¿Qué es Google semantic-ranker-005?
semantic-ranker-default-005 y semantic-ranker-fast-005 son los modelos que hay detrás de la Ranking API de Google Cloud, publicados el 1 de septiembre de 2026. La API recibe una consulta y hasta 1.000 registros, cada uno con un título y algo de contenido, y los devuelve reordenados con una puntuación de relevancia entre 0 y 1. No guarda estado, así que no hay que indexar nada antes, y se coloca encima del sistema de búsqueda que haya producido los candidatos.
Ambos modelos leen texto en 25 idiomas y miran hasta 1.024 tokens por registro; los registros más largos se dividen y se puntúan por segmentos. Los alias @latest apuntan ya a los modelos 005, de modo que quien nunca fijó una versión pasó a ellos automáticamente. Google no ha publicado ninguna prueba comparativa ni anuncio para 005; las últimas cifras públicas son de la generación 004, de 2025.
El precio es por consulta y no por token: $1.00 por cada 1.000 consultas, donde una consulta cubre hasta 100 registros. Solo funciona en Google Cloud, a través de la Discovery Engine API, Vertex AI RAG Engine, AlloyDB y el paso de reranking de Vector Search 2.0.
¿Cuánto cuesta Google semantic-ranker-005?
| Plan | Precio | Qué incluye |
|---|---|---|
| Pay as you go | $1.00 per 1,000 queries | Hasta 100 registros por consulta |
| 1-year savings plan | $0.90 per 1,000 queries | |
| 3-year savings plan | $0.80 per 1,000 queries |
$1.00 por cada 1.000 consultas con pago por uso, $0.90 con un plan de ahorro de 1 año y $0.80 con uno de 3 años. Una consulta cubre hasta 100 registros; 132 registros cuentan como 2 consultas.
¿Merece la pena Google semantic-ranker-005?
El modelo de facturación decide si esta API tiene sentido para ti. Google cobra $1.00 por cada 1.000 consultas sin importar la longitud de los registros, mientras que Cohere y Voyage cobran por token. Una llamada RAG típica que reordena 20 pasajes de 300 tokens cuesta $0.001 aquí y unos $0.0003 en Cohere Rerank 5 Pro a $0.05 por millón de tokens, así que las listas cortas salen unas tres veces más caras en Google. Si envías 100 registros de 1.000 tokens, el orden se invierte: sigue costando $0.001 aquí y unos $0.005 en Cohere Pro.
Lo que cambian los modelos 005 no está documentado. La documentación los enumera, da como fecha de lanzamiento el 1 de septiembre de 2026 y hace que los alias @latest apunten a ellos, y nada más: ni artículo de lanzamiento, ni pruebas comparativas, ni cifras de latencia. La evidencia pública es de 004, del que Google dijo en mayo de 2025 que lideraba las API de reranking independientes en BEIR con NDCG@5, que era al menos dos veces más rápido que los servicios de la competencia y que tenía una variante fast con cerca de un tercio de la latencia del modelo default. Son afirmaciones de la propia Google y de hace una generación.
La ventana de 1.024 tokens por registro es corta frente a los pares de 32K que aceptan ya Cohere y Voyage. Los registros más largos se trocean y se puntúan por segmentos, y la documentación advierte de que los registros muy largos pueden ignorarse en parte. Para fichas de producto, artículos de soporte y pasajes RAG ya troceados apenas importa; para contratos completos, sí.
El argumento práctico es la integración. En Google Cloud el ranker ya está conectado a Vertex AI RAG Engine, a la función SQL ai.rank() de AlloyDB y a Vector Search 2.0, que da a cada proyecto 80.000 unidades de ranking gratis cada 30 días y vuelve a sus propios resultados fusionados si el reranking falla. Fuera de Google Cloud hay pocos motivos para elegirlo frente a rerankers con más contexto y puntuaciones publicadas.
Dónde se gana su sitio
Un ingeniero de búsqueda del catálogo de productos de un minorista en Google Cloud
Poner arriba, entre 100 resultados por palabra clave, los productos que encajan con cómo se expresa el comprador
Envía los 100 primeros títulos y descripciones de producto a semantic-ranker-fast@latest; a una consulta por cada 100 registros, son $1.00 por cada 1.000 búsquedas, o $1,000 por un millón, sea cual sea la longitud de la descripción.
Un ingeniero de datos cuya aplicación guarda los datos en AlloyDB
Reordenar resultados de búsqueda vectorial dentro de SQL sin un servicio aparte
Llama a ai.rank() sobre las filas candidatas en la misma consulta, para que el ranking ocurra junto a los datos. La documentación de Google describe la función; el coste sigue el precio por consulta de la Ranking API.
