Zhipu Rerank API 接口、参数 & 代码示例

z-ai/rerank

Zhipu Rerank 模型用于文本重排序，通过接收用户的查询文本（`query`）及候选文本列表（`documents`），使用模型计算候选文本与查询文本的相关性得分并返回分数。Rerank 模型适用于智能问答、信息检索、RAG知识库等场景。

模型 ID: z-ai/rerank
模型系列: GLM
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）: ¥ 0.001
模型价格（每 1000 tokens 输出）: ¥ 0

Zhipu Rerank 模型介绍：

rerank 是专门用于文本重排序的模型。它通过接收用户的查询文本（query）以及一组候选文本列表（documents），利用深度学习模型精确计算出候选文本与查询文本之间的相关性得分。

适用场景：智能问答（RAG）、信息检索、语义搜索等需要提升召回结果精准度的场景。

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": "z-ai/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": "z-ai/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": "z-ai/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\":\"z-ai/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": "z-ai/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\":\"z-ai/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\":\"z-ai/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\":\"z-ai/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\":\"z-ai/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": "z-ai/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\":\"z-ai/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": "z-ai/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' => 'z-ai/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": "z-ai/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。

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

Zhipu Rerank API 接口、参数 & 代码示例

Zhipu 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）

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

MiMo V2.5 ASR

Zhipu Rerank

Tencent Hunyuan Hy3

LongCat 2.0

Qwen Image 2.0

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

Zhipu Rerank API 接口、参数 & 代码示例

Zhipu 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）

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

MiMo V2.5 ASR

Zhipu Rerank

Tencent Hunyuan Hy3

LongCat 2.0

Qwen Image 2.0

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）