hubris
V

VoyageAI by MongoDB: rerank-3

voyageai/rerank-3
voyageai
Выпущена 30 сентября 2026 г.|32К контекст|6,31 ₽/М вход|по тарифу · выход

rerank-3 — это переранжировщик, оптимизированный для качества 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,...

Провайдер для VoyageAI by MongoDB: rerank-3

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

voyageai
Контекст
32К
токенов
Макс. ответ
29К
токенов
Вход
6,31 ₽
за 1М токенов
Выход
0 ₽
за 1М токенов

Модальности

Вход:ТекстВыход:Реранкер

Другие модели от voyageai

VoyageAI by MongoDB: rerank-3-lite

rerank-3-lite — это реранкер, 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%...

32К контекст·от 2,52 ₽/М

VoyageAI by MongoDB: voyage-code-4

voyage-code-4 — это модель для создания code embedding от Voyage AI, компании, входящей в состав MongoDB. Она разработана для кодирующих агентов и поиска кода, с Matryoshka embedding размерами 2048, 1024, 512 и 256 измерений, а также с несколькими опциями квантования. Узнайте больше о voyage-code-4 здесь: blog.voyageai.com/2026/08/13/voyage-code-4

32К контекст·от 15,15 ₽/М

VoyageAI by MongoDB: rerank-2.5-lite

rerank-2.5-lite — это переранжировщик, 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...

32К контекст·от 2,52 ₽/М

VoyageAI by MongoDB: rerank-2.5

rerank-2.5 — это передовой reranker, 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%...

32К контекст·от 6,31 ₽/М

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 превосходную производительность для смешанных мультимодальных поисков, включающих текстовый 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 размерностью 2048, 1024, 512 и 256, с несколькими вариантами квантования. Узнайте больше о voyage-multimodal-3.5 здесь: blog.voyageai.com/2026/01/15/voyage-multimodal-3-5

32К контекст·от 15,15 ₽/М

VoyageAI by MongoDB: voyage-4-lite

voyage-4-lite — это легковесная, универсальная модель embedding, оптимизированная для низкой задержки и стоимости. Благодаря обучению Matryoshka и обучению с учетом квантования, voyage-4-lite поддерживает embedding с размерностями 2048, 1024, 512 и 256, а также несколько вариантов квантования. Узнайте больше о voyage-4-lite здесь: blog.voyageai.com/2026/01/15/voyage-4

32К контекст·от 2,52 ₽/М