Un equipo de plataforma en Vertex AI Vector Search 2.0
Añadir un paso de reranking tras la búsqueda híbrida sin infraestructura nueva
Activa el paso VertexRanker después de la fusión RRF; cada proyecto recibe 80.000 unidades de ranking gratis cada 30 días y, si el reranking falla, la llamada devuelve igualmente los resultados fusionados con un aviso.
Antes de decidirte
- Puesta en marcha
- Activa la Discovery Engine API en un proyecto de Google Cloud y luego envía por POST una consulta y registros al endpoint rank de rankingConfigs. Si no indicas modelo se usa semantic-ranker-default@latest, que ahora es el modelo 005.
- Integraciones
- REST y bibliotecas cliente de la Discovery Engine API; Vertex AI RAG Engine, ai.rank() de AlloyDB, Vector Search 2.0, LangChain, Genkit y la Open Inference API de Elasticsearch.
- Datos y privacidad
- Google afirma que los datos de clientes usados en Agent Search no se emplean para entrenar modelos fundacionales; las condiciones siguen el Cloud Data Processing Addendum de Google. Las peticiones de los ejemplos documentados van a la ubicación global.
- Coste a escala
- $1.00 por cada 1.000 consultas, $0.90 o $0.80 con planes de ahorro de 1 o 3 años. Cada bloque de 100 registros cuenta como una consulta, así que 2 millones de llamadas de 20 registros cuestan unos $2,000 al mes.
- Límites
- 1.024 tokens por registro (título más contenido), 1.000 registros por petición y 500 peticiones por minuto por proyecto por defecto. Vector Search 2.0 aún enumera solo las versiones 004 y los alias @latest.
Lo bueno
- Tarifa plana de $1.00 por cada 1.000 consultas, sea cual sea la longitud del registro
- Hasta 1.000 registros por petición; no hace falta indexar
- Integrado en RAG Engine, AlloyDB y Vector Search 2.0
- Los datos del cliente no se usan para entrenar los modelos fundacionales de Google
Lo malo
- Sin pruebas comparativas ni anuncio publicados para los modelos 005
- 1.024 tokens por registro, frente a 32K en Cohere y Voyage
- Solo en Google Cloud, a través de la Discovery Engine API
- Solo texto; sin entrada de instrucciones documentada
Ideal para
Equipos que ya construyen búsqueda o RAG en Google Cloud, reordenan listas largas de candidatos y quieren facturación por consulta.
Alternativas a Google semantic-ranker-005
Google semantic-ranker-005: preguntas frecuentes
- ¿Merece la pena Google semantic-ranker-005?
- El reranker de Google es la opción barata para listas largas de candidatos si ya estás en Google Cloud, pero los modelos 005 llegaron sin cifras publicadas con las que juzgarlos. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta Google semantic-ranker-005?
- $1.00 por cada 1.000 consultas con pago por uso, $0.90 con un plan de ahorro de 1 año y $0.80 con uno de 3 años. Una consulta cubre hasta 100 registros; 132 registros cuentan como 2 consultas.
- ¿Qué inconvenientes tiene Google semantic-ranker-005?
- Sin pruebas comparativas ni anuncio publicados para los modelos 005; 1.024 tokens por registro, frente a 32K en Cohere y Voyage; solo en Google Cloud, a través de la Discovery Engine API; solo texto; sin entrada de instrucciones documentada.
- ¿Para quién es Google semantic-ranker-005?
- Equipos que ya construyen búsqueda o RAG en Google Cloud, reordenan listas largas de candidatos y quieren facturación por consulta.
- ¿Cuánto cuesta Google semantic-ranker-005 para un equipo o en producción?
- $1.00 por cada 1.000 consultas, $0.90 o $0.80 con planes de ahorro de 1 o 3 años. Cada bloque de 100 registros cuenta como una consulta, así que 2 millones de llamadas de 20 registros cuestan unos $2,000 al mes.
- ¿Es Google semantic-ranker-005 seguro para los datos de la empresa?
- Google afirma que los datos de clientes usados en Agent Search no se emplean para entrenar modelos fundacionales; las condiciones siguen el Cloud Data Processing Addendum de Google. Las peticiones de los ejemplos documentados van a la ubicación global.
- ¿Cuáles son las mejores alternativas a Google semantic-ranker-005?
- Las alternativas más cercanas que hemos analizado son Cohere Rerank 5, Voyage rerank-3, zerank-2 y Jina Reranker v3.5.
Respuestas comprobadas el 20 nov 2026.