OpenRouter 上线第六类模型：Reranker
Embedding search 找到的是「相关的块」，Reranker 判断的是「哪些块最相关」——这两步组合才能给 RAG 流程带来显著更好的答案。
OpenRouter 之前聚合了文本、图像、嵌入、音频、视频四类模型，重排序是新增的第六类。
接入方式
统一通过 /api/v1/rerank 端点调用，使用已有的 OpenRouter API key，无需单独接入 Cohere SDK。
对已在用 OpenRouter 的开发者来说，给现有 RAG 流程加重排序，改一个端点就够了。
价值
RAG 的标准姿势：Embedding 做初筛 → Reranker 做精排。OpenRouter 把这一步也纳入了统一网关，意味着接入任何模型的路径都收敛到一把钥匙。
Sam 在群里补充的背景很有价值：OpenRouter 从五类（文本、图像、嵌入、音频、视频）扩展到第六类（重排序），意味着 OpenRouter 在做一个通用模型网关的最后一公里——让 RAG 流程里的每一种模型类型都能通过同一个接口、同一把钥匙调用。Embedding 和 Reranker 组合是 RAG 的标准姿势，能用同一个 API key 调用会显著降低接入复杂度。