ELO 棋赛算法在搜索排序中的妙用

ZeroEntropy 使用最先进的 reranker、embedding 和定制模型为生产 AI 系统赋能 —— 轻量级、极速且在泛用模型表现不佳的地方精准可靠。

ZeroEntropy 的专有模型用最先进的精度替代了泛用方案。输入更好的模型，获得更好的答案。

团队选择 ZeroEntropy 是因为我们专有模型无与伦比的低延迟。小型、专注的模型运行速度快于泛用方案 —— 足以满足实时 AI 应用和大规模 agent 的需求。

ZeroEntropy 技术栈

zembed-1 即使在更低维度下也优于领先的 embedding 模型。

zerank-2 是我们最先进的 reranker。用一行代码获得精准度大幅提升的检索结果。

为你的技术栈微调专有模型 —— 企业 API 的查询重写、上下文压缩，以及针对生产 agent 的定制模型。

zerank-2 是我们最先进的 reranker。用一行代码获得精准度大幅提升的检索结果。

ZeroEntropy 模型在标准基准测试中始终优于领先的泛用模型。

Vera Health 使用 ZeroEntropy，既用于在数百万篇医学研究论文中的简单检索，也用于通过我们 MCP server 的 Deep Research 使用场景。

我们的开放权重模型在优化的服务栈上运行，以实现市场上最低的延迟。

基础设施公司和开发者工具，如 Voice AI 和 agent 记忆系统，信赖 ZeroEntropy 的搜索引擎和模型，以在每天数十万次查询中实现精准检索。

更少的 token 浪费在无关上下文。ZeroEntropy 在每一层都更便宜。

Assembled 在切换到 ZeroEntropy 后成本降低了 2.8 倍，同时改进了延迟和检索精准度。

ZeroEntropy 模型在标准基准测试中始终优于领先的泛用模型。

Vera Health 使用 ZeroEntropy，既用于在数百万篇医学研究论文中的简单检索，也用于通过我们 MCP server 的 Deep Research 使用场景。

我们的开放权重模型在优化的服务栈上运行，以实现市场上最低的延迟。

基础设施公司和开发者工具，如 Voice AI 和 agent 记忆系统，信赖 ZeroEntropy 的搜索引擎和模型，以在每天数十万次查询中实现精准检索。

更少的 token 浪费在无关上下文。ZeroEntropy 在每一层都更便宜。

Assembled 在切换到 ZeroEntropy 后成本降低了 2.8 倍，同时改进了延迟和检索精准度。

快速集成 ZeroEntropy 模型

在几分钟内集成 ZeroEntropy 模型。生产就绪、延迟优化、随处可用。

通过单一的延迟优化 API 或我们的合作伙伴提供商访问所有模型。

# Create an API Key at https://dashboard.zeroentropy.dev

from zeroentropy import ZeroEntropy

zclient = ZeroEntropy()

response = zclient.models.rerank(
    model="zerank-2",
    query="What is Retrieval Augmented Generation?",
    documents=[
        "RAG combines retrieval with generation...",
    ],
)

for doc in response.results:
    print(doc)

使用 Python 和 TypeScript SDK，在几分钟内开始构建。

在你自己的云中部署，配置专用基础设施。可在 AWS Marketplace 和 Azure 上获得。

定制部署、专属容量、模型许可、模型微调和 SLA。联系我们。

从安全到规模，ZeroEntropy 为生产就绪的 AI 而构建

经过审计的数据安全、可用性和机密性控制 —— 每年验证一次。

符合 BAA 的基础设施，为受保护的健康数据提供静态和传输中的加密。

完整的数据驻留控制、删除权和针对欧盟客户的 DPA 协议。

尊重消费者数据权利，完全透明地说明收集、使用和删除。