Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoPaper científico · Para I+DVoyage AI→ original

Voyage rerank-2.5 supera a Cohere en un 7,94 % en precisión de búsqueda y entiende instrucciones

Un reranker en RAG toma unos cien documentos encontrados y coloca arriba los más relevantes. Voyage AI ha lanzado rerank-2.5 y rerank-2.5-lite: en calidad de resultados, en 93 conjuntos de datos superan a Cohere Rerank v3.5 en un 7,94 % y un 7,16 %. Los modelos entienden indicaciones como «busca leyes, no casos judiciales» y leen hasta 32 000 tokens. El precio se mantiene, así que conviene comprobar el reemplazo con tus propios datos.

Procesado por IA desde Voyage AI; editado por Hamidun News
Voyage rerank-2.5 supera a Cohere en un 7,94 % en precisión de búsqueda y entiende instrucciones
Fuente: Voyage AI. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalVoyage AI ↗
Editor jefe
Dato clave #1Con instrucciones, la precisión sube otro 8,13 % y 7,55 % en 24 conjuntos de datos
Dato clave #2En el benchmark MAIR superan a Cohere en un 12,70 % y 10,36 %
Dato clave #3Los nuevos usuarios reciben los primeros 200 millones de tokens gratis

Imagina una búsqueda en una base de conocimiento: el usuario escribe «Jaguar» y la primera etapa de búsqueda devuelve cien documentos: sobre coches, sobre gatos y sobre el sistema operativo del mismo nombre. Para que lo relevante aparezca arriba, los sistemas RAG incorporan un reranker: un modelo que recibe la consulta y los cien candidatos y los reordena según su relevancia real. Voyage AI ha lanzado una nueva generación de estos modelos: rerank-2.

5 y la versión más ligera rerank-2.5-lite. El 7,94 % del titular significa que, en calidad media de resultados (métrica NDCG@10: qué tan arriba aparecen los documentos correctos en los diez primeros), rerank-2.

5 supera a Cohere Rerank v3.5 en un 7,94 %, y la versión lite lo hace en un 7,16 %. La medición se realizó sobre 93 conjuntos de datos.

La segunda novedad: ahora se puede explicar la tarea al reranker con palabras cotidianas. Conviene leerlo si estás construyendo un buscador o un RAG y eliges con qué reordenar los resultados.

Qué cambió en los modelos

La compañía comparó los modelos en 93 datasets de nueve áreas: documentación técnica, código, derecho, finanzas, opiniones de internet, búsqueda multilingüe, documentos largos, medicina y diálogos. La parte multilingüe incluye 51 conjuntos en 31 idiomas. El esquema de prueba es el siguiente: la búsqueda inicial (BM25, embeddings de OpenAI text-embedding-3-large y otros) devuelve hasta 100 candidatos, el reranker los reordena y se toman los mejores 10.

En promedio sobre cuatro variantes de búsqueda inicial, rerank-2.5 supera a Cohere Rerank v3.5 en un 7,94 %, y rerank-2.5-lite en un 7,16 %. También superan al Qwen3-Reranker-8B de código abierto: en un 2,25 % y un 1,47 %, aunque Voyage subraya que sus modelos son más de diez veces más pequeños. La generación anterior de Voyage queda por detrás en un 1,85 % para el modelo mayor y en un 1,08 % para el menor. Voyage afirma además que ambos modelos superan a los LLM usados como reranker, pero promete los detalles en un artículo aparte, así que por ahora es una afirmación sin cifras.

La compañía señala también que Cohere Rerank v3.5 puede empeorar los resultados cuando la búsqueda inicial ya es muy buena, mientras que los nuevos modelos mejoran el resultado con cualquier método de búsqueda inicial. Para la práctica, es una señal: conviene probar el reranker con tus datos en lugar de activarlo por defecto.

El contexto creció hasta 32 000 tokens, es decir, ocho veces más que Cohere Rerank v3.5 y el doble que los modelos anteriores de Voyage. Los documentos largos —contratos, especificaciones, reglamentos— ahora pueden enviarse completos, sin recortes. El precio por token no cambió.

