Qwen3-Reranker-4B
Acerca de Qwen3-Reranker-4B
Qwen3-Reranker-4B es un potente modelo de reordenación de Text de la serie Qwen3, con 4000 millones de parámetros. Está diseñado para mejorar significativamente la relevancia de los resultados de búsqueda al reordenar una lista inicial de documentos en función de una consulta. Este modelo hereda los puntos fuertes de su base Qwen3, que incluyen una comprensión excepcional de textos largos (con una longitud de contexto de hasta 32k) y sólidas capacidades en más de 100 idiomas. Según las pruebas de rendimiento, el modelo Qwen3-Reranker-4B demuestra un rendimiento excelente en diversas evaluaciones de recuperación de código de y de código.
Descubra cómo Qwen3-Reranker-4B optimiza la recuperación de información al reordenar de forma inteligente los resultados de búsqueda, garantizando que los usuarios encuentren rápidamente el contenido más relevante en diversos idiomas y textos largos.
Búsqueda empresarial
Mejore la relevancia de la búsqueda de documentos internos, impulsando la productividad de los empleados y la localización de información.
Ejemplo de caso de uso:
"Se reordenaron 100 documentos internos sobre políticas de RR. HH. para una consulta sobre "directrices de teletrabajo", colocando las políticas más actuales y relevantes al principio, lo que ahorró a los empleados un tiempo de búsqueda considerable."
Reordenación en comercio electrónico
Perfeccione las recomendaciones de productos reordenando los artículos en función de las consultas y preferencias del usuario, aumentando así las tasas de conversión.
Ejemplo de caso de uso:
"Para un usuario que buscaba "portátil para juegos", se reordenaron 50 coincidencias iniciales de productos para priorizar los que tenían GPU de gama alta y opiniones positivas, lo que supuso un aumento del 15 % en el porcentaje de clics."
Búsqueda de recursos para desarrolladores
Mejore la búsqueda de código y la localización de documentación para los desarrolladores, mostrando rápidamente las soluciones más relevantes.
Ejemplo de caso de uso:
"Se reordenaron 20 fragmentos de código JavaScript potenciales para una consulta específica de integración de componentes React, destacando el ejemplo más eficiente y actualizado, reduciendo así el tiempo de desarrollo."
Relevancia de documentos legales
Acelere la investigación jurídica reordenando la jurisprudencia, las leyes o los contratos para dar prioridad a la información más pertinente.
Ejemplo de caso de uso:
"Para una consulta sobre "cumplimiento del RGPD en caso de violaciones de datos", se reordenaron 30 documentos legales, colocando al principio la normativa más reciente y directamente aplicable, lo que ayudó notablemente a los asesores jurídicos en su revisión."
Metadatos
Especificación
Estado
Deprecated
Arquitectura
Dense Transformer
Calibrado
Sí
Mezcla de expertos
No
Parámetros totales
4B
Parámetros activados
4B
Razonamiento
No
Precisión
FP8
Longitud del contexto
33K
Tokens máximos
Comparar con otros modelos
Descubre cómo se compara este modelo con otros.
Qwen
chat
Qwen3-VL-32B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.2
/ M Tokens
Output:
$
0.6
/ M Tokens
Qwen
chat
Qwen3-VL-32B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.2
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.18
/ M Tokens
Output:
$
0.68
/ M Tokens
Qwen
chat
Qwen3-VL-8B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.18
/ M Tokens
Output:
$
2.0
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.3
/ M Tokens
Output:
$
1.5
/ M Tokens
Qwen
chat
Qwen3-VL-235B-A22B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.45
/ M Tokens
Output:
$
3.5
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Instruct
Contexto total:
262K
Output máx.:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
chat
Qwen3-VL-30B-A3B-Thinking
Contexto total:
262K
Output máx.:
262K
Input:
$
0.29
/ M Tokens
Output:
$
1.0
/ M Tokens
Qwen
image-to-video
Wan2.2-I2V-A14B
$
0.29
/ Video
