2026 年最佳开源重排序(Reranker)模型
重排序模型会把问题和每个候选结果放在一起阅读,再给一份短名单重新打分,比嵌入检索慢,但更准确。常见做法是先用嵌入模型取出 50 到 100 个候选,再让重排序模型排序。这里的大多数重排序模型小到一张 GPU 就能运行,能不能用于产品则取决于许可证。
-
Qwen3-Reranker 综合最佳
阿里巴巴的 Apache 2.0 重排序模型,有 0.6B、4B 和 8B 三种规格,支持 100 多种语言、代码、32K 上下文和自定义指令。在 Qwen 自己的表格里,8B 在六列中的四列以微弱优势领先,另外两列是 4B 胜出,4B 也是三者中下载量最高的。
-
BGE Reranker v2 m3 下载量最高
BAAI 的 568M 多语言交叉编码器,30 天内约 1470 万次下载,远超这里的其他重排序模型。采用 Apache 2.0,基于 BGE-M3,在 Qwen 2025 年 6 月的表格里,较新的 0.6B 重排序模型除中文检索外都领先于它。
-
Jina Reranker v3.5
Jina 的 0.6B 列表式重排序模型,一次处理整个候选列表,上下文 131K,还有 0.40 GB 的 Q4_K_M GGUF。它针对法律、医疗和结构化数据,但许可证是 CC BY-NC,在 Jina 自己的表格里 Qwen3-Reranker-4B 在四列中的三列领先。
-
Qwen3-VL-Reranker
阿里巴巴的 Apache 2.0 2B 和 8B 重排序模型,查询和候选都可以是文本、图像、截图或视频。在 Qwen 自己的表格里,8B 的视觉文档得分为 86.3,2B 在两项视觉文档测试上落后于 jina-reranker-m0。
-
Nemotron 3.5 Rerank 8B 最新
NVIDIA 的 8B 重排序模型,面向文本和文档页面图像,采用宽松的 OpenMDW 许可证,2026 年 10 月 20 日发布。NVIDIA 报告它在 ViDoRe v3.1 重排序排行榜上得 60.49,Qwen3-VL-Reranker-8B 为 59.17,BF16 文件为 16.76 GB。
我们如何筛选
- 现在就能从开发者官方仓库下载的开放权重。
- 列出语言、上下文长度和输入类型,因为它们决定重排序模型是否适合你的文档。
- 分数来自开发者,所用的候选列表和对比对象各不相同,所以请用自己数据中的几百条真实查询测试两三个重排序模型。
- 我们阅读了每个许可证,因为其中有一个重排序模型只能非商业免费使用。