Qwen3 Rerank API 接口、参数 & 代码示例

qwen/qwen3-rerank

Qwen3 Rerank 是通义团队构建的专门用于文本检索二次排序的模型。Qwen3 Rerank 基于 Qwen LLM 底座训练的文本排序模型，对输入的 Query 和候选 Docs 进行相关性排序，支持 100+ 语种和长文本输入，适用于文本检索、RAG 等场景，效果对齐开源 Qwen3-Rerank 系列模型

模型 ID: qwen/qwen3-rerank
模型系列: Qwen
更新日期: 2026-07-08
模型能力: 文本重排序
模型价格（每 1000 tokens 输入）: ¥ 0.0007
模型价格（每 1000 tokens 输出）: ¥ 0

Qwen3 Rerank 模型介绍：

Qwen3 Rerank 是通义团队基于 Qwen LLM 底座构建的专门用于文本检索二次排序的模型。

单塔交叉编码（Cross-Encoder）：模型将 Query（查询词）与 Document（候选文档）拼接成一个整体输入，通过大模型的全注意力机制（Full Attention）进行逐字深度的语义交叉和特征融合。
打分机制（Logits Prediction）：与传统的线性分类头不同，Qwen3-Reranker 继承了大模型的生成特性，它通过预测特定特殊 Token（例如 <|im_start|>user 之后的 yes 或 no 等概率对）的生成对数几率（Logits）来计算相关性得分。

三大核心优势：

30K 文本长窗口

支持高达 30K Token 的超长输入。这意味着在 RAG（检索增强生成）系统中，当召回的长文档切片（Chunk）包含大量上下文，或者需要对比长篇法律、医疗、财报技术文档时，模型不会发生文本截断，能完整理解全文相关性。

指令感知能力（Instruction-Aware）

模型在训练阶段引入了任务指令。在调用时，开发者可以通过配置 instruct 参数来定义重排倾向，例如：

“针对以下提出的技术疑问，请在文档中找出包含核心解决步骤的代码段。”
官方评估表明，在实际业务中使用定制化的 instruct（任务指令） 比不使用指令能直接带来 1% 到 5% 的召回准确率提升。

多语言与代码能力深度优化

依托 Qwen3 强大的语言基因，它原生支持 100 多种语言 的跨语言检索（Cross-lingual Retrieval）。此外，针对 GitHub 仓库检索等场景，它对各种主流编程语言的代码语义进行了深度对齐（在 MTEB-Code 评测中表现极为优异）。

API 接口地址：

https://wcode.net/api/gpt/v1/rerank

请求方法：

POST

各编程语言代码示例：

# TODO: 以下代码中的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

curl --request POST 'https://wcode.net/api/gpt/v1/rerank' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer API_KEY' \
--data '{
    "model": "qwen/qwen3-rerank",
    "query": "什么是文本排序模型",
    "documents": [
        "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
        "量子计算是计算科学的一个前沿领域",
        "预训练语言模型的发展给文本排序模型带来了新的进展"
    ],
    "top_n": 2
}'

import Foundation

let headers = [
  "Authorization": "Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "content-type": "application/json"
]
let parameters = [
  "model": "qwen/qwen3-rerank",
  "query": "什么是文本排序模型",
  "documents": [
    "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
    "量子计算是计算科学的一个前沿领域",
    "预训练语言模型的发展给文本排序模型带来了新的进展"
  ],
  "top_n": 2
] as [String : Any]

let postData = JSONSerialization.data(withJSONObject: parameters, options: [])

let request = NSMutableURLRequest(url: NSURL(string: "https://wcode.net/api/gpt/v1/rerank")! as URL,
                                        cachePolicy: .useProtocolCachePolicy,
                                    timeoutInterval: 60.0)
request.httpMethod = "POST"
request.allHTTPHeaderFields = headers
request.httpBody = postData as Data

let session = URLSession.shared
let dataTask = session.dataTask(with: request as URLRequest, completionHandler: { (data, response, error) -> Void in
  if (error != nil) {
    print(error as Any)
  } else {
    let httpResponse = response as? HTTPURLResponse
    print(httpResponse)
  }
})

dataTask.resume()

var headers = {
  'Content-Type': 'application/json',
  'Authorization': 'Bearer API_KEY'  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
};
var request = http.Request('POST', Uri.parse('https://wcode.net/api/gpt/v1/rerank'));
request.body = json.encode({
  "model": "qwen/qwen3-rerank",
  "query": "什么是文本排序模型",
  "documents": [
    "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
    "量子计算是计算科学的一个前沿领域",
    "预训练语言模型的发展给文本排序模型带来了新的进展"
  ],
  "top_n": 2
});
request.headers.addAll(headers);

http.StreamedResponse response = await request.send();

if (response.statusCode == 200) {
  print(await response.stream.bytesToString());
}
else {
  print(response.reasonPhrase);
}

require 'uri'
require 'net/http'

url = URI("https://wcode.net/api/gpt/v1/rerank")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer API_KEY'  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
request["content-type"] = 'application/json'
request.body = "{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}"

response = http.request(request)
puts response.read_body

use serde_json::json;
use reqwest;

