Alibaba Cloud: Qwen3-VL-Rerank

Qwen3 VL Rerank réordonne les candidats récupérés en utilisant la pertinence visuelle et textuelle. Il est utile après une recherche initiale, lorsqu'un système doit choisir quels résultats multimédias répondent le mieux à la requête de l'utilisateur.

Comparer les modèles

qwen3-vl-rerank

DisponibleAlibaba CloudRerankSynchrone

Entrée / Sortie: $0.10 / —
Contexte: 120K
Modalités: VisionReclassement

À propos de Qwen3-VL-Rerank

Qwen3-VL-Rerank est le reranker multimodal d'Alibaba. À partir d'une requête pouvant être du texte ou une image, il évalue des documents candidats contenant du texte, des images ou des vidéos, et les renvoie classés par pertinence. Il intervient après une première étape de recherche vectorielle pour sélectionner les meilleurs résultats multimédias. Contrairement à Qwen3.7-Text-Rerank, qui ne traite que le texte, il prend en charge 33 langues et accepte des candidats sous forme d'images et de vidéos.

Points forts

Classe les documents mélangeant texte, images et vidéos en une seule requête.
La requête elle-même peut être une image, permettant une recherche par capture d'écran ou par photo.
Prend en charge 33 langues majeures pour les requêtes et les documents.
Une instruction personnalisée peut décrire ce que la pertinence signifie pour votre tâche.

Quand préférer un autre modèle

Il couvre 33 langues, tandis que Qwen3.7-Text-Rerank en couvre bien plus pour le texte brut.
Le nombre de documents est limité par requête, avec moins d'images et de vidéos que de passages textuels.
Les vidéos doivent être transmises par URL, et tous les formats d'image ne sont pas acceptés.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

ReclassementEndpoint TokenLab

POST/v1/rerank

curl -X POST "https://api.tokenlab.sh/v1/rerank" \
  -H "Authorization: Bearer sk-xxx" \
  -H "Content-Type: application/json" \
  -d '{
  "operation": "rerank",
  "model": "qwen3-vl-rerank",
  "query": "What is the capital of France?",
  "documents": [
    "Paris is the capital of France.",
    "Berlin is the capital of Germany."
  ]
}'

Paramètres

Reclassement

Paramètre	Valeurs et limites	Valeur par défaut	Remarques
`documents`	Entrées : ≥ 1, ≤ 1000	Non fourni	Each document is limited to 100000 characters. Total document text is limited to 2000000 characters.
`query`	Non fourni	Non fourni	Required non-empty text with at most 32000 characters.
`return_documents`	true, false	Non fourni	Non fourni
`top_n`	≥ 1	Non fourni	Positive integer. A public upper bound and uniform omitted-field result count are not verified.

Public /v1/rerank request schema accepts text query and text documents. Image/video rerank remains outside the current TokenLab public contract.

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Default

Par 1M Token

Prix Official: Entrée $0.10 / Texte Entrée $0.10 / Image Entrée $0.258
Prix Verified: —
Remise: —

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Default	Entrée $0.10 / Texte Entrée $0.10 / Image Entrée $0.258	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 1 nov. 2026, 08:49 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Qwen3-VL-Rerank dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen3-vl-rerank avec rerank sur /v1/rerank. Affiche le résultat et le coût.

Cas d'usage

Idéal pour

Vision

Recherche d'images de produits
Classez les articles de produits par rapport à la photo d'un client afin que les correspondances visuelles et textuelles les plus proches apparaissent en premier.
RAG multimodal
Classez les captures d'écran, diapositives et passages récupérés pour une question avant qu'ils ne soient transmis au modèle de réponse.
Recherche de clips vidéo
Sélectionnez les clips qui répondent le mieux à une requête textuelle parmi un ensemble de vidéos candidates.

Exemples de prompts

Requête : cocotte en fonte émaillée rouge avec couvercle. Classez ces photos et descriptions de produits par pertinence.

Instruction : préférez les documents qui montrent la boîte de dialogue d'erreur. Requête : une capture d'écran de l'échec du téléchargement.

Classez ces cinq clips de cours pour la question « comment fonctionne le gradient clipping ».

Ce modèle a une tarification conditionnelle. Les totaux mensuels de tokens ne suffisent pas pour une estimation fiable ; utilisez la tarification détaillée selon la spécification de la requête, le cache et la fenêtre applicable.

FAQ

Que fait Qwen3-VL-Rerank ?

Il réordonne les résultats candidats par pertinence par rapport à une requête. La requête et les candidats peuvent inclure du texte, des images et de la vidéo ; il fonctionne donc pour la recherche multimédia là où un reranker textuel ne peut pas juger l'image.

En quoi est-il différent de Qwen3.7-Text-Rerank ?

Qwen3-VL-Rerank accepte les images et les vidéos et couvre 33 langues. Qwen3.7-Text-Rerank ne prend que du texte mais gère beaucoup plus de langues et un nombre bien plus important de documents par requête. Choisissez en fonction de la nature visuelle ou non de vos candidats.

Quels formats de médias accepte-t-il ?

Les images dans des formats courants tels que JPEG, PNG et WEBP, transmises par URL ou Base64, et les vidéos en MP4, AVI ou MOV, transmises uniquement par URL.

Puis-je orienter ce qui est considéré comme pertinent ?

Oui. Un paramètre d'instruction vous permet de définir ce que signifie la pertinence, par exemple pour correspondre à une erreur ou un style spécifique. C'est optionnel, et les résultats sont renvoyés sous forme d'index avec des scores de pertinence.

Où se situe-t-il dans un pipeline ?

Après la récupération. Utilisez des embeddings ou une recherche par mots-clés pour rassembler des candidats, puis réordonnez la liste restreinte et transmettez les meilleurs résultats. Ce n'est pas un index de recherche en soi.

Combien coûte Qwen3-VL-Rerank ?

Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quel endpoint Qwen3-VL-Rerank doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/rerank pour Qwen3-VL-Rerank. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen3-VL-Rerank prend-il en charge ?

Qwen3-VL-Rerank prend en charge Reclassement. Sélectionnez une opération pour voir l'endpoint et un exemple.