Skip to content

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 ​

YetenekYeniden Sıralama — Yetenek sayfası
Model türüYeniden sıralama (rerank) (type=10)
Temel modelBAAI/bge-reranker-large
Sağlayıcıarpanet (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 ​

ParametreTipZorunluAçıklama
modelstring✓verirerag
querystring✓Sıralama sorgusu
documentsstring[]✓Sıralanacak belgeler
top_nint—Dönecek en iyi N

Yanıt şeması ​

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

Kod örnekleri ​

curl ​

bash
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 ​

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 ​

GirdiÇıktıBirim
$0.00001—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 ​

Qevron — AI gateway. Arpanet / OpenAI / Anthropic / Gemini uyumlu.