¡Recomienda a tus amigos hoy y ambos recibirán $10 en créditos de API LLM ! Eso es hasta $500 en recompensas totales esperándote.
Llama 3.2 1B, Qwen2.5 7B, Qwen 3 (0.6B, 1.7B, 4B), GLM 4 — todos disponibles ahora en Novita AI para impulsar tus proyectos sin gastar ni un centavo.
Los modelos de reranker desempeñan un papel crucial en mejorar la precisión de los sistemas de búsqueda de IA, refinando el orden de los documentos recuperados inicialmente.
El Qwen 3 Reranker de 8B muestra un rendimiento excepcional en benchmarks multilingües y tareas basadas en código. Con acceso sencillo a través de la plataforma API de Novita AI, los desarrolladores pueden integrar potentes capacidades de reranking en sus aplicaciones de manera eficiente.
¿Qué es un modelo Reranker?
Un modelo Reranker es un modelo de IA especializado que reordena un conjunto de documentos o elementos recuperados inicialmente según su relevancia para una consulta específica. Normalmente, después de una fase de recuperación inicial (usando métodos como BM25 o búsqueda basada en embeddings), un Reranker evalúa los resultados top-k de manera más precisa para asegurar que los elementos más relevantes sean priorizados.
De mongodb
Los rerankers son modelos que asignan puntuaciones de relevancia a una consulta y a los documentos recuperados. Al puntuar los documentos según su relevancia, los rerankers mejoran la precisión de la recuperación seleccionando el subconjunto más relevante de los documentos recuperados inicialmente.
Problemas que resuelven los modelos Reranker
- Mejorar la relevancia: Refinan los resultados de búsqueda iniciales para que coincidan mejor con la intención del usuario.
- Reducir el ruido: Al filtrar elementos menos relevantes, mejoran la calidad de la información presentada.
- Mejorar los sistemas RAG: En los pipelines RAG, los rerankers aseguran que se utilicen los documentos más pertinentes para generar respuestas.
Cómo evaluar los modelos Reranker
- MTEB-R: Tareas de recuperación en inglés del MTEB (Massive Text Embedding Benchmark).
- CMTEB-R: Tareas de recuperación en chino del MTEB (enfoque en rendimiento en idioma chino).
- MMTEB-R: Tareas de recuperación multilingües (evalúa en múltiples idiomas).
- MLDR: Recuperación de documentos largos multilingües (prueba la recuperación de textos largos en varios idiomas).
- MTEB-Code: Benchmarks para tareas de recuperación relacionadas con código (ej. búsqueda de código, comprensión).
- FollowIR: Mide qué tan bien los modelos siguen instrucciones complejas del usuario en consultas de búsqueda.
Modelos Reranker vs Modelos de Embedding
| Aspecto | Modelos de Embedding | Modelos Reranker |
|---|---|---|
| Función | Recuperar documentos basándose en similitud de vectores | Reordenar documentos recuperados basándose en relevancia |
| Eficiencia | Alta (adecuada para recuperación a gran escala) | Baja (usado para reordenar un conjunto más pequeño) |
| Precisión | Moderada | Alta |
| Caso de uso | Recuperación inicial | Refinamiento posterior a la recuperación |
¿Qué son los modelos Qwen 3 Reranker?
| Modelo | Tamaño | Capas | Longitud de secuencia | Consciente de instrucciones |
| Qwen3-Reranker-0.6B | 28 | 32K | 32K | Sí |
| Qwen3-Reranker-4B | 4B | 36 | 32K | Sí |
| Qwen3-Reranker-8B | 8B | 36 | 32K | Sí |
¿Cómo funcionan los modelos Qwen 3 Reranker?
De Qwen
Embedding
Objetivo: Convertir texto en un vector para buscar y comparar eficientemente.
- Entrada:
{Instrucción} + {Consulta} / {Doc} [EOS]- El modelo ve la consulta y el documento en un formato de entrada combinado.
- Pasa a través del modelo Qwen3, y al final (donde está
[EOS]), toma un estado oculto (como un “vector de resumen”). - Ese vector se convierte en el embedding — una forma de representar el texto en números para poder compararlo con otros.
Reranker
Objetivo: Dar una puntuación inteligente que indique qué tan bien coincide el documento con la consulta.
- Entrada:
{Instrucción} + {Consulta} + {Doc} Assistant:- Esta es una entrada más detallada: Qwen3 ve tanto la consulta como el documento juntos, como si los leyera lado a lado.
- El modelo utiliza una configuración de cross-encoder, donde compara profundamente los dos textos.
- Luego, la cabeza LM (cabeza del modelo de lenguaje) da una puntuación (ej. probabilidad de “sí”).
