Rerank 重排序接入概览
Rerank 用一个查询（query）给候选文档（documents）打相关性分数并排序，适合搜索、推荐和 RAG 的召回结果精排。它只返回排序结果，不生成回答，也不是 Embeddings 向量接口。
调用前确认
- 请求本站
POST /v1/rerank，使用Authorization: Bearer YOUR_API_KEY；不要提交 SiliconFlow、Jina 或其他上游密钥。 - 先请求
GET /v1/models，选择当前 API Key、分组和渠道实际返回的完整模型 ID。官方模型目录、本站模型列表和某个渠道的适配器清单不是同一份列表。 - 当前统一入口由 New API 的 Rerank DTO 校验
query非空和documents非空数组；请求成功后读取归一化的results和usage。
能力范围
| 场景 | 当前文档结论 |
|---|---|
| 文本候选重排 | 已按统一 /v1/rerank 请求和响应契约说明。 |
| 查询与候选文档的多模态对象 | SiliconFlow 官方已公布 Qwen3-VL-Reranker-8B，但当前 New API 公共 DTO 的 query 是字符串，不能把对象直接写成本站已确认能力。 |
| 流式、异步任务、查询下载 | Rerank 是同步 JSON 接口，没有任务 ID、轮询或 SSE 生命周期。 |
最小调用流程
- 调用
GET /v1/models，保存并选择可用的 Rerank 模型 ID。 - 提交一个非空 query 和至少一个 documents 数组元素。
- 读取
results[].index，用它回指原数组；按relevance_score排序，不要假定不同模型的分数可横向比较。 - 需要保留原文时设置
return_documents: true，否则只保存 index 和分数即可。
相关页面
- 重排序 API 请求与响应
- 模型兼容性与字段迁移
- Embeddings 嵌入接口：向量表示与重排序是两个不同阶段。
官方参考
官方页面用于核对上游模型和字段；能否通过青云TOP API 调用，以当前 GET /v1/models、部署版本、渠道映射和 API Key 权限为准。