Qwen3 Reranker 8B が Novita AI で利用可能に：AI検索の精度を向上

再ランカーモデルとは？
Qwen 3 Reranker モデルとは？
Qwen 3 Reranker モデルにアクセスする方法

今すぐ友達を紹介すると、**両方に $10 の LLM API クレジット ** をプレゼント — 最大 $500 の総報酬 があなたを待っています！

Llama 3.2 1B、Qwen2.5 7B、Qwen 3 (0.6B, 1.7B, 4B)、GLM 4 — すべて Novita AI で利用可能で、無料であなたのプロジェクトを強化します！

再ランカーモデルは、最初に取得したドキュメントの順序を調整することで、AI 検索システムの精度を向上させる上で重要な役割を果たします。

Qwen 3 Reranker 8B は、多言語およびコードベースのタスクにおいて優れたベンチマークパフォーマンスを示しています。Novita AI の API プラットフォームを介して簡単にアクセスできるため、開発者は強力な再ランキング機能をアプリケーションに効率的に統合できます。

今すぐ Novita AI で構築を始める！

再ランカーモデルとは？

再ランカーモデルは、特定のクエリに対する関連性に基づいて、最初に取得されたドキュメントやアイテムのセットを再順序付けする特殊な AI モデルです。通常、初期検索フェーズ（BM25 や埋め込みベースの検索などの方法を使用）の後、再ランカは上位 k 件の結果をより正確に評価し、最も関連性の高いアイテムが優先されるようにします。

mongodb より

再ランカは、クエリと取得されたドキュメントに関連性スコアを割り当てるモデルです。ドキュメントを関連性に基づいてスコアリングすることで、再ランカは最初に取得されたドキュメントの中から最も関連性の高いサブセットを選択し、検索精度を向上させます。

再ランカーモデルが解決する問題

関連性の向上: 初期検索結果を調整し、ユーザーの意図により適合させます。
ノイズの低減: 関連性の低いアイテムをフィルタリングすることで、提示される情報の品質を向上させます。
RAG システムの改善: RAG パイプラインでは、再ランカは応答生成に最も適切なドキュメントが使用されるようにします。

再ランカーモデルの評価方法

MTEB-R: MTEB（Massive Text Embedding Benchmark）の英語検索タスク。
CMTEB-R: MTEB の中国語検索タスク（中国語のパフォーマンスに焦点）。
MMTEB-R: 多言語検索タスク（複数の言語にわたって評価）。
MLDR: 多言語長文書検索（さまざまな言語の長いテキストの検索をテスト）。
MTEB-Code: コード関連の検索タスク（例：コード検索、理解）のベンチマーク。
FollowIR: モデルが検索クエリ内の複雑なユーザー指示にどの程度従うかを測定。

再ランカーモデル vs 埋め込みモデル

側面	埋め込みモデル	再ランカーモデル
機能	ベクトル類似性に基づいてドキュメントを取得	関連性に基づいて取得されたドキュメントを再順序付け
効率	高い（大規模検索に適している）	低い（小さなセットの再順序付けに使用）
精度	中程度	高い
使用例	初期検索	検索後の絞り込み

https://youtu.be/1QCwtyQ7Ctc

Qwen 3 Reranker モデルとは？


モデル	サイズ	レイヤー	シーケンス長	インストラクト対応
Qwen3-Reranker-0.6B	28	32K	32K	はい
Qwen3-Reranker-4B	4B	36	32K	はい
Qwen3-Reranker-8B	8B	36	32K	はい

Qwen 3 Reranker モデルの仕組み

Qwen より

埋め込み

目標: テキストをベクトルに変換し、効率的に検索・比較できるようにする

入力: {Instruction} + {Query} / {Doc} [EOS]
- モデルはクエリとドキュメントを結合した入力形式として受け取ります。
Qwen3 モデルを通過し、最後（[EOS] の位置）で隠れ状態（「サマリーベクトル」のようなもの）を取得します。
そのベクトルが 埋め込み となります。テキストを数値で表現し、他のテキストと比較できるようにします。