- Esta puntuación nos dice: “¿Qué tan relevante es este documento para la consulta?”
Benchmark de los modelos Qwen 3 Reranker
| Modelo | Parámetros | MTEB-R | CMTEB-R | MMTEB-R | MLDR | MTEB-Code | FollowIR |
|---|---|---|---|---|---|---|---|
| Jina-multilingual-reranker-v2-base | 0.3B | 58.22 | 63.37 | 63.73 | 39.66 | 58.98 | -0.68 |
| gte-multilingual-reranker-base | 0.3B | 59.51 | 74.08 | 59.44 | 66.33 | 54.18 | -1.64 |
| BGE-reranker-v2-m3 | 0.6B | 57.03 | 72.16 | 58.36 | 59.51 | 41.38 | -0.01 |
| Qwen3-Reranker-0.6B | 0.6B | 65.80 | 71.31 | 66.36 | 67.28 | 73.42 | 5.41 |
| Qwen3-Reranker-4B | 4B | 69.76 | 75.94 | 72.74 | 69.97 | 81.20 | 14.84 |
| Qwen3-Reranker-8B | 8B | 69.02 | 77.45 | 72.94 | 70.19 | 81.22 | 8.05 |
¡Puedes consultar la evaluación de modelos de embedding en este leaderboard!
¿Cómo acceder a los modelos Qwen 3 Reranker?
Novita AI es una plataforma cloud de IA que ofrece a los desarrolladores una forma sencilla de desplegar modelos de IA usando nuestra API simple, además de proporcionar el cloud GPU asequible y fiable para construir y escalar.
Además de Qwen 3 Reranker 8B y Embedding 8B, Novita AI también ofrece bge-m3 gratuito para apoyar el desarrollo de la comunidad open source.
Paso 1: Inicia sesión y accede a la Biblioteca de Modelos
Inicia sesión en tu cuenta y haz clic en el botón Biblioteca de Modelos.
¡Prueba Qwen 3 Reranker 8B ahora!
Paso 2: Elige tu modelo y comienza una prueba gratuita
Navega por las opciones disponibles y selecciona el modelo que se adapte a tus necesidades.
Paso 3: Obtén tu clave API
Para autenticarte con la API, te proporcionaremos una nueva clave API. Ingresa a la página de “Configuración” y copia la clave API como se indica en la imagen.
Paso 4: Instala la API
Instala la API usando el gestor de paquetes específico de tu lenguaje de programación.
Después de la instalación, importa las librerías necesarias en tu entorno de desarrollo. Inicializa la API con tu clave API para empezar a interactuar con los modelos de Novita AI. Este es un ejemplo de uso de la API de chat completions para usuarios de Python.
from openai import OpenAI
base_url = "https://api.novita.ai/v3/openai"
api_key = "<Your API Key>"
model = "qwen/qwen3-reranker-8b"
client = OpenAI(
base_url=base_url,
api_key=api_key,
)
stream = True # or False
max_tokens = 1000
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
extra_body={
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
A medida que las aplicaciones de IA exigen una comprensión más precisa de la intención del usuario, los modelos de reranking se han convertido en herramientas esenciales para ofrecer resultados de búsqueda más inteligentes. Actuando como una segunda capa de inteligencia después de la recuperación inicial, los rerankers ajustan las clasificaciones de documentos mediante un análisis contextual más profundo. La serie Qwen 3 Reranker establece un nuevo estándar en este ámbito, ofreciendo un rendimiento impresionante en varios idiomas, documentos largos e incluso tareas de recuperación de código. Con un despliegue simplificado a través de Novita AI, los desarrolladores pueden aprovechar estos modelos avanzados sin una infraestructura pesada, haciendo que la recuperación de alta precisión sea más accesible que nunca.
Preguntas Frecuentes
¿Qué es un modelo reranker?
Un reranker reordena una lista de documentos recuperados puntuando su relevancia para una consulta, mejorando la precisión en los sistemas de búsqueda de IA.
¿En qué se diferencia un reranker de un modelo de embedding?
Modelo de Embedding: Convierte cada texto en un vector y los compara usando similitud.
Modelo Reranker: Lee tanto la consulta como el documento juntos y da una puntuación inteligente de relevancia.
¿Cómo se desempeña Qwen 3 Reranker?
Qwen3-Reranker-8B logra puntuaciones de primer nivel:
MTEB-R: 69.02,
CMTEB-R: 77.45,
MTEB-Code: 81.22
Supera a modelos populares como BGE y GTE en múltiples categorías.
Novita AI es la plataforma cloud integral que impulsa tus ambiciones de IA. APIs integradas, serverless, instancias GPU — las herramientas rentables que necesitas. Elimina la infraestructura, comienza gratis y haz realidad tu visión de IA.
