碎碎念
使用Rerank模型和使用普通模型进行Rerank差距在哪？
会员专享 · 非会员仅可阅读 30% 的正文。
- 发布时间
- May 8, 2026
- 阅读时间
- 2 min read
- 作者
- Felix
- 访问
- 会员专享
这是预览内容
非会员仅可阅读 30% 的正文。
以Google生态为例，我们对比 Vertex AI Ranking API (最新版本 004) 与 Gemini 3.1 系列（当前 Google 最强的通用模型），两者的的区别。
以下是基于 2026 年最新基准数据的深度对比：
1. 模型性能与核心指标对比
维度 | Vertex Ranking API (004) | Gemini 3.1 Pro / Flash | 结论 |
底层架构 | Cross-Encoder (双向注意力交叉) | Decoder-Only (自回归生成) | 004 胜在原理 |
命中率 (nDCG@10) | 更高 (约 +15% - 20%)。专门针对 Query-Doc 相关性微调，对语义对齐极度敏感。 | 略低。虽然理解力强，但容易受 Prompt 噪声和文档位置（Lost in the Middle）影响。 | 004 胜 |
首 token 延迟 (TTFT) | ~100ms (对 100 个文档进行重排) | ~800ms - 2s (受长上下文预热影响) | 004 碾压 |
最大上下文 | 1024 Tokens (单条 Record) | 1M - 2M Tokens (全量注入) | Gemini 胜 |
逻辑推理能力 | 零。只能判断相关性。 | 极强。可以理解“隐式逻辑”（如：找出支持 A 观点但反对 B 证据的文档）。 | Gemini 胜 |
会员专享
订阅后解锁完整文章
支持创作、解锁全文，未来更新也会第一时间送达。
评论
加入讨论
登录后评论
还没有评论，来占个沙发吧。