AREX Feed Article
Voyage AI 的 rerank-3 与 rerank-3-lite 上线 OpenRouter：定位为 rerank-2.5 系列的同价升级，面向长文档与代码检索
北京时间 10 月 1 日凌晨，OpenRouter 在 X 上，Voyage AI 的 rerank-3 与 rerank-3-lite 两款重排（rerank）模型已在其平台上线；帖文称二者是 rerank-2.5 与 rerank-2.5-lite 的「drop-in」升级（即可直接替换），面向长文档与代码检索。
同一条帖文串随后：rerank-3 与 rerank-3-lite 的定价分别为每百万 tokens 0.05 美元与 0.02 美元，两者在单个查询—文档对上的上下文合计 32K tokens。
上架细节：单一提供方直连，定价与上一代持平
OpenRouter 为两款模型分别建立了模型页（、）；两页均注明查询侧最多 8K tokens。页面描述称 rerank-3 侧重质量、rerank-3-lite 兼顾延迟与质量，两款都支持指令跟随，可以用自然语言提示引导相关性打分。
在 OpenRouter 上，两款模型的提供方一栏写的是「VoyageAI by MongoDB」，且各自只有一家托管提供方，平台会把请求直接转发给它，用户不需要做路由选择。作为对照，rerank-2.5 系列在 OpenRouter 上的标价与 rerank-3 系列完全一致。
Voyage AI 在 9 月 30 日发布 rerank-3 系列（、）；两个多小时后，OpenRouter 宣布上架。
「直接升级」省掉了哪些迁移成本
Voyage 在博客里把 rerank-3 系列定义为不用改代码的升级：API、上下文长度、指令跟随能力与价格都不变；相关性分数也做过校准，使其分布与对应的 rerank-2.5 模型一致，此前在 2.5 上调好的分数阈值可以继续套用。不想升级的现有用户仍可继续使用：Voyage 表示会继续提供 2.5 系列，升级是推荐动作。
博客还解释了重排所处的位置：重排是检索管线的第二阶段。第一阶段通常由 embedding（向量化嵌入）加向量检索完成，负责从大语料里圈出一批候选；重排模型再逐条比对查询与候选文档、重新排序，把最相关的文档排到前面。因为只看一份短名单，重排可以比 embedding 在单篇文档上做得更精细，而且接入现有系统只需要一次 API 调用，不用重建索引。
机制上，Voyage 称两款模型换用了新的模型主干（backbone），并调整了训练数据配比。
长文档与代码：改进集中的两个方向
Voyage 在博客里给出的背景是：rerank-2.5 自 2025 年 8 月发布以来一直是其最受欢迎的模型之一，而这期间 Voyage 承接的负载结构也变了，编码智能体开始产生大量检索查询，被重排的文档也越来越长。rerank-3 系列的改进集中在这两个方向。
长文档方面，在由 NarrativeQA、SummScreenFD、QMSum 组成的 LongEmbed 上，rerank-3 比 rerank-2.5 高 3.35%，rerank-3-lite 比 rerank-2.5-lite 高 1.86%；两款对 Cohere Rerank v4.0 Pro 的领先都超过 13%。rerank-3 的增量主要来自 NarrativeQA 与 QMSum，在这两个数据集上分别比 rerank-2.5 高出 3.77% 与 6.20%。
代码检索方面，在 DS-1000、APPS、CodeChef C++、RepoBench Java、WikiSQL 上，rerank-3 相对 rerank-2.5 在 voyage-3-large 的检索结果上高出 2.17%、在 voyage-4-large 上高出 2.11%；rerank-3-lite 相对 rerank-2.5-lite 的提升在 3.58%～3.72% 之间。
95 个数据集上的对比：数字来自 Voyage 自评
对比结果同样出自 Voyage 自己的评测，博客给出的口径是：9 个领域、95 个检索数据集；首阶段分别用 BM25、OpenAI text-embedding-3-large、voyage-3-large、voyage-4-large 四路各取前 100 个候选，重排后取前 10，以检索排序质量指标 NDCG@10 衡量。
在这个口径下，rerank-3 平均高出 Cohere Rerank v4.0 Pro 2.72%、高出 Cohere Rerank v4.0 Fast 5.74%、高出 Qwen3-Reranker-8B 3.02%、高出 rerank-2.5 0.96%；rerank-3-lite 相对对应的几个基线的领先为 2.23%、5.25%、2.53% 与 1.10%。Voyage 称，rerank-3-lite 的体量比 Qwen3-Reranker-8B 小一个数量级以上，仍然胜出。
其他维度：多语言的 51 个数据集（覆盖 31 种语言）里，rerank-3 平均高出 rerank-2.5 0.52%、高出 Cohere Rerank v4.0 Pro 1.19%，rerank-3-lite 高出 rerank-2.5-lite 0.80%；在指令跟随基准 MAIR（Massive Instructed Retrieval Benchmark）上，rerank-3 与 rerank-2.5 持平，rerank-3-lite 比 rerank-2.5-lite 高 0.91%。Voyage 强调，rerank-3-lite 以 rerank-2.5 四成的价格，达到后者相当的检索质量。
其他入口，以及尚未积累的使用数据
据 Voyage 博客，两款模型也可通过 Voyage 自家 API 调用，新用户前 2 亿 tokens 免费；MongoDB Atlas 客户则可以通过 Atlas Embedding and Reranking API 与 Atlas Vector Search 的原生重排功能调用。
在 OpenRouter 页面上，应用流量一栏对两款新模型仍显示「Not enough data for apps using this model yet」，实际调用数据尚未积累。