Alibaba Cloud: Qwen3.7-Text-Rerank

Qwen3.7 Text Rerank note les documents candidats par rapport à une requête et réordonne les résultats. Il intervient après la récupération de premier niveau, aidant un système de recherche ou de RAG à faire ressortir les passages les plus pertinents pour la question.

Comparer les modèles

qwen3.7-text-rerank

DisponibleAlibaba CloudRerankSynchrone

Entrée / Sortie: $0.0735 / $0.00
Contexte: 120K
Modalités: Reclassement

À propos de Qwen3.7-Text-Rerank

Qwen3.7-Text-Rerank est le modèle de reranking textuel d'Alibaba. Il évalue chaque document candidat par rapport à une requête et les renvoie réordonnés, permettant ainsi à un système de recherche ou de RAG de ne transmettre que les passages les plus pertinents. Il couvre 201 langues et dialectes et accepte de nombreux documents par requête, y compris des éléments longs. C'est le choix idéal pour la recherche textuelle ; Qwen3-VL-Rerank est celui à privilégier pour les candidats sous forme d'images et de vidéos.

Points forts

Réordonne les passages récupérés selon leur pertinence par rapport à la requête avant qu'ils n'atteignent un modèle de réponse.
Prend en charge 201 langues et dialectes, une gamme très étendue pour la recherche multilingue.
Accepte jusqu'à 500 documents par requête, ce qui est suffisant pour réordonner une large liste de présélection initiale.
Les éléments individuels peuvent être longs, ce qui convient aux paragraphes complets et aux articles.

Quand préférer un autre modèle

Il ne lit que le texte ; les images et les vidéos nécessitent Qwen3-VL-Rerank.
Il ne récupère rien : vous devez fournir les documents candidats à partir de votre propre recherche.
Il renvoie des scores et un classement, et non des réponses générées ou des citations.

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": "qwen3.7-text-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.
`top_n`	≥ 1	Non fourni	Positive integer. A public upper bound and uniform omitted-field result count are not verified.

Ranks text documents against a text query.

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.

Tarification

Par 1M Token

Prix Verified: —
Prix Official: Entrée$0.0735Par 1M TokenSortie$0.00Par 1M Token

	Prix OfficialPar 1M Token	Prix VerifiedPar 1M Token	Remise
Entrée	$0.0735	—	—
Sortie	$0.00	—	—

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 13 nov. 2026, 05:01 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 Qwen3.7-Text-Rerank dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen3.7-text-rerank avec rerank sur /v1/rerank. Affiche le résultat et le coût.

Cas d'usage

Qualité des réponses RAG
Réordonne les résultats d'une recherche vectorielle pour une question afin que les meilleurs passages soient inclus dans le prompt.
Recherche sur site multilingue
Classe les résultats pour des requêtes rédigées dans une langue par rapport à des documents dans une autre.
Correspondance d'articles de support
Sélectionne l'article de la base de connaissances qui correspond le mieux à un ticket entrant à partir d'une liste de candidats.

Exemples de prompts

Requête : comment annuler une commande après son expédition. Classez ces 40 paragraphes du centre d'aide.

Instruction : préférez la politique officielle aux publications sur les forums. Requête : fenêtre de remboursement pour les plans annuels.

Requête en indonésien : cara mengganti kata sandi. Classez ces documents en anglais.

Calculateur de coût

Tokens d'entrée par mois1M jetons

Tokens de sortie par mois0.5M jetons

Coût mensuel estimé$0.073529

FAQ

À quoi sert un reranker ?

Il affine les résultats de recherche. Une recherche initiale renvoie de nombreuses correspondances approximatives ; le reranker évalue chacune d'elles par rapport à la requête et les ordonne par pertinence, ce qui améliore généralement ce qu'un LLM voit dans la génération augmentée par récupération (RAG).

Combien de documents puis-je envoyer ?

Jusqu'à 500 documents par requête. Si votre étape initiale en renvoie davantage, réduisez la liste aux 500 premiers avant le reranking. Les candidats doivent être du texte, car les images et les vidéos sont traitées par Qwen3-VL-Rerank.

Quelles langues couvre-t-il ?

Alibaba répertorie 201 langues et dialectes, dont le chinois, l'anglais, l'espagnol, le français, le portugais, l'indonésien, le japonais, le coréen, l'allemand et le russe. Le classement inter-langues, comme une requête dans une langue sur des documents dans une autre, est un usage courant.

Dois-je utiliser ce modèle ou Qwen3-VL-Rerank ?

Utilisez celui-ci lorsque les candidats sont du texte brut. Qwen3-VL-Rerank est nécessaire lorsque des images ou des vidéos font partie des candidats ou de la requête, mais il prend en charge moins de langues et moins de documents.

Puis-je personnaliser la pertinence ?

Les modèles de reranking Qwen3 d'Alibaba acceptent une instruction qui décrit l'objectif du classement. Par exemple, il peut privilégier la politique officielle par rapport aux publications sur les forums. Testez-le sur vos propres données.

Combien coûte Qwen3.7-Text-Rerank ?

Sur TokenLab, Qwen3.7-Text-Rerank coûte Entrée $0.0735 / Sortie $0.00 Par 1M Token. La table tarifaire ci-dessus en montre le détail complet.

Quel endpoint Qwen3.7-Text-Rerank doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/rerank pour Qwen3.7-Text-Rerank. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen3.7-Text-Rerank prend-il en charge ?

Qwen3.7-Text-Rerank prend en charge Reclassement. Sélectionnez une opération pour voir l'endpoint et un exemple.