Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
Безопасность и правоAPI / Продукт · В работуVoyage AI→ оригинал

Voyage rerank-2.5 обошёл Cohere на 7,94% по точности поиска и понимает инструкции

Реранкер в RAG берёт около сотни найденных документов и выносит наверх самые подходящие. Voyage AI выпустила rerank-2.5 и rerank-2.5-lite: по качеству выдачи на 93 наборах данных они точнее Cohere Rerank v3.5 на 7,94% и 7,16%. Модели понимают подсказки вроде «ищи законы, а не судебные дела» и читают до 32 тысяч токенов. Цена прежняя, так что замену стоит проверить на своих данных.

AI-обработка оригинала Voyage AI; редакция Hamidun News
Voyage rerank-2.5 обошёл Cohere на 7,94% по точности поиска и понимает инструкции
Источник: Voyage AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникVoyage AI ↗
Главный редактор
Ключевой факт #1С инструкциями точность растёт ещё на 8,13% и 7,55% на 24 наборах
Ключевой факт #2На бенчмарке MAIR обгоняют Cohere на 12,70% и 10,36%
Ключевой факт #3Новым пользователям первые 200 млн токенов бесплатны

Представьте поиск по базе знаний: пользователь вводит «Jaguar», а первый этап поиска приносит сотню документов — про машины, про кошек и про одноимённую операционную систему. Чтобы нужное оказалось наверху, в RAG-системах ставят реранкер: модель, которая получает запрос и сотню кандидатов и пересортировывает их по реальной релевантности. Voyage AI выпустила новое поколение таких моделей: rerank-2.5 и облегчённую rerank-2.5-lite. Цифра 7,94% из заголовка означает, что по среднему качеству выдачи (метрика NDCG@10: насколько высоко в первой десятке стоят нужные документы) rerank-2.5 лучше Cohere Rerank v3.5 на 7,94%, а lite-версия — на 7,16%. Замер сделан на 93 наборах данных. Вторая новинка: реранкеру теперь можно объяснять задачу обычными словами. Читать это стоит тем, кто строит поиск или RAG и выбирает, чем пересортировывать результаты.

Что изменилось в моделях

Компания сравнивала модели на 93 датасетах по девяти областям: техдокументация, код, право, финансы, отзывы из интернета, мультиязычный поиск, длинные документы, медицина и диалоги. Мультиязычная часть включает 51 набор на 31 языке. Схема проверки такая: первичный поиск (BM25, эмбеддинги OpenAI text-embedding-3-large и другие) отдаёт до 100 кандидатов, реранкер их переупорядочивает, и берутся лучшие 10.

В среднем по четырём вариантам первичного поиска rerank-2.5 опережает Cohere Rerank v3.5 на 7,94%, а rerank-2.5-lite — на 7,16%. Открытый Qwen3-Reranker-8B они тоже обходят: на 2,25% и 1,47%, причём Voyage подчёркивает, что её модели при этом более чем на порядок меньше. Предыдущее поколение Voyage осталось позади на 1,85% у старшей модели и на 1,08% у младшей. Voyage также утверждает, что обе модели лучше LLM в роли реранкера, но подробности обещает в отдельной статье, так что пока это заявление без цифр.

Отдельно компания отмечает: Cohere Rerank v3.5 на самом сильном первичном поиске способен ухудшать выдачу, а новые модели улучшают результат при любом первичном методе. Для практики это сигнал: реранкер стоит проверять на своих данных, а не ставить по умолчанию.

Контекст вырос до 32 тысяч токенов. Это в 8 раз больше, чем у Cohere Rerank v3.5, и вдвое больше, чем у предыдущих моделей Voyage. Длинные документы — договоры, спецификации, регламенты — теперь можно подавать целиком, без обрезки. Цена за токен не изменилась.

Инструкции вместо дообучения

Главная функция — следование инструкциям. К запросу дописывают (или ставят перед ним) фразу на естественном языке, и модель меняет оценки релевантности. Voyage приводит три типа задач:

  • Акценты. В поиске по научным статьям можно задать «учитывай заголовок, игнорируй аннотацию».
  • Тип документа. Юридический сервис может закрепить «ищи нормативные акты и законы, а не судебные дела».
  • Уточнение контекста. Фраза «это приложение о машинах» помогает понять, что «Jaguar» — марка автомобиля, а не зверь.

