rerank-2.5-lite — это реранкер, оптимизированный как по задержке, так и по качеству, обеспечивающий улучшение точности извлечения на 7,16% по сравнению с Cohere Rerank v3.5 на 93 наборах данных. Он также превзошел Cohere Rerank v3.5 на 10,36% в Massive Instructed Retrieval Benchmark (MAIR). Модель поддерживает общую длину контекста в 32K токенов на пару запрос-документ, включая до 8K токенов для запроса, что обеспечивает более точное извлечение из более длинных документов. Кроме того, rerank-2.5-lite поддерживает следование инструкциям. Подробнее о rerank-2.5-lite здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
Провайдер для VoyageAI by MongoDB: rerank-2.5-lite
Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.
Модальности
Другие модели от mongodb
VoyageAI by MongoDB: rerank-3-lite
rerank-3-lite — это reranker, оптимизированный как по задержке, так и по качеству, и является прямой заменой rerank-2.5-lite, улучшая его на 0,94% NDCG@10 в среднем по оценкам доменов и на 1,86% по оценкам длинных документов, с приростом в извлечении кода на 2,77% по сравнению с voyage-3-large и на 2,59% по сравнению с voyage-4-large. Он соответствует качеству извлечения rerank-2.5 и по 93 наборам данных для извлечения превосходит Cohere Rerank v4.0 Pro на 1,44% и Qwen3-Reranker-8B на 2,61%. Модель поддерживает общую длину контекста в 32K токенов на пару запрос-документ, включая до 8K токенов для запроса, что обеспечивает более точное извлечение из более длинных документов. Кроме того, rerank-3-lite поддерживает следование инструкциям, позволяя пользователям направлять оценку релевантности. Подробнее о rerank-3-lite здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
VoyageAI by MongoDB: rerank-3
rerank-3 — это переранжировщик, оптимизированный по качеству и являющийся прямой заменой rerank-2.5, улучшая его на 0.80% NDCG@10 в среднем по оценкам доменов и на 3.35% по оценкам длинных документов, с приростом в извлечении кода на 2.01% поверх voyage-3-large и на 1.96% поверх voyage-4-large. По 93 наборам данных для извлечения он превосходит Cohere Rerank v4.0 Pro на 2.14% и Qwen3-Reranker-8B на 3.31%. Модель поддерживает общую длину контекста в 32K токенов на пару запрос-документ, включая до 8K токенов для запроса, что обеспечивает более точное извлечение из более длинных документов. Кроме того, rerank-3 поддерживает следование инструкциям, позволяя пользователям направлять оценку релевантности. Подробнее о rerank-3 здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
VoyageAI by MongoDB: voyage-code-4
voyage-code-4 — это модель для создания code embedding от Voyage AI, компании MongoDB. Она разработана для кодирующих агентов и извлечения кода, с Matryoshka embeddings на 2048t. Узнайте больше о voyage-code-4 здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
VoyageAI by MongoDB: rerank-2.5
rerank-2.5 — это передовой реранкер, оптимизированный для качества, обеспечивающий улучшение точности извлечения на 7,94% по сравнению с Cohere Rerank v3.5 на 93 наборах данных. Он также превзошел Cohere Rerank v3.5 на 12,70% в Massive Instructed Retrieval Benchmark (MAIR). Модель поддерживает общую длину контекста в 32K токенов на пару запрос-документ, включая до 8K токенов для запроса, что позволяет более точно извлекать информацию из более длинных документов. Кроме того, rerank-2.5 поддерживает следование инструкциям, позволяя получить дополнительную информацию о rerank-2.5 здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
VoyageAI by MongoDB: voyage-multimodal-3.5
voyage-multimodal-3.5 — это современная мультимодальная embedding-модель, способная векторизовать не только текст, изображения и видео по отдельности, но и контент, который чередует все три модальности. Она обеспечивает отличную производительность для смешанных модальных поисков, включающих текст и визуальный контент, такой как скриншоты PDF, рисунки, таблицы, видео и многое другое. Благодаря обучению Matryoshka и обучению с учетом квантования, voyage-multimodal-3.5 поддерживает embedding-векторы с размерностью 2048, 1024, 512 и 256. Подробнее о voyage-multimodal-3.5 здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
VoyageAI by MongoDB: voyage-4-lite
voyage-4-lite — это легковесная встраиваемая модель общего назначения, оптимизированная для низкой задержки и стоимости. Благодаря Matryoshka learning и обучению с учетом квантования, voyage-4-lite поддерживает встраивания. Узнайте больше о voyage-4-lite здесь: mongodb.com/products/platform/ai-search-and-retrieval/models
