Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

hs-rerank-1

Le cross-encoder de 114M paramètres de Vectorize, sous licence MIT, conçu pour la mémoire d'agents et assez rapide pour un CPU.

Avis de ReviewRamble editors · Mis à jour

Visiter hs-rerank-1 Open source

Partager cette page :XLinkedInFacebookRedditWhatsAppE-mail

Notre note

3.8/5

Un remplaçant raisonnable des vieux cross-encoders MiniLM encore présents dans beaucoup de pipelines, assez petit pour un CPU, même si son avance aux benchmarks n'est attestée que par Vectorize.

Qu’est-ce que hs-rerank-1 ?

hs-rerank-1 est un petit reranker multilingue de Vectorize, l'entreprise derrière le serveur de mémoire pour agents Hindsight, publié le 3 novembre 2026. C'est un cross-encoder : il lit ensemble une requête et un document et renvoie un seul score de pertinence entre 0 et 1. Il est affiné à partir de mmBERT-small et couvre l'anglais, l'espagnol, le français, l'allemand, le portugais, le japonais, le coréen et le chinois.

Sur ses 114 millions de paramètres, 98 millions forment la table d'embeddings des tokens : chaque passage exécute donc un transformer d'environ 15 millions. Les entrées vont jusqu'à 8 192 tokens par paire requête-document. Il est livré en safetensors FP16 et en export ONNX int8 pour CPU, et fonctionne sur Text Embeddings Inference de Hugging Face.

Depuis Hindsight 1.2.0, c'est le reranker local par défaut, à la place de ms-marco-MiniLM-L-6-v2, ce qui explique qu'il ait dépassé les 2 millions de téléchargements en quelques semaines. Les poids sont sous licence MIT ; Vectorize l'héberge aussi derrière un endpoint compatible Cohere à $0.015 par million de tokens en entrée.

Combien coûte hs-rerank-1 ?

OffrePrixCe qui est inclus
WeightsFreeLicence MIT
Hindsight Inference$0.015 per million input tokensEndpoint compatible Cohere Rerank ; sortie gratuite

Poids MIT gratuits. Hébergé sur Hindsight Inference à $0.015 par million de tokens en entrée (sortie gratuite), ou $0.02 avec le filtrage par hs-decide-1-flash ; les nouveaux comptes reçoivent $5 de crédit.

hs-rerank-1 vaut-il le coup ?

Le vrai concurrent du modèle, ce sont les cross-encoders ms-marco MiniLM que beaucoup de pipelines utilisent encore par défaut, Hindsight compris jusqu'à la version 1.2.0, et face à eux c'est un net progrès. Ils lisent 512 tokens et ont été entraînés sur les données anglaises de MS MARCO ; hs-rerank-1 lit 8 192 tokens dans huit langues et reste assez petit pour tourner dans un processus d'API. Sur le classement de Vectorize, il obtient en moyenne 56.0 sur sept benchmarks, contre 44.1 pour ms-marco-MiniLM-L6-v2, 50.4 pour bge-reranker-base et 51.3 pour gte-reranker-modernbert-base d'Alibaba.

Les gains les plus nets se trouvent hors de l'anglais. Sur MIRACL, un jeu multilingue, il obtient 57.7 contre 20.9 pour MiniLM-L6 et 39.1 pour le modèle gte. Sur BRIGHT, un benchmark exigeant en raisonnement, tous les petits modèles peinent : 15.1 est le meilleur score du groupe et reste faible dans l'absolu. Vectorize a mené toutes les comparaisons lui-même avec les mêmes réglages pour chaque modèle et a publié la méthode, mais aucun laboratoire extérieur ne les a refaites.

La vitesse est la raison de le préférer à des modèles ouverts plus gros. Sur deux threads CPU, il réordonne 50 souvenirs en environ 1.5 seconde, à peu près un sixième du temps de gte-reranker-modernbert-base, tandis que MiniLM-L6 va encore plus vite, en 0.9 seconde. Pour 50 fragments plus longs, le chiffre monte à environ 21 secondes : les longs documents restent lents sur CPU, et la réponse est alors un GPU ou l'API hébergée.

Il ne rivalise pas avec Cohere Rerank 5, Voyage rerank-3 ou les rerankers Qwen3 de 4B et 8B sur les requêtes difficiles, et ce n'est pas son but. La version hébergée coûte $0.015 par million de tokens, moins que l'offre Fast de Cohere à $0.02, et la documentation hébergée tronque les documents à 4 096 tokens, la moitié de la limite du modèle lui-même.

Là où il fait la différence

  • Un développeur qui utilise Hindsight comme mémoire d'un agent de code

    Bien classer les souvenirs rappelés sans GPU ni autre API payante

    Passez à Hindsight 1.2.0 ou plus récent, où hs-rerank-1 est déjà le reranker local par défaut et se télécharge au premier démarrage. Il tourne dans le processus de l'API sur CPU : le seul coût est le temps CPU de la machine qui fait déjà tourner Hindsight.