#[tokio::main]
pub async fn main() {
  let url = "https://wcode.net/api/gpt/v1/rerank";

  let payload = json!({
    "model": "qwen/qwen3-rerank",
    "query": "什么是文本排序模型",
    "documents": [
        "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
        "量子计算是计算科学的一个前沿领域",
        "预训练语言模型的发展给文本排序模型带来了新的进展"
    ],
    "top_n": 2
  });

  let mut headers = reqwest::header::HeaderMap::new();
  headers.insert("Authorization", "Bearer API_KEY".parse().unwrap());  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  headers.insert("content-type", "application/json".parse().unwrap());

  let client = reqwest::Client::new();
  let response = client.post(url)
    .headers(headers)
    .json(&payload)
    .send()
    .await;

  let results = response.unwrap()
    .json::<serde_json::Value>()
    .await
    .unwrap();

  dbg!(results);
}

CURL *hnd = curl_easy_init();

curl_easy_setopt(hnd, CURLOPT_CUSTOMREQUEST, "POST");
curl_easy_setopt(hnd, CURLOPT_URL, "https://wcode.net/api/gpt/v1/rerank");

struct curl_slist *headers = NULL;
headers = curl_slist_append(headers, "Authorization: Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
headers = curl_slist_append(headers, "content-type: application/json");
curl_easy_setopt(hnd, CURLOPT_HTTPHEADER, headers);

curl_easy_setopt(hnd, CURLOPT_POSTFIELDS, "{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}");

CURLcode ret = curl_easy_perform(hnd);

package main

import (
  "fmt"
  "strings"
  "net/http"
  "io"
)

func main() {
  url := "https://wcode.net/api/gpt/v1/rerank"

  payload := strings.NewReader("{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}")

  req, _ := http.NewRequest("POST", url, payload)

  req.Header.Add("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  req.Header.Add("content-type", "application/json")

  res, _ := http.DefaultClient.Do(req)

  defer res.Body.Close()
  body, _ := io.ReadAll(res.Body)

  fmt.Println(res)
  fmt.Println(string(body))
}

using System.Net.Http.Headers;


var client = new HttpClient();

var request = new HttpRequestMessage(HttpMethod.Post, "https://wcode.net/api/gpt/v1/rerank");

request.Headers.Add("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

request.Content = new StringContent("{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}", null, "application/json");

var response = await client.SendAsync(request);

response.EnsureSuccessStatusCode();

Console.WriteLine(await response.Content.ReadAsStringAsync());

var client = new RestClient("https://wcode.net/api/gpt/v1/rerank");

var request = new RestRequest("", Method.Post);

request.AddHeader("Authorization", "Bearer API_KEY");  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net

request.AddHeader("content-type", "application/json");

request.AddParameter("application/json", "{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}", ParameterType.RequestBody);

var response = client.Execute(request);

const axios = require('axios');

let data = JSON.stringify({
  "model": "qwen/qwen3-rerank",
  "query": "什么是文本排序模型",
  "documents": [
    "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
    "量子计算是计算科学的一个前沿领域",
    "预训练语言模型的发展给文本排序模型带来了新的进展"
  ],
  "top_n": 2
});

let config = {
  method: 'post',
  maxBodyLength: Infinity,
  url: 'https://wcode.net/api/gpt/v1/rerank',
  headers: {
    'Content-Type': 'application/json',
    'Authorization': 'Bearer API_KEY'  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  },
  data : data
};

axios.request(config).then((response) => {
  console.log(JSON.stringify(response.data));
}).catch((error) => {
  console.log(error);
});

OkHttpClient client = new OkHttpClient();

MediaType mediaType = MediaType.parse("application/json");

RequestBody body = RequestBody.create(mediaType, "{\"model\":\"qwen/qwen3-rerank\",\"query\":\"什么是文本排序模型\",\"documents\":[\"文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序\",\"量子计算是计算科学的一个前沿领域\",\"预训练语言模型的发展给文本排序模型带来了新的进展\"],\"top_n\":2}");

Request request = new Request.Builder()
  .url("https://wcode.net/api/gpt/v1/rerank")
  .post(body)
  .addHeader("Authorization", "Bearer API_KEY")  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  .addHeader("content-type", "application/json")
  .build();

Response response = client.newCall(request).execute();

$client = new \GuzzleHttp\Client();

$headers = [
  'Content-Type' => 'application/json',
  'Authorization' => 'Bearer API_KEY',  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
];

$body = '{
  "model": "qwen/qwen3-rerank",
  "query": "什么是文本排序模型",
  "documents": [
    "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
    "量子计算是计算科学的一个前沿领域",
    "预训练语言模型的发展给文本排序模型带来了新的进展"
  ],
  "top_n": 2
}';

$request = new \GuzzleHttp\Psr7\Request('POST', 'https://wcode.net/api/gpt/v1/rerank', $headers, $body);

$response = $client->sendAsync($request)->wait();

echo $response->getBody();