Instrucciones en lugar de reentrenamiento

La función principal es seguir instrucciones. Se añade a la consulta (o se antepone) una frase en lenguaje natural, y el modelo cambia sus puntuaciones de relevancia. Voyage presenta tres tipos de tareas:

  • Énfasis. En la búsqueda de artículos científicos se puede indicar «considera el título, ignora el resumen».
  • Tipo de documento. Un servicio jurídico puede fijar «busca normas y leyes, no casos judiciales».
  • Precisión de contexto. La frase «esta aplicación trata sobre coches» ayuda a entender que «Jaguar» es una marca de automóviles y no un animal.

Los ejemplos del artículo muestran la diferencia. Ante la pregunta sobre quién está en riesgo de la enfermedad mano-pie-boca, el modelo anterior devolvió una frase genérica: «niños». Con la instrucción «céntrate en la edad», el primer resultado fue un párrafo sobre niños menores de 10 años y la estacionalidad de los brotes. Otro caso: alguien pregunta qué significa «desbloquear el dispositivo» y aclara que es empresario con un teléfono de trabajo. Con esa indicación, el modelo elige una respuesta sobre el cambio de operador en viajes, teniendo en cuenta las normas corporativas.

En cifras, en 24 conjuntos internos de siete áreas, las instrucciones aportan una mejora del 8,13 % para rerank-2.5 y del 7,55 % para la versión lite. En tres conjuntos de aplicaciones reales, la mejora fue del 11,48 % y del 7,83 %. En el benchmark académico MAIR, que incluye instrucciones específicas para cada tarea, los modelos superan a Cohere Rerank v3.5 en un 12,70 % y un 10,36 %.

Qué hacer en la práctica

Los modelos están disponibles ya, con pago por token, y los nuevos usuarios reciben 200 millones de tokens gratis. A quienes usan la generación anterior, Voyage les recomienda migrar: la calidad es mayor, el contexto es el doble y el precio no cambia. Los modelos anteriores seguirán disponibles para quienes no quieran cambiar.

A los desarrolladores de RAG les conviene probar dos cosas. Primero, trasladar las reglas permanentes a la instrucción: prioridad por tipo de documento, idioma, sector. Es más barato que reentrenar el modelo o montar filtros adicionales. Segundo, revisar de nuevo la configuración del troceado de documentos: con 32 000 tokens, algunos textos no necesitan dividirse tan finamente.

Hay también limitaciones. Todas las cifras proceden de la propia Voyage, incluidas las de sus conjuntos internos, y todavía no hay mediciones independientes. La mejora de entre el 7 % y el 8 % en NDCG@10 es un promedio sobre el conjunto de pruebas; en tu corpus puede ser distinta. Además, la compañía recomienda combinarlo con sus propios embeddings, así que parte del material tiene un componente de marketing. Aun así, la combinación de mayor precisión, contexto largo y precio sin cambios convierte a rerank-2.5 en un candidato serio para sustituir a Cohere en producción.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué cambió en los modelos?

La compañía comparó los modelos en 93 datasets de nueve áreas: documentación técnica, código, derecho, finanzas, opiniones de internet, búsqueda multilingüe, documentos largos, medicina y diálogos. La parte multilingüe incluye 51 conjuntos en 31 idiomas. El esquema de prueba es el siguiente: la búsqueda inicial (BM25, embeddings de OpenAI text-embedding-3-large y otros) devuelve hasta 100 candidatos, el reranker los reordena y se toman los mejores 10.

¿Qué se sabe sobre Instrucciones en lugar de reentrenamiento?

La función principal es seguir instrucciones. Se añade a la consulta (o se antepone) una frase en lenguaje natural, y el modelo cambia sus puntuaciones de relevancia. Voyage presenta tres tipos de tareas: Énfasis. En la búsqueda de artículos científicos se puede indicar «considera el título, ignora el resumen». Tipo de documento. Un servicio jurídico puede fijar «busca normas y leyes, no casos judiciales». Precisión de contexto.

¿Qué se sabe sobre Qué hacer en la práctica?

Los modelos están disponibles ya, con pago por token, y los nuevos usuarios reciben 200 millones de tokens gratis. A quienes usan la generación anterior, Voyage les recomienda migrar: la calidad es mayor, el contexto es el doble y el precio no cambia. Los modelos anteriores seguirán disponibles para quienes no quieran cambiar. A los desarrolladores de RAG les conviene probar dos cosas. Primero, trasladar las reglas permanentes a la instrucción: prioridad por tipo de documento, idioma, sector.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…