Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Google semantic-ranker-005

Die Reranker von Google Cloud vom September 2026, als default und fast, abgerechnet pro Anfrage statt pro Token.

Getestet von ReviewRamble editors · Aktualisiert

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

3.9/5

Googles Reranker ist die günstige Wahl für lange Kandidatenlisten, wenn du ohnehin auf Google Cloud bist, aber die 005-Modelle kamen ohne veröffentlichte Zahlen, an denen man sie messen könnte.

Was ist Google semantic-ranker-005?

semantic-ranker-default-005 und semantic-ranker-fast-005 sind die Modelle hinter der Ranking API von Google Cloud, veröffentlicht am 1. September 2026. Die API nimmt eine Anfrage und bis zu 1.000 Datensätze entgegen, jeweils mit Titel und etwas Inhalt, und gibt sie neu sortiert mit einem Relevanzwert zwischen 0 und 1 zurück. Sie ist zustandslos, es muss also vorher nichts indexiert werden, und sie sitzt auf dem Suchsystem, das die Kandidaten geliefert hat.

Beide Modelle lesen Text in 25 Sprachen und berücksichtigen bis zu 1.024 Tokens pro Datensatz; längere Datensätze werden aufgeteilt und abschnittsweise bewertet. Die @latest-Aliase zeigen inzwischen auf die 005-Modelle, wer nie eine Version festgelegt hat, wurde also automatisch umgestellt. Google hat für 005 weder Benchmarks noch eine Ankündigung veröffentlicht; die letzten öffentlichen Zahlen stammen von der 004-Generation aus 2025.

Abgerechnet wird pro Anfrage, nicht pro Token: $1.00 pro 1.000 Anfragen, wobei eine Anfrage bis zu 100 Datensätze umfasst. Es läuft nur auf Google Cloud, über die Discovery Engine API, Vertex AI RAG Engine, AlloyDB und den Reranking-Schritt von Vector Search 2.0.

Was kostet Google semantic-ranker-005?

TarifPreisWas enthalten ist
Pay as you go$1.00 per 1,000 queriesBis zu 100 Datensätze pro Anfrage
1-year savings plan$0.90 per 1,000 queries
3-year savings plan$0.80 per 1,000 queries

$1.00 pro 1.000 Anfragen nach Verbrauch, $0.90 mit einem 1-Jahres- und $0.80 mit einem 3-Jahres-Sparplan. Eine Anfrage umfasst bis zu 100 Datensätze; 132 Datensätze zählen als 2 Anfragen.

Lohnt sich Google semantic-ranker-005?

Das Abrechnungsmodell entscheidet, ob diese API für dich sinnvoll ist. Google verlangt $1.00 pro 1.000 Anfragen, egal wie lang die Datensätze sind, während Cohere und Voyage pro Token abrechnen. Ein typischer RAG-Aufruf, der 20 Passagen mit je 300 Tokens neu sortiert, kostet hier $0.001 und bei Cohere Rerank 5 Pro mit $0.05 pro Million Tokens etwa $0.0003; kurze Listen sind bei Google also rund dreimal teurer. Schickst du stattdessen 100 Datensätze mit je 1.000 Tokens, dreht sich das um: hier weiterhin $0.001, bei Cohere Pro etwa $0.005.

Was die 005-Modelle ändern, ist nicht dokumentiert. Die Dokumentation listet sie auf, nennt den 1. September 2026 als Veröffentlichungsdatum und lässt die @latest-Aliase auf sie zeigen, mehr nicht: kein Launch-Beitrag, kein Benchmark, keine Latenzangabe. Die öffentlichen Belege betreffen 004, über das Google im Mai 2025 sagte, es führe unter den eigenständigen Reranking-APIs auf BEIR bei NDCG@5, sei mindestens doppelt so schnell wie Konkurrenzdienste und habe eine fast-Variante mit etwa einem Drittel der Latenz des default-Modells. Diese Angaben stammen von Google selbst und sind eine Generation alt.

Das Fenster von 1.024 Tokens pro Datensatz ist kurz im Vergleich zu den 32K-Paaren, die Cohere und Voyage inzwischen annehmen. Längere Datensätze werden zerlegt und abschnittsweise bewertet, und die Dokumentation warnt, dass sehr lange Datensätze teilweise ignoriert werden können. Für Produkteinträge, Support-Artikel und bereits zerlegte RAG-Passagen spielt das selten eine Rolle; für ganze Verträge schon.

Das praktische Argument ist die Integration. Auf Google Cloud ist der Ranker bereits an Vertex AI RAG Engine, die SQL-Funktion ai.rank() von AlloyDB und Vector Search 2.0 angebunden, das jedem Projekt alle 30 Tage 80.000 kostenlose Ranking-Einheiten gibt und auf seine eigenen fusionierten Ergebnisse zurückfällt, wenn das Reranking scheitert. Außerhalb von Google Cloud gibt es wenig Grund, ihn Rerankern mit längerem Kontext und veröffentlichten Werten vorzuziehen.

Wo es sich lohnt

  • Ein Search Engineer für den Produktkatalog eines Händlers auf Google Cloud

    Unter 100 Keyword-Treffern die Produkte nach oben bringen, die zur Formulierung des Kunden passen

    Schick die ersten 100 Produkttitel und -beschreibungen an semantic-ranker-fast@latest; bei einer Anfrage pro 100 Datensätze sind das $1.00 pro 1.000 Suchen oder $1,000 für eine Million, unabhängig von der Länge der Beschreibung.