В примерах из статьи разница видна. На вопрос о том, кто в группе риска по болезни рук, ног и рта, старая модель вернула общую фразу «дети». С инструкцией «сфокусируйся на возрасте» наверх попал абзац про детей до 10 лет и сезонность вспышек. Другой пример: человек спрашивает, что значит «разблокировать устройство», и поясняет, что он бизнесмен с рабочим телефоном. С такой подсказкой модель выбирает ответ про смену операторов в поездках с учётом корпоративных правил.

По цифрам, на 24 внутренних датасетах из семи областей инструкции дают прирост 8,13% у rerank-2.5 и 7,55% у lite. На трёх наборах из реальных приложений прирост составил 11,48% и 7,83%. На академическом бенчмарке MAIR, где у задач есть специальные инструкции, модели обгоняют Cohere Rerank v3.5 на 12,70% и 10,36%.

Что делать на практике

Модели доступны сейчас с оплатой по токенам, новым пользователям дают 200 млн токенов бесплатно. Тем, кто уже сидит на предыдущем поколении, Voyage советует переходить: качество выше, контекст вдвое больше, цена прежняя. Старые модели останутся для тех, кто не хочет менять.

Разработчикам RAG стоит попробовать две вещи. Во-первых, вынести постоянные правила в инструкцию: приоритет типов документов, язык, отрасль. Это дешевле, чем переобучать модель или городить фильтры. Во-вторых, заново проверить настройки нарезки документов: при 32K токенов часть текстов можно не дробить так мелко.

Ограничения тоже есть. Все цифры получены самой Voyage, в том числе на внутренних датасетах, независимых замеров пока нет. Прирост в 7–8% по NDCG@10 — средний по набору, на вашем корпусе он может быть другим. Компания к тому же рекомендует связку со своими эмбеддингами, так что часть материала — маркетинг. Но сочетание более высокой точности, длинного контекста и неизменной цены делает rerank-2.5 серьёзным кандидатом на замену Cohere в продакшене.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что изменилось в моделях?

Компания сравнивала модели на 93 датасетах по девяти областям: техдокументация, код, право, финансы, отзывы из интернета, мультиязычный поиск, длинные документы, медицина и диалоги. Мультиязычная часть включает 51 набор на 31 языке. Схема проверки такая: первичный поиск (BM25, эмбеддинги OpenAI text-embedding-3-large и другие) отдаёт до 100 кандидатов, реранкер их переупорядочивает, и берутся лучшие 10.

Что известно по теме: инструкции вместо дообучения?

Главная функция — следование инструкциям. К запросу дописывают (или ставят перед ним) фразу на естественном языке, и модель меняет оценки релевантности. Voyage приводит три типа задач: Акценты. В поиске по научным статьям можно задать «учитывай заголовок, игнорируй аннотацию». Тип документа. Юридический сервис может закрепить «ищи нормативные акты и законы, а не судебные дела». Уточнение контекста. Фраза «это приложение о машинах» помогает понять, что «Jaguar» — марка автомобиля, а не зверь.

Что известно по теме: что делать на практике?

Модели доступны сейчас с оплатой по токенам, новым пользователям дают 200 млн токенов бесплатно. Тем, кто уже сидит на предыдущем поколении, Voyage советует переходить: качество выше, контекст вдвое больше, цена прежняя. Старые модели останутся для тех, кто не хочет менять. Разработчикам RAG стоит попробовать две вещи. Во-первых, вынести постоянные правила в инструкцию: приоритет типов документов, язык, отрасль. Это дешевле, чем переобучать модель или городить фильтры.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Единое AI-пространство · Nomad

Протестируйте новые LLM и мультимодальные модели в одном окне

Платформа Nomad AI (nomadnet.ai) даёт прямой доступ к Claude Opus 5.5, GPT-6, Gemini 3.1, DeepSeek и автономным агентам без VPN, зарубежных карт и зоопарка подписок.

Открыть Nomad AI →Автономный Nomad Agent
Что вы думаете?
Загружаем комментарии…