19 12:40:50
站内更新时间不等同于模型发布日期。未提供测试集、日期和原始成绩时,不展示官方或平台实测分数。
版本记录
历史版本、上线与下线日期待核实。
接入与使用
请按官方文档确认 API 地址、模型标识、身份验证、权限与收费规则。
打开官方文档