  • Ein Data Engineer, dessen Anwendungsdaten in AlloyDB liegen

    Ergebnisse der Vektorsuche direkt in SQL neu sortieren, ohne separaten Dienst

    Ruf ai.rank() auf den Kandidatenzeilen in derselben Abfrage auf, sodass das Ranking direkt bei den Daten passiert. Googles Dokumentation beschreibt die Funktion; die Kosten folgen dem Preis pro Anfrage der Ranking API.

  • Ein Plattform-Team auf Vertex AI Vector Search 2.0

    Nach der hybriden Suche einen Reranking-Schritt ergänzen, ohne neue Infrastruktur

    Schalte den VertexRanker-Schritt nach der RRF-Fusion ein; jedes Projekt erhält alle 30 Tage 80.000 kostenlose Ranking-Einheiten, und scheitert das Reranking, liefert der Aufruf trotzdem die fusionierten Ergebnisse mit einer Warnung.

Bevor du dich festlegst

Einrichtung
Aktiviere die Discovery Engine API in einem Google-Cloud-Projekt und sende dann per POST eine Anfrage und Datensätze an den rank-Endpoint von rankingConfigs. Ohne Modellangabe wird semantic-ranker-default@latest verwendet, inzwischen das 005-Modell.
Integrationen
REST und Client-Bibliotheken der Discovery Engine API; Vertex AI RAG Engine, ai.rank() in AlloyDB, Vector Search 2.0, LangChain, Genkit und die Open Inference API von Elasticsearch.
Daten und Datenschutz
Google erklärt, dass in Agent Search verwendete Kundendaten nicht zum Training von Foundation-Modellen genutzt werden; es gilt Googles Cloud Data Processing Addendum. Die Anfragen in den dokumentierten Beispielen gehen an den globalen Standort.
Kosten im großen Maßstab
$1.00 pro 1.000 Anfragen, $0.90 oder $0.80 mit 1- oder 3-Jahres-Sparplänen. Jeder Block von 100 Datensätzen zählt als eine Anfrage, 2 Millionen Aufrufe mit je 20 Datensätzen kosten also etwa $2,000 im Monat.
Grenzen
1.024 Tokens pro Datensatz (Titel plus Inhalt), 1.000 Datensätze pro Anfrage und standardmäßig 500 Anfragen pro Minute und Projekt. Vector Search 2.0 listet weiterhin nur die 004-Versionen und die @latest-Aliase.

Was gut ist

  • Pauschal $1.00 pro 1.000 Anfragen, unabhängig von der Länge der Datensätze
  • Bis zu 1.000 Datensätze pro Anfrage; keine Indexierung nötig
  • Eingebaut in RAG Engine, AlloyDB und Vector Search 2.0
  • Kundendaten werden nicht zum Training von Googles Foundation-Modellen genutzt

Was nicht

  • Keine veröffentlichten Benchmarks oder Ankündigung für die 005-Modelle
  • 1.024 Tokens pro Datensatz, gegenüber 32K bei Cohere und Voyage
  • Nur auf Google Cloud, über die Discovery Engine API
  • Nur Text; keine dokumentierte Eingabe für Anweisungen

Am besten für

Teams, die Suche oder RAG bereits auf Google Cloud bauen, lange Kandidatenlisten neu sortieren und pro Anfrage zahlen wollen.

Alternativen zu Google semantic-ranker-005

Google semantic-ranker-005: häufige Fragen

Lohnt sich Google semantic-ranker-005?
Googles Reranker ist die günstige Wahl für lange Kandidatenlisten, wenn du ohnehin auf Google Cloud bist, aber die 005-Modelle kamen ohne veröffentlichte Zahlen, an denen man sie messen könnte. Wir bewerten es mit 3.9 von 5.
Was kostet Google semantic-ranker-005?
$1.00 pro 1.000 Anfragen nach Verbrauch, $0.90 mit einem 1-Jahres- und $0.80 mit einem 3-Jahres-Sparplan. Eine Anfrage umfasst bis zu 100 Datensätze; 132 Datensätze zählen als 2 Anfragen.
Welche Nachteile hat Google semantic-ranker-005?
Keine veröffentlichten Benchmarks oder Ankündigung für die 005-Modelle; 1.024 Tokens pro Datensatz, gegenüber 32K bei Cohere und Voyage; Nur auf Google Cloud, über die Discovery Engine API; Nur Text; keine dokumentierte Eingabe für Anweisungen.
Für wen eignet sich Google semantic-ranker-005?
Teams, die Suche oder RAG bereits auf Google Cloud bauen, lange Kandidatenlisten neu sortieren und pro Anfrage zahlen wollen.
Was kostet Google semantic-ranker-005 für ein Team oder im Produktivbetrieb?
$1.00 pro 1.000 Anfragen, $0.90 oder $0.80 mit 1- oder 3-Jahres-Sparplänen. Jeder Block von 100 Datensätzen zählt als eine Anfrage, 2 Millionen Aufrufe mit je 20 Datensätzen kosten also etwa $2,000 im Monat.
Ist Google semantic-ranker-005 sicher für Firmendaten?
Google erklärt, dass in Agent Search verwendete Kundendaten nicht zum Training von Foundation-Modellen genutzt werden; es gilt Googles Cloud Data Processing Addendum. Die Anfragen in den dokumentierten Beispielen gehen an den globalen Standort.
Was sind die besten Alternativen zu Google semantic-ranker-005?
Die nächsten Alternativen, die wir getestet haben, sind Cohere Rerank 5, Voyage rerank-3, zerank-2 und Jina Reranker v3.5.

Antworten geprüft am 20. Nov. 2026.