rerank文本重排序 API 文档

概述

文本重排序接口用于对一批候选文档按照与查询的语义相关度进行精准排序，适用于 RAG 应用的召回后精排、语义检索、推荐系统等场景。

接口信息

项目	内容
请求地址	`POST /v1/rerank`
Content-Type	`application/json`
鉴权方式	`Authorization: Bearer <API_KEY>`

支持模型

模型名称	最大文档数	单条最大 Token	说明
`qwen3.7-text-rerank`	500	30,000	通用多语言文本重排序，201 种语言
`qwen3-rerank`	500	4,000	通用多语言文本重排序，100+ 种语言
`qwen3-vl-rerank`	文本 100 / 图片 40 / 视频 4	8,000	多模态重排序，支持图片和视频
`gte-rerank-v2`	500	4,000	多语言文本重排序，50+ 种语言

请求参数

字段	类型	必填	说明
`model`	string	是	模型名称，见上方支持列表
`query`	string	是	查询文本
`documents`	array	是	候选文档列表，每项为字符串（文本模型）或对象（多模态模型，见下方说明）
`top_n`	int	否	返回相关度最高的前 N 条结果，默认返回全部
`return_documents`	bool	否	是否在响应中返回文档原文，默认 `false`

多模态文档格式（仅 `qwen3-vl-rerank`）

documents 中每项为对象，支持以下类型：

{ "text": "文本内容" }
{ "image": "https://example.com/image.jpg" }
{ "video": "https://example.com/video.mp4" }

query 字段同样支持传入图片对象：

{ "image": "https://example.com/query-image.jpg" }

响应格式

成功响应

{
  "results": [
    {
      "index": 0,
      "relevance_score": 0.9334521178273196,
      "document": { "text": "文本排序模型广泛用于搜索引擎和推荐系统中..." }
    },
    {
      "index": 2,
      "relevance_score": 0.3410008262641119,
      "document": { "text": "预训练语言模型的发展给文本排序模型带来了新的进展" }
    }
  ],
  "usage": {
    "prompt_tokens": 79,
    "total_tokens": 79
  }
}

document 字段仅在请求中传入 return_documents: true 时出现。results 已按 relevance_score 从高到低排序。

失败响应

{
  "error": {
    "message": "错误描述",
    "type": "错误类型",
    "code": "错误码"
  }
}

调用示例

文本重排序（curl）

文本重排序（Python）

多模态重排序（以图片作为查询）

注意事项

单条 query 或 document 超出模型的单条最大 Token 限制时，接口返回 400 错误，不会自动截断。

请求总 Token 的计算方式：Query Tokens × 文档数 + 所有文档 Tokens 之和，不得超过模型的请求最大输入 Token 限制。

results 中的 index 对应请求 documents 数组的原始下标，可用于还原文档对象。

概述#

接口信息#

支持模型#

请求参数#

多模态文档格式（仅 qwen3-vl-rerank）#

响应格式#

成功响应#

失败响应#

调用示例#

文本重排序（curl）#

文本重排序（Python）#

多模态重排序（以图片作为查询）#

注意事项#

概述