2026 年最好的 reranker:Qwen3、bge、mxbai、Jina、GTE 和托管 API 横向对比

横向对比 · 约 7 分钟阅读 ·

每家 reranker 厂商公布的表格里,赢的都是自己的模型,而且各家用的数据集不同,数字没法跨厂商直接对齐。本页只在分数来自同一次评测时才把它们并排放,并写明是谁跑的;没有可比数字的模型,也会直接说明。

先说结论

哪些数字能比

分数只有和同一次评测里的分数放在一起才有意义:同样的数据集、同一个第一阶段检索器给出的同样的候选列表、同样的截断位置。两家厂商页面上的数字不在同一把尺子上,哪怕两边都写着“nDCG@10”或“BEIR”。本页用的两次评测都一次覆盖了好几个模型,但两次都是由表里有自家模型的厂商来跑的,所以只能当作有力的线索,最终还要在你自己标注的查询上验证(怎么做)。

有三类模型没有可放进来的评测。GTE:阿里只以图表形式公布 reranker 结果,没有可以对齐的表格。Cohere:Rerank 5 没有公布过评测表。hs-rerank-1:Hindsight 的模型卡只以图片形式展示结果。下面改从规模、许可证、价格和适用场景来比较它们。

Qwen3 对比 bge-reranker-v2-m3

这是 Qwen 自己跑的评测,来自 Qwen3-Reranker 的模型卡:MTEB 的检索子集(英文、中文、多语言和代码)以及用于长文档的 MLDR,每项都对同一批前 100 个候选重排。

模型MTEB-RCMTEB-RMMTEB-RMLDRMTEB-Code
Qwen3-Reranker-8B69.02*77.4572.9470.1981.22
Qwen3-Reranker-4B69.76*75.9472.7469.9781.20
Qwen3-Reranker-0.6B65.80*71.3166.3667.2873.42
bge-reranker-v2-m357.0372.1658.3659.5141.38

4B 和 8B 在每一列上都领先 bge-reranker-v2-m3,差距最大的是代码。如果你做中文,0.6B 是需要留意的例外:它在 CMTEB-R 上是 71.31,而 bge 是 72.16,缩到 0.6B 就丢掉了中文上的领先。8B 也不比 4B 明显更好:只有中文上领先,多语言、长文档和代码基本持平,英文上反而落后。

同一次 BEIR 评测里的 Qwen3、mxbai 和 Jina

这是 Jina 的 2026 年评测,来自 jina-reranker-v3.5 的模型卡。Jina 在同一套协议下重跑了六个模型(nDCG@10):13 个 BEIR 数据集、用于多语言检索的 MIRACL、用于专业领域(法律、金融、代码、医学)的 RTEB,以及用于结构化数据的 Struct-IR,每项都对 jina-embeddings-v5-text-small 给出的前 100 个候选重排。下表列出其中四个;这次评测里没有 bge-reranker-v2-m3。

模型BEIRMIRACLRTEBStruct-IR
jina-reranker-v3.5(0.6B)63.2074.1170.9548.3
mxbai-rerank-large-v2(1.5B)62.4569.6570.8143.0
Qwen3-Reranker-4B62.2876.5677.6855.6
Qwen3-Reranker-0.6B56.9467.1268.4141.9

在纯英文的 BEIR 上,前三名相差不到一分,这个基准分不出高下。差别出现在别处:Qwen3-Reranker-4B 在多语言、专业领域和结构化检索上领先得很明显。Jina 自家的模型在 Jina 自己的评测里拿下 BEIR 第一;它的权重是非商用的,所以做产品时实际要比的是 Qwen3 和 mxbai。

规模、许可证和运行环境

模型规模许可证语言运行环境
Qwen3-Reranker0.6B / 4B / 8BApache 2.0100+建议用 GPU
bge-reranker-v2-m3568M开源权重100+CPU 或 GPU
mxbai-rerank-large-v21.5BApache 2.0100+建议用 GPU
jina-reranker-v3.50.6B非商用权重多语言托管 API,或仅用于研究的权重
hs-rerank-1114MMIT8 种,含中文、日语和韩语CPU(int8 ONNX)或 GPU
GTE reranker149M / 306MApache 2.0英文 / 70+ 种语言CPU、小 GPU 或浏览器(英文模型)

规模和许可证取自本站各模型页,那些页面引用的是厂商的模型卡;hs-rerank-1 没有自己的页面,它那一行直接来自它的模型卡。“开源权重”表示本页没有复述它的许可证;上线前请去看模型卡。

托管 API

按 token 付费,不用自己养 GPU。这几家都没有公布可比的评测,所以表里只列能核对的:价格和上下文长度。

API每百万 token 价格上下文评测
Cohere Rerank 5 Pro / Fast$0.05 / $0.0232,768 token未公布
Voyage rerank-3 / lite$0.05 / $0.0232,000 token仅有 Voyage 自己的评测
zerank-2$0.02532,768 token仅有 ZeroEntropy 自己的评测

按 token 计费和按次计费的算法不同,所以标价最低的不一定账单最低。成本计算器可以按你每次查询的文档数和每月查询量算出来。

怎么选

  1. 先从本页挑两个候选:一个你能自己部署的开源模型,一个托管 API。
  2. 标注 30–50 条真实查询:取自你自己的用户,并标出能回答它们的段落。
  3. 两个都跑一遍,比较 nDCG@10,用你的标注和同一份候选列表。这是唯一能预测你实际效果的比较;评测指南里有完整步骤。
  4. 确认瓶颈真的是重排序。如果正确的段落根本没进候选,换什么 reranker 都没用;见为什么重排序没起作用。

一张表看完整个市场

每个模型和托管 API,附上每个分数背后的评测方法,还能一键跳到浏览器 Demo。

对比全部模型 → 按场景选型 →

继续阅读