阿里云: Qwen3-VL-Rerank

Qwen3 VL Rerank 根据图文相关性重新排列检索候选，适合在初步搜索后，从混合媒体结果中挑选最贴合用户问题的内容。

qwen3-vl-rerank

可用阿里云重排序同步

输入 / 输出: $0.10 / —
上下文: 120K
模态: 视觉重排序

Qwen3-VL-Rerank 简介

Qwen3-VL-Rerank 是阿里巴巴的多模态重排序（rerank）模型。查询可以是文本或图片，候选文档可以包含文本、图片或视频，它会给这些候选打分并按相关性排序返回。它放在第一阶段向量检索之后，用来挑出最好的混合媒体结果。Qwen3.7-Text-Rerank 只处理文本；它则支持 33 种语言，并接受图片和视频候选。

擅长的任务

一次请求就能对混合了文本、图片和视频的文档排序。
查询本身可以是图片，支持用截图或照片搜索。
查询和文档支持 33 种主要语言。
可以用自定义指令说明在你的任务里“相关”是什么意思。

什么情况换别的模型

它覆盖 33 种语言，而 Qwen3.7-Text-Rerank 对纯文本支持的语言多得多。
每次请求的文档数量有上限，图片和视频的数量比文本段落更少。
视频必须通过 URL 传入，并非所有图片格式都被接受。

快速上手

创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。

发送第一个请求

复制你所用语言的示例代码，向该端点发起请求。

重排序TokenLab 端点

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."
  ]
}'

参数

重排序

参数	可选值与限制	默认值	说明
`documents`	输入数量：≥ 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.

价格

Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。

Default

每 1M token

Official 价格: 输入 $0.10 / 文本输入 $0.10 / 图像输入 $0.258
Verified 价格: —
折扣: —

	Official 价格每 1M token	Verified 价格每 1M token	折扣
Default	输入 $0.10 / 文本输入 $0.10 / 图像输入 $0.258	—	—

用量与动态

成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。

用量与可用性

直接在 Console 里试

Qwen3-VL-Rerank 已在 Console 备好，提示词已填好，可以直接修改或发送。

帮我用 qwen3-vl-rerank 完成一次 rerank，接口是 /v1/rerank。返回结果和费用。

使用场景

适用场景

视觉

商品图搜索
用顾客的照片对商品重新排序，让视觉和文字上最接近的匹配排在最前面。
多模态 RAG
在把针对某个问题检索出的截图、幻灯片和文字段落交给回答模型之前，先对它们排序。
视频片段查找
从一批候选视频中，挑出最能回答文字查询的片段。

提示词示例

查询：带盖的红色珐琅铸铁锅。请按相关性对这些商品图片和描述排序。

指令：优先选择显示了错误对话框的文档。查询：一张上传失败的截图。

针对问题“梯度裁剪是怎么起作用的”，给这五段讲座视频排序。

此模型按条件计价，仅凭月度 token 总量无法可靠估算；请按请求规格、缓存和适用时段查看详细定价。

FAQ

Qwen3-VL-Rerank 是做什么的？

它按与查询的相关性对候选结果重新排序。查询和候选都可以包含文本、图片和视频，所以适合纯文本重排序模型无法判断图片的混合媒体检索。

它和 Qwen3.7-Text-Rerank 有什么区别？

Qwen3-VL-Rerank 接受图片和视频，覆盖 33 种语言。Qwen3.7-Text-Rerank 只接收文本，但支持的语言多得多，每次请求能处理的文档也多得多。看你的候选是不是视觉内容来选。

接受哪些媒体格式？

图片支持 JPEG、PNG 和 WEBP 等常见格式，可以通过 URL 或 Base64 传入；视频支持 MP4、AVI 或 MOV，只能通过 URL 传入。

能指定什么算相关吗？

能。用 instruction 参数说明相关的含义，比如匹配某个特定的错误或风格。它是可选的，结果以索引和相关性分数返回。

它在流程里放在哪个位置？

放在检索之后。先用向量或关键词搜索收集候选，再对候选短名单重排序，把靠前的结果往下传。它本身不是搜索索引。

Qwen3-VL-Rerank 的费用是多少？

价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。

Qwen3-VL-Rerank 应该使用哪个端点？

Qwen3-VL-Rerank 使用 https://api.tokenlab.sh/v1/rerank。代码写法见下方的请求示例。

Qwen3-VL-Rerank 支持哪些操作？

Qwen3-VL-Rerank 支持重排序。选了操作，上面会显示对应的端点和请求示例。

Qwen3-VL-Rerank 对比

Qwen3-VL-Rerank 对比 Qwen3.7-Text-Rerank Qwen3-VL-Rerank 对比 Cohere Rerank 4 Pro Qwen3-VL-Rerank 对比 Cohere Rerank 4 Fast

资料来源

审阅于 2026年10月2日