Alibaba Cloud: Qwen3-VL-Rerank
qwen3-vl-rerank- 輸入 / 輸出
- $0.10 / —
- 上下文
- 120K
- 模態
- 視覺辨識重新排序
關於 Qwen3-VL-Rerank
Qwen3-VL-Rerank 是阿里巴巴的多模態重排序模型。給定一個文字或圖像查詢，它會對包含文字、圖像或影片的候選文檔進行評分，並按相關性排序後返回。它位於第一階段向量搜尋之後，用於挑選最佳的混合媒體結果。與僅處理文字的 Qwen3.7-Text-Rerank 不同，它支援 33 種語言，並接受圖像和影片作為候選內容。
適用場景
- 在單次請求中對混合了文字、圖像和影片的文檔進行排序。
- 查詢本身可以是圖像，支援透過截圖或照片進行搜尋。
- 支援 33 種主要語言的查詢和文檔。
- 可以使用自定義指令來描述您任務中的「相關性」定義。
其他選擇建議
- 它涵蓋 33 種語言，而 Qwen3.7-Text-Rerank 對純文字的支援範圍更廣。
- 每次請求的文檔數量有限制，圖像和影片的數量上限少於純文字段落。
- 影片必須透過 URL 傳遞，且並非所有圖像格式皆被接受。
入門指南
建立 API 金鑰
請至 Console 建立金鑰，即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例，並針對端點執行它。
重排序TokenLab 端點POST/v1/rerankcurl -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." ] }'
參數設定
重排序
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
documents | 輸入數量：≥ 1, ≤ 1000 | 未提供 | Each document is limited to 100000 characters. Total document text is limited to 2000000 characters. |
query | 未提供 | 未提供 | Required non-empty text with at most 32000 characters. |
return_documents | true, false | 未提供 | 未提供 |
top_n | ≥ 1 | 未提供 | 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.
定價
Verified 價格用於 Verified，多數模型更便宜；Official 價格是模型廠商公布的價格，用於更穩定的 Official。Auto 按最終完成請求的線路計價。
Default
每 1M Token- Official 價格
- 輸入 $0.10 / 純文字 輸入 $0.10 / 圖片 輸入 $0.258
- Verified 價格
- —
- 折扣
- —
| Official 價格每 1M Token | Verified 價格每 1M Token | 折扣 | |
|---|---|---|---|
| Default | 輸入 $0.10 / 純文字 輸入 $0.10 / 圖片 輸入 $0.258 | — | — |
使用量與活動
成功率是請求完成的比例；延遲是一次完整回應所需的時間，P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求，不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen3-VL-Rerank，並準備好編輯或發送提示詞。
協助我使用 qwen3-vl-rerank 透過 /v1/rerank 執行 rerank，並顯示結果與成本。
應用情境
適合場景- 視覺辨識
產品圖像搜尋
根據客戶的照片對產品項目進行重排序，使視覺和文字匹配度最高的結果排在前面。
多模態 RAG
在將檢索到的截圖、幻燈片和段落發送給回答模型之前，先對其進行排序。
影片片段查找
從候選影片池中挑選最能回答文字查詢的片段。
提示詞範例
查詢：紅色琺瑯鑄鐵鍋（附蓋）。請根據相關性對這些產品照片和描述進行排序。
指令：優先選擇顯示錯誤對話框的文檔。查詢：失敗上傳的截圖。
針對「梯度裁剪（gradient clipping）是如何運作的」這一問題，對這五個講座片段進行排序。
此模型按條件計價，僅憑每月 token 總量無法可靠估算；請按請求規格、快取和適用時段查看詳細定價。
FAQ
Qwen3-VL-Rerank 的功能是什麼？
它根據與查詢的相關性對候選結果進行重新排序。查詢和候選內容皆可包含文字、圖像和影片，因此適用於純文字重排序模型無法判斷圖像內容的混合媒體檢索場景。
它與 Qwen3.7-Text-Rerank 有何不同？
Qwen3-VL-Rerank 接受圖像和影片並支援 33 種語言。Qwen3.7-Text-Rerank 僅接受文字，但支援的語言種類更多，且每次請求可處理的文檔數量也更多。請根據您的候選內容是否包含視覺資訊來進行選擇。
它接受哪些媒體格式？
常見格式的圖像（如 JPEG、PNG 和 WEBP，透過 URL 或 Base64 傳遞），以及影片（如 MP4、AVI 或 MOV，僅透過 URL 傳遞）。
我可以控制什麼才算「相關」嗎？
可以。透過指令參數，您可以定義相關性的含義，例如匹配特定的錯誤或風格。此參數為選填，結果將以索引及相關性分數的形式返回。
它在處理流程中處於什麼位置？
位於檢索之後。使用嵌入（embeddings）或關鍵字搜尋來收集候選內容，然後對簡短列表進行重排序，再將頂部結果傳遞給後續步驟。它本身並非搜尋索引。
Qwen3-VL-Rerank 的費用是多少？
價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率；單一費率不代表總價。
Qwen3-VL-Rerank 應該使用哪一個端點？
請使用 https://api.tokenlab.sh/v1/rerank 進行 Qwen3-VL-Rerank 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen3-VL-Rerank 支援哪些操作？
Qwen3-VL-Rerank 支援 重排序。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen3-VL-Rerank
來源
更新於 2026年10月2日
