概念说明 什么是重排序(Rerank) 重排序是信息检索中的关键技术，在初步检索结果基础上，通过更精细的相关性计算对结果进行重新排序，提升最相关结果的排名。 模型名称 jina-reranker-m0 Jina 多模态多语言文档重排序模型，10K Tokens 上下文，2.4B 参数，用于包含图文的

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。 接口地址 https://api.apexrouter.top/v1/rerank 模型名称 bge-reranker-v2-m3-free Python 调用示例 import r

概念介绍 该API用于将文本转换为高维向量表示（embedding），适用于语义搜索、文本相似度计算等场景。模型支持长达128K tokens的文本输入。 模型名称 doubao-embedding-large-text-250515 最大支持长度 128K 输入 基础信息 Base URL: ht

概念介绍 该模型是通义实验室基于Qwen3训练的多语言文本统一向量模型，相较V3版本在文本检索、聚类、分类性能大幅提升。 在MTEB多语言、中英、Code检索等评测任务上效果提升15%~40%；支持64~2048维用户自定义向量维度。 模型名称 text-embedding-v4 最大支持长度 12

💡 什么是 Embedding？ Embedding（嵌入） 是一种将离散的、高维的数据（如文字、图片、音频）转换为连续的、低维的向量表示的技术。 您可以把它想象成一个翻译过程： 输入：人类能理解的概念，比如单词"猫"、一张产品图片、一首歌曲 输出：计算机能理解和处理的、由一长串数字组成的"坐标"（

Doubao-embedding-vision 是由字节跳动研发的多模态向量化模型。它能将文本、图片以及视频等混合输入内容转换为统一的向量表示，从而帮助您更高效地处理跨模态数据，实现精准的文搜图、图搜图和图文混合搜索。 接口地址 https://api.apexrouter.top/v1/respo

gemini-embedding-2-preview 是 Google 推出的新一代多模态嵌入模型，支持将文本、图片、音频、视频和 PDF 文档转化为高维浮点向量，最高支持 3072 维输出，输入 token 上限达 8192。单次请求可将多模态内容聚合为统一向量，也可通过 batchEmbedCo

Qwen-MT模型是基于Qwen3模型优化的机器翻译大语言模型，支持92个语种（包括中、英、日、韩、法、西、德、泰、印尼、越、阿等）互译，且提供了术语干预、领域提示、记忆库等能力，提升模型在复杂应用场景下的翻译效果。 📍 请求地址 https://api.apexrouter.top/v1/chat

本文档介绍如何通过 知能API 平台调用 DeepSeek 网页搜索（Search） 与 网页抓取（Fetch） 两大工具接口，为 Agent 与 RAG 应用提供实时网页内容。Search 接口由 DeepSeek 自研搜索引擎支持，按关键词检索网页并返回标题、摘要、正文等结构化结果；Fetch

基于 Perplexity 深度研究模型（perplexity-deep-research-ssvip）的 Responses 端点接口，能够对复杂问题展开多步骤网络检索与深度推理，自动引用来源并输出带注释的长篇研究报告。相比普通对话模型，该接口内置搜索与推理链，适合需要综合大量资料、输出结构化深度