  • Un ingénieur d'un éditeur SaaS européen avec un cross-encoder MiniLM dans sa recherche de support

    Réordonner les tickets en allemand, français et espagnol aussi bien qu'en anglais

    Remplacez l'identifiant du modèle dans le CrossEncoder de Sentence Transformers ou dans Text Embeddings Inference par hindsight-ai/hs-rerank-1. D'après les résultats MIRACL de Vectorize, le score passe de 20.9 à 57.7, pour une latence CPU d'environ 1.6 fois celle de MiniLM-L6.

  • Une petite équipe qui appelle déjà Cohere Rerank depuis LangChain

    Réduire la facture de reranking sur des recherches de mémoire courtes et nombreuses

    Pointez le client Cohere vers inference.hindsight.vectorize.io et choisissez hs-rerank-1 à $0.015 par million de tokens en entrée ; un milliard de tokens par mois coûte $15. Attendez-vous à une baisse de qualité sur les requêtes difficiles.

Avant de vous engager

Mise en route
pip install sentence-transformers puis chargez CrossEncoder("hindsight-ai/hs-rerank-1"), ou lancez l'image CPU ou GPU de Text Embeddings Inference avec l'identifiant du modèle. Les scores sont compris entre 0 et 1.
Intégrations
Sentence Transformers, Text Embeddings Inference, ONNX Runtime et les fournisseurs de reranking local, ONNX, TEI et hébergé de Hindsight ; l'endpoint hébergé fonctionne avec le SDK Cohere.
Données et confidentialité
En auto-hébergement, les documents ne quittent jamais vos machines. La documentation de Hindsight Inference hébergé n'indique pas la durée de conservation ; Vectorize publie un Trust Center et un accord de traitement des données.
Coût à grande échelle
En auto-hébergement, le coût est du temps CPU. En hébergé : $0.015 par million de tokens en entrée, sortie gratuite, soit environ $180 pour 20 passages de 300 tokens par appel et 2 millions d'appels par mois.
Limites
8 192 tokens par paire en auto-hébergement ; 4 096 par document et 1 000 documents par requête sur l'API hébergée. Les limites de débit de la version hébergée ne sont pas publiées. Huit langues seulement.

Les points forts

  • 114M paramètres ; tourne sur CPU avec un export ONNX int8
  • 8 192 tokens par paire dans huit langues
  • Licence MIT sans restriction d'usage
  • Endpoint hébergé compatible Cohere à $0.015 par million de tokens

Les points faibles

  • Tous les benchmarks viennent de Vectorize
  • Faible sur les requêtes de raisonnement (15.1 sur BRIGHT)
  • Lent sur les longs fragments sans GPU
  • L'API hébergée tronque les documents à 4 096 tokens

Idéal pour

Les développeurs qui veulent un petit reranker multilingue sous licence permissive pour la mémoire d'agents ou un RAG sur CPU seul, à la place d'un vieux cross-encoder MiniLM.

Alternatives à hs-rerank-1

hs-rerank-1 : questions fréquentes

hs-rerank-1 vaut-il le coup ?
Un remplaçant raisonnable des vieux cross-encoders MiniLM encore présents dans beaucoup de pipelines, assez petit pour un CPU, même si son avance aux benchmarks n'est attestée que par Vectorize. Nous lui donnons 3.8 sur 5.
Combien coûte hs-rerank-1 ?
Poids MIT gratuits. Hébergé sur Hindsight Inference à $0.015 par million de tokens en entrée (sortie gratuite), ou $0.02 avec le filtrage par hs-decide-1-flash ; les nouveaux comptes reçoivent $5 de crédit.
Quels sont les inconvénients de hs-rerank-1 ?
Tous les benchmarks viennent de Vectorize; faible sur les requêtes de raisonnement (15.1 sur BRIGHT); lent sur les longs fragments sans GPU; l'API hébergée tronque les documents à 4 096 tokens.
À qui s’adresse hs-rerank-1 ?
Les développeurs qui veulent un petit reranker multilingue sous licence permissive pour la mémoire d'agents ou un RAG sur CPU seul, à la place d'un vieux cross-encoder MiniLM.
Combien coûte hs-rerank-1 pour une équipe ou en production ?
En auto-hébergement, le coût est du temps CPU. En hébergé : $0.015 par million de tokens en entrée, sortie gratuite, soit environ $180 pour 20 passages de 300 tokens par appel et 2 millions d'appels par mois.
hs-rerank-1 est-il sûr pour les données de l’entreprise ?
En auto-hébergement, les documents ne quittent jamais vos machines. La documentation de Hindsight Inference hébergé n'indique pas la durée de conservation ; Vectorize publie un Trust Center et un accord de traitement des données.
Quelles sont les meilleures alternatives à hs-rerank-1 ?
Les alternatives les plus proches que nous avons testées sont mxbai-rerank v2, Qwen3-Embedding and Qwen3-Reranker, Jina Reranker v3.5 et Cohere Rerank 5.

Réponses vérifiées le 20 nov. 2026.