Rerank v4.0 Pro چیست؟ بررسی کاربرد، مشخصات و محدودیتها
آخرین راستیآزمایی: ۲۶ سپتامبر ۲۰۲۶
تاریخ عرضه: روز دقیق عرضه در متن فعلی ثبت نشده است.
قیمت و شیوهٔ محاسبه: در منبع بررسیشده نرخ ثابت عمومی ثبت نشده؛ تعرفه به پلن، منطقه یا شیوهٔ مصرف وابسته است. تعرفه و دسترسی را برای زمان خرید دوباره در منبع رسمیِ مقاله بررسی کنید.
معرفی و جایگاه مدل
Rerank v4.0 Pro مرحله دوم موتور جستجو است: فهرستی از اسناد نامزد و یک پرسش میگیرد و آنها را بر اساس ارتباط دوباره مرتب میکند. خودِ آن جستجوی وب، تولید بردار یا پاسخ نهایی را انجام نمیدهد. Cohere نسخه Pro را برای کیفیت بالاتر و موردهای پیچیده و نسخه Fast را برای تأخیر کمتر و توان عملیاتی بیشتر توصیف میکند. در RAG، اگر بازیاب اولیه سند درست را اصلاً پیدا نکرده باشد، Rerank نمیتواند آن را از هیچ بسازد؛ پس ابتدا Recall بازیابی اولیه را بررسی کنید.
مشخصات فنی و دسترسی
شناسه API rerank-v4.0-pro است. این نسل ورودی متن چندزبانه و JSON نیمهساختیافته را میپذیرد. در یادداشت انتشار Cohere، زمینه ۳۲ هزار توکن ذکر شده است؛ راهنمای best practices توضیح میدهد که ترکیب پرسش و هر سند نسبت به حد همان سند سنجیده و سند بلند میتواند به چند قطعه تقسیم شود. این عدد را با پنجره یکجا برای تمام مجموعه اسناد اشتباه نگیرید. فهرست Rerank و توضیح نسخه ۴.
کاربردهای عملی
برای پایگاه دانش شرکت، ۳۰ تا ۱۰۰ نامزد از جستجوی کلیدواژهای/برداری جمع کنید و Pro را برای مرتبسازی top-k بهکار ببرید. در داده نیمهساختیافته، فیلدهای عنوان، تاریخ، محصول و متن را بهصورت JSON معنادار بدهید تا نتیجه قابل تفسیر باشد. برای فارسی، جمله پرسش و محتوای سند را در همان زبان و همچنین سناریوی پرسش فارسی/سند انگلیسی آزمایش کنید. top_n را مطابق تعداد قطعههایی تعیین کنید که واقعاً وارد مرحله پاسخدهی میشوند.
بنچمارکها و روش ارزیابی
مقایسه Pro و Fast باید روی همان مجموعه نامزد و همان پرسش انجام شود. nDCG@10، MRR و نرخ وجود سند مرجع در سه رتبه اول را ثبت کنید؛ تأخیر صدک ۹۵ و هزینه هر درخواست نیز کنار آن بیاید. از چند پرسش دشوار با پاسخ در جدول یا JSON استفاده کنید. Cohere Pro را برای کیفیت بالاتر معرفی میکند، اما میزان بهبود در داده فارسی شما قابل استنتاج از نام مدل نیست. هر ادعای سازنده درباره برتری بدون اجرای مستقل با عنوان Vendor-reported بماند.
قیمتگذاری و محدودیتها
مدل تنها ترتیب اسناد را تغییر میدهد و نمیتواند درست بودن خود سند را تضمین کند. متاداده تاریخ و سطح مجوز را قبل از Rerank فیلتر کنید؛ نتیجه مرتبطِ قدیمی یا بدون مجوز نباید بهعنوان پاسخ معتبر وارد شود. قیمت ممکن است بر اساس search units، تعداد اسناد و شیوه استقرار تغییر کند؛ تعرفه فعال خود را بررسی و مقدار billed_units.search_units را لاگ کنید. تقسیم سند بلند به قطعه میتواند هزینه را افزایش دهد.
مقایسه با گزینههای نزدیک
برای تصمیم میان Rerank v4.0 Pro و Embed v4 و Rerank v4.0 Fast، فقط نام یا نسخه را معیار قرار ندهید. یک مجموعه کار مشترک، مانند پاسخ با منبع، استخراج دقیق، اجرای ابزار و کار چندمرحلهای تعریف کنید و دقت، تأخیر و هزینه هر پاسخ صحیح را ثبت کنید. اگر دو گزینه کار متفاوتی دارند، برای مثال Embedding و Reranking یا عامل مرورگر و مدل گفتوگو، ابتدا نقش هرکدام را در یک جریان کار مشخص کنید. قیمت هر توکن یا درخواست بهتنهایی کافی نیست؛ هزینه کار موفق، نرخ خطا، محدودیت API و نیاز به بازبینی را هم مقایسه کنید.
پرسشهای متداول
آیا جای Embed را میگیرد؟
خیر. Embed نامزدها را پیدا میکند؛ Rerank ترتیب همان نامزدها را بهبود میدهد.
Pro همیشه بهتر از Fast است؟
برای مورد پیچیده با کیفیت بالاتر طراحی شده، اما برتری در داده خاص شما باید همراه با تأخیر سنجیده شود.
جمعبندی
Rerank v4.0 Pro برای جستجوی چندزبانهای که خطای رتبه اول گران است انتخاب جدی است. آزمایش A/B با نامزد ثابت و سنجه ارتباط، ارزش واقعی آن را روشن میکند.
مدلهای موجود در Buffalo147 AI را ببینید
