# Реранжирование · Rerank — neuraldeep.ru API

> Раздел машиночитаемой справки. Все разделы: https://neuraldeep.ru/llms.txt · всё одним файлом: https://neuraldeep.ru/llms-full.txt

Base URL: `https://api.neuraldeep.ru/v1`
Auth: `Authorization: Bearer $YOUR_KEY`

Пересортировка кандидатов по релевантности к query. Отдаёт `relevance_score` для каждого документа. Используется после векторного поиска для fine-grained ранжирования top-k.

```bash
curl https://api.neuraldeep.ru/v1/rerank \
  -H "Authorization: Bearer $YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bge-reranker",
    "query": "Что такое LLM?",
    "documents": [
      "Large language models обучены на больших корпусах.",
      "Сегодня в Москве солнечно.",
      "GPT-4 — это transformer-архитектура OpenAI."
    ]
  }'
```

```python
import httpx
# topk_docs: list[str] полученные векторным поиском (top 50)
r = httpx.post(
    "https://api.neuraldeep.ru/v1/rerank",
    headers={"Authorization": f"Bearer $YOUR_KEY"},
    json={"model": "bge-reranker", "query": query, "documents": topk_docs},
    timeout=15.0,
).json()
# результаты отсортированы по relevance desc
top3 = [topk_docs[x["index"]] for x in r["results"][:3]]
```

> Pipeline: сначала embeddings → ANN (Qdrant/FAISS) → top 50 → rerank → top 3-5 для LLM.

**Ограничения на вход.** `query` плюс все `documents` вместе до 105 600 символов, иначе `400` с `X-Window: vector-payload`. Окно `qwen3-reranker-8b` 8192 токена на пару «запрос + документ». Ответ должен уложиться в 30 секунд, поэтому на реранк отправляйте top 20-100 кандидатов, а не всю выдачу. Параллельность и квота общие с эмбеддингами.