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://wcode.net/api/gpt/v1/rerank",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 5,
  CURLOPT_TIMEOUT => 300,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => json_encode([
    'model' => 'qwen/qwen3-rerank',
    'query' => '什么是文本排序模型',
    'documents' => [
        '文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序',
        '量子计算是计算科学的一个前沿领域',
        '预训练语言模型的发展给文本排序模型带来了新的进展',
    ],
    'top_n' => 2,
  ]),
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer API_KEY",  // TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
    "content-type: application/json",
  ],
]);

$response = curl_exec($curl);
$error = curl_error($curl);

curl_close($curl);

if ($error) {
  echo "cURL Error #:" . $error;
} else {
  echo $response;
}

import requests
import json

url = "https://wcode.net/api/gpt/v1/rerank"

payload = {
  "model": "qwen/qwen3-rerank",
  "query": "什么是文本排序模型",
  "documents": [
    "文本排序模型广泛用于搜索引擎和推荐系统中，它们根据文本相关性对候选文本进行排序",
    "量子计算是计算科学的一个前沿领域",
    "预训练语言模型的发展给文本排序模型带来了新的进展"
  ],
  "top_n": 2
}

headers = {
  "Authorization": "Bearer API_KEY",  # TODO: 这里的 API_KEY 需要替换，获取 API Key 入口：https://platform.wcode.net
  "content-type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(json.dumps(response.json(), indent=4, ensure_ascii=False))

重要提示：由于模型架构不同，部分参数可能仅适用于特定的模型。

documents（候选文档）

参数：documents
必选，array

待重排序的候选文本数组，最多 128 条，单条最长 4096 字符。

model（模型 ID）

参数：model
必选，string

文本重排序模型 ID。调用时使用模型详情页的模型 ID。

query（查询文本）

参数：query
必选，string

用于与候选文档比对的查询文本，最长 4096 字符。

top_n（返回条数）

参数：top_n
可选，int
默认：0

返回相关性最高的前 n 条结果；默认为 0，表示返回全部候选文档。

instruct（任务指令）

参数：instruct
可选，string

为重排序任务提供额外指令，用于引导模型理解排序意图。

示例：Given a web search query, retrieve relevant passages that answer the query.

以上文档为标准版 API 接口文档，可直接用于项目开发和系统调用。如果标准版 API 接口无法满足您的需求，需要定制开发 API 接口，请联系我们的 IT 技术支持工程师：

（沟通需求✅ → 确认技术方案✅ → 沟通费用与工期✅ → 开发&测试✅ → 验收交付✅ → 维护升级✅）

最受关注模型

2026-06-27

向量化模型

2026-04-20

语音识别模型

2026-07-08

语音合成模型

2026-06-28

Qwen3 Rerank API 接口、参数 & 代码示例

Qwen3 Rerank 模型介绍：

API 接口地址：

请求方法：

各编程语言代码示例：

请求参数：

documents（候选文档）

model（模型 ID）

query（查询文本）

top_n（返回条数）

instruct（任务指令）

最受关注模型

DeepSeek V4 Pro

DeepSeek V4 Flash

XiaoMi MiMo V2.5 Pro

Qwen 3.6 Plus

Tencent Hunyuan Hy3 Preview

最新发布模型

Zhipu Rerank

Tongyi GTE Rerank V2

Qwen3 Rerank

MiMo V2.5 ASR

Tencent Hunyuan Hy3

向量化模型

GLM Embedding 3

Qwen3 Embedding 8B

Doubao Embedding Large Text 250515

Qwen Text Embedding V4

Qwen Text Embedding V1

语音识别模型

MiMo V2.5 ASR

Fun ASR Flash

Qwen3 ASR Flash

GLM ASR 2512

语音合成模型

CosyVoice V3 Plus

CosyVoice V3 Flash

GLM TTS

Qwen3 Rerank API 接口、参数 & 代码示例

Qwen3 Rerank 模型介绍：

API 接口地址：

请求方法：

各编程语言代码示例：

请求参数：

🔗documents（候选文档）

🔗model（模型 ID）

🔗query（查询文本）

🔗top_n（返回条数）

🔗instruct（任务指令）

最受关注模型

DeepSeek V4 Pro

DeepSeek V4 Flash

XiaoMi MiMo V2.5 Pro

Qwen 3.6 Plus

Tencent Hunyuan Hy3 Preview

最新发布模型

Zhipu Rerank

Tongyi GTE Rerank V2

Qwen3 Rerank

MiMo V2.5 ASR

Tencent Hunyuan Hy3

向量化模型

GLM Embedding 3

Qwen3 Embedding 8B

Doubao Embedding Large Text 250515

Qwen Text Embedding V4

Qwen Text Embedding V1

语音识别模型

MiMo V2.5 ASR

Fun ASR Flash

Qwen3 ASR Flash

GLM ASR 2512

语音合成模型

CosyVoice V3 Plus

CosyVoice V3 Flash

GLM TTS

documents（候选文档）

model（模型 ID）

query（查询文本）

top_n（返回条数）

instruct（任务指令）