verirerag

Bu model nedir?

BAAI/bge-reranker-large tabanlı, kendi altyapımızda çalışan bir yeniden sıralama (rerank) modelidir. Bir sorgu ve bir belge listesi alır; her belge için alaka skoru döndürerek RAG (retrieval-augmented generation) için en alakalı parçaları öne çıkarır.

Yetenek ve tür

Yetenek	Yeniden Sıralama — Yetenek sayfası
Model türü	Yeniden sıralama (rerank) (type=10)
Temel model	BAAI/bge-reranker-large
Sağlayıcı	arpanet (yerel / self-hosted)
Akış	—

Uç nokta

POST /v1/rerank

Base URL: https://app.qevron.ai/v1

Kimlik doğrulama

Tüm istekler Authorization: Bearer <ANAHTAR> başlığı ister.

Authorization: Bearer <KEY>

İstek şeması ve parametreler

Parametre	Tip	Zorunlu	Açıklama
model	string	✓	verirerag
query	string	✓	Sıralama sorgusu
documents	string[]	✓	Sıralanacak belgeler
top_n	int	—	Dönecek en iyi N

Yanıt şeması

{
  "results": [
    {"index": 0, "relevance_score": 0.98, "document": {"text": "..."}},
    {"index": 2, "relevance_score": 0.71, "document": {"text": "..."}}
  ]
}

Kod örnekleri

curl

curl https://app.qevron.ai/v1/rerank \
  -H "Authorization: Bearer $QEVRON_KEY" -H "Content-Type: application/json" \
  -d '{
    "model": "verirerag",
    "query": "What is the capital of France?",
    "documents": ["Paris is the capital of France.", "Berlin is in Germany.", "The Eiffel Tower is in Paris."],
    "top_n": 2
  }'

Python

import requests
r = requests.post("https://app.qevron.ai/v1/rerank",
    headers={"Authorization": "Bearer $QEVRON_KEY"},
    json={"model": "verirerag", "query": "What is the capital of France?",
          "documents": ["Paris is the capital of France.", "Berlin is in Germany."], "top_n": 2})
print(r.json())

Fiyatlandırma

Girdi	Çıktı	Birim
$0.00003	—	1K token

Hız limitleri

RPM/TPM grubunuzun kotasına bağlıdır. Mevcut kotanızı görmek için: GET /v1/dashboard/billing/quota.

Notlar ve özellikler

• Genel API uç noktası OpenAI/Cohere tarzıdır: gövdede query + documents (string dizisi) gönderin.
• Sonuçlar relevance_score'a göre azalan sırada döner; top_n ile sınırlayabilirsiniz.

TEI uyumluluğu

Bazı dahili TEI tabanlı kanallarda alan adları texts / return_text olarak yeniden adlandırılır — bu dönüşüm Qevron tarafında otomatik yapılır; siz public uç noktada documents kullanın.

Sınırlar ve kısıtlar

• Çıktı bir embedding değil, sorgu-belge çiftleri için skorlardır; doğrudan vektör araması için veriEmbedding kullanın.

İlgili

• Yetenek sayfası: Yeniden Sıralama
• Tüm yerel modeller: Yerel Modeller