2026 年最好的 reranker:Qwen3、bge、mxbai、Jina、GTE 和托管 API 横向对比
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
- 自托管、有 GPU、想要最好的开源模型:Qwen3-Reranker-4B。下面两次评测里它都在榜首或接近榜首,而且是 Apache 2.0 协议。
- 要小、能在 CPU 上跑、支持多语言:bge-reranker-v2-m3 是通行的基线;GTE reranker 还要更小,Hindsight 的 hs-rerank-1(MIT,114M)更小,但没有可以引用的分数。
- 没有 GPU,也不想运维:用托管 API。Cohere Rerank 5 和 Voyage rerank-3 是老牌选择,zerank-2 按 token 算最便宜。
- 商用产品、想用开源权重:先看许可证。Jina 的权重是非商用的。
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-R | CMTEB-R | MMTEB-R | MLDR | MTEB-Code |
|---|---|---|---|---|---|
| Qwen3-Reranker-8B | 69.02* | 77.45 | 72.94 | 70.19 | 81.22 |
| Qwen3-Reranker-4B | 69.76* | 75.94 | 72.74 | 69.97 | 81.20 |
| Qwen3-Reranker-0.6B | 65.80* | 71.31 | 66.36 | 67.28 | 73.42 |
| bge-reranker-v2-m3 | 57.03 | 72.16 | 58.36 | 59.51 | 41.38 |
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 | BEIR | MIRACL | RTEB | Struct-IR |
|---|---|---|---|---|
| jina-reranker-v3.5(0.6B) | 63.20 | 74.11 | 70.95 | 48.3 |
| mxbai-rerank-large-v2(1.5B) | 62.45 | 69.65 | 70.81 | 43.0 |
| Qwen3-Reranker-4B | 62.28 | 76.56 | 77.68 | 55.6 |
| Qwen3-Reranker-0.6B | 56.94 | 67.12 | 68.41 | 41.9 |
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-Reranker | 0.6B / 4B / 8B | Apache 2.0 | 100+ | 建议用 GPU |
| bge-reranker-v2-m3 | 568M | 开源权重 | 100+ | CPU 或 GPU |
| mxbai-rerank-large-v2 | 1.5B | Apache 2.0 | 100+ | 建议用 GPU |
| jina-reranker-v3.5 | 0.6B | 非商用权重 | 多语言 | 托管 API,或仅用于研究的权重 |
| hs-rerank-1 | 114M | MIT | 8 种,含中文、日语和韩语 | CPU(int8 ONNX)或 GPU |
| GTE reranker | 149M / 306M | Apache 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 / $0.02 | 32,768 token | 未公布 |
| Voyage rerank-3 / lite | $0.05 / $0.02 | 32,000 token | 仅有 Voyage 自己的评测 |
| zerank-2 | $0.025 | 32,768 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
- 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。
- 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。
- 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。
- 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。