由北京智源人工智能研究院(BAAI)开发的轻量级、高性能重排序模型,具备多语言能力,可计算查询与文档间的相关性得分。
https://api.apexrouter.top/v1/rerank
bge-reranker-v2-m3-free
import requests import json # API配置 api_key ="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxx" api_url = "https://api.apexrouter.top/v1/rerank" headers = { "Authorization": f"{api_key}", "Content-Type": "application/json" } query = "如何预防感冒" documents = [ "预防感冒应勤洗手、戴口罩,保持室内通风(来源:协和医院研究)", "流感疫苗每年10月接种最佳,可降低70%感染风险(来源:卫健委2024指南)", "维生素C对感冒的预防效果存在争议(来源:JAMA医学期刊)" ] payload = { "model": "bge-reranker-v2-m3-free", # 模型名称,必填 "query": query, # 查询文本,必填 "documents": documents, # 待排序文档列表,至少1个字符串,目前仅支持字符串列表。未来将支持文档对象,必填 "top_n": 3, # 要返回的最相关文档或索引的数量,选填 "return_documents": True, # 是否返回原文,true包含文本,false不包含,选填 "max_chunks_per_doc": 5, # 文档中生成的最大数据块数。长文档会被分割成多个数据块进行计算,取其中得分最高的数据块作为文档的最终得分,选填 "overlap_tokens": 20 # 文档分块后相邻块之间的词元重叠数,最大80,选填 } # 发送API请求 try: response = requests.post(api_url, headers=headers, data=json.dumps(payload), timeout=30) response.raise_for_status() result = response.json() print("重排序结果:") print(json.dumps(result, ensure_ascii=False, indent=2)) except Exception as e: print(f"请求失败: {e}")
{ "results": [ { "document": { "text": "预防感冒应勤洗手、戴口罩,保持室内通风(来源:协和医院研究)" }, "index": 0, "relevance_score": 0.9700092673301697 }, { "document": { "text": "流感疫苗每年10月接种最佳,可降低70%感染风险(来源:卫健委2024指南)" }, "index": 1, "relevance_score": 0.14572574198246002 }, { "document": { "text": "维生素C对感冒的预防效果存在争议(来源:JAMA医学期刊)" }, "index": 2, "relevance_score": 0.02796747349202633 } ], "usage": { "prompt_tokens": 0, "completion_tokens": 0, "total_tokens": 0, "prompt_tokens_details": { "cached_tokens_details": {} }, "completion_tokens_details": {}, "claude_cache_creation_5_m_tokens": 0, "claude_cache_creation_1_h_tokens": 0 } }
© 2026 知能API 重排序