再ランカ

目標: ドキュメントがクエリにどの程度適合しているかを示すスマートなスコアを提供する

入力: {Instruction} + {Query} + {Doc} Assistant:
- これはより詳細な入力です。Qwen3 はクエリとドキュメントを 一緒に 読み、並べて比較するように処理します。
クロスエンコーダ 設定を使用し、2 つのテキストを深く比較します。
次に、LM ヘッド（Language Model head）がスコア（例：「はい」の確率）を出力します。
- このスコアは、「このドキュメントはクエリにどの程度関連しているか？」を示します。

Qwen 3 Reranker モデルのベンチマーク

モデル	パラメータ	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

埋め込みモデルの評価はこちらのリーダーボードで確認できます！

Qwen 3 Reranker モデルにアクセスする方法

Novita AI は、開発者がシンプルな API を使用して AI モデルを簡単にデプロイできる AI クラウドプラットフォームであり、手頃で信頼性の高い GPU クラウドを構築とスケーリングに提供します。

Qwen 3 Reranker 8B と Embedding 8B に加えて、Novita AI はオープンソースコミュニティの開発を支援するために無料の bge-m3 も提供しています！

ステップ 1: ログインしてモデルライブラリにアクセス

アカウントにログインし、モデルライブラリ ボタンをクリックします。

今すぐ Qwen 3 Reranker 8B を試す！

ステップ 2: モデルを選択して無料トライアルを開始

利用可能なオプションを参照し、ニーズに合ったモデルを選択します。

ステップ 3: API キーを取得

API で認証するために、新しい API キーを提供します。「設定」ページに移動し、画像のように API キーをコピーします。

ステップ 4: API をインストール

使用しているプログラミング言語に適したパッケージマネージャを使用して API をインストールします。

インストール後、開発環境に必要なライブラリをインポートします。API キーを使用して API を初期化し、Novita AI モデルとの対話を開始します。これは、Python ユーザー向けのチャット補完 API の使用例です。

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)

AI アプリケーションがユーザーの意図をより正確に理解することを要求するにつれて、再ランキングモデルはよりスマートな検索結果を提供するための必須ツールとなっています。初期検索後の第二層のインテリジェンスとして機能し、より深い文脈分析を使用してドキュメントのランキングを微調整します。**Qwen 3 Reranker シリーズ ** は、この分野で新しいベンチマークを設定し、言語、長いドキュメント、さらにはコード検索タスクにわたって印象的なパフォーマンスを提供します。Novita AI によりデプロイが簡単になったため、開発者は大規模なインフラストラクチャを必要とせずにこれらの高度なモデルを活用でき、高精度な検索がこれまで以上に身近なものになります。

よくある質問

再ランカーモデルとは何ですか？

再ランカは、取得されたドキュメントのリストをクエリに対する関連性でスコアリングして再順序付けし、AI 検索システムの精度を向上させます。

再ランカは埋め込みモデルとどう違うのですか？

埋め込みモデル: 各テキストをベクトルに変換し、類似性を使用して比較します。
再ランカモデル: クエリとドキュメントの両方を一緒に読み取り、関連性に関するスマートなスコアを提供します。

Qwen 3 Reranker のパフォーマンスはどうですか？

Qwen3-Reranker-8B はトップクラスのスコアを達成しています。
MTEB-R: 69.02、
CMTEB-R: 77.45、
MTEB-Code: 81.22
複数のカテゴリで BGE や GTE などの人気モデルを上回っています。

Novita AI は、あなたの AI への野心を支援するオールインワンのクラウドプラットフォームです。統合 API、サーバーレス、GPU インスタンス — 必要なコスト効率の高いツールを提供します。インフラストラクチャを排除し、無料で始めて、AI のビジョンを現実にしましょう。

Qwen3 Reranker 8B が Novita AI で利用可能に：AI検索の